ИИ меняет способы совершения мошенничества, делая атаки более быстрыми, убедительными и трудными для обнаружения. Узнайте, как обнаружение мошенничества на базе ИИ, поведенческий анализ, сигналы мобильных сетей и риск-ориентированная аутентификация помогают компаниям выявлять подозрительную активность, защищать OTP-потоки и обеспечивать безопасность клиентского пути.
Сандра Посавац, специалист по контент-маркетингу
Клиент банка открывает приложение, чтобы оплатить услуги поставщика. При добавлении получателя платежа банк обнаруживает недавнюю замену SIM-карты и несколько попыток сброса пароля. Вместо того чтобы сразу блокировать клиента, система приостанавливает операцию и запрашивает дополнительный этап проверки. Банк подтверждает личность клиента и позволяет продолжить платеж. Краткое пояснение сообщает клиенту, почему потребовалась проверка и что делать дальше.
ИИ для обнаружения мошенничества помогает выявлять подобные закономерности и выделять подозрительную активность. Задача состоит в том, чтобы превратить эти инсайты в правильный ответ: предотвратить захват учетной записи, обеспечивая при этом бесперебойное проведение легитимных платежей и клиентских операций.
25%
организаций используют ИИ или машинное обучение в своих инициативах по борьбе с мошенничеством.
28%
организаций планируют внедрить ИИ/МО в свои инициативы по борьбе с мошенничеством к 2028 году.
ИИ делает привычные тактики мошенничества быстрее и легче адаптируемыми. Генеративный ИИ, включая большие языковые модели, может писать убедительные сообщения, переводить их, а также создавать поддельные изображения и аудио. Преступники могут использовать этот контент, чтобы выдавать себя за сотрудников, поставщиков, банки, клиентов или общественных деятелей. Они также могут повторять эти тактики в больших масштабах.
Центр жалоб на интернет-преступления ФБР заявляет, что ИИ может сократить время и усилия, необходимые для обмана людей. В их предупреждении выделяются поддельные профили и удостоверения личности, клонированные голоса, фальшивые видео и чат-боты, которые направляют людей по вредоносным ссылкам. ИИ упрощает создание нескольких версий атаки, позволяет избегать распространенных предупреждающих знаков и нацеливаться на людей, которые с большей вероятностью отреагируют.
Мошенничество часто включает в себя последовательность связанных действий. Злоумышленник может начать с фальшивых данных при регистрации, а затем отправить сообщение или позвонить, чтобы завоевать доверие. Транзакция по кредитной карте может быть лишь одной частью более широкой последовательности, включающей изменения в учетной записи и сообщения. Позже злоумышленник может запросить платеж или проверочный код. Каждый шаг может выглядеть нормально сам по себе, поэтому важно связывать активность между сессиями и изменениями в учетной записи, прежде чем решать, как реагировать.
Масштаб этих угроз также отражен в отчете Infobip «Fraud and Security Report 2026». Согласно отчету, объем вредоносных сообщений, обнаруженных на платформе Infobip, увеличился на 77% в период с 2024 по 2025 год. На фишинг пришлось 49% заблокированного вредоносного контента по сравнению с 45% в предыдущем году. Объем фишинга также вырос на 94% в годовом исчислении.
Эти цифры показывают, что привычные атаки остаются серьезной угрозой, даже несмотря на то, что дипфейки привлекают больше внимания. Фокусировка только на поддельном аудио, видео или злоупотреблении OTP может оставить другие части атаки незамеченными.
В отчете также зафиксирован рост в двух категориях обнаружения с помощью ИИ. Обнаружение текста выросло на 59%, а обнаружение изображений увеличилось на 628% за год. Анализ текста и изображений помогает выявлять различные части одной и той же попытки мошенничества. Сообщение может использовать язык, имитирующий доверенный бренд, в то время как изображение может содержать поддельный счет или удостоверение личности. Вместе эти проверки обеспечивают больше контекста для оценки подозрительной активности и принятия решения о том, какие меры предпринять.
На практике ИИ помогает финансовым сервисам выявлять закономерности в больших объемах данных и раньше помечать подозрительную активность. Системы обнаружения мошенничества могут сравнивать текущие действия с предыдущим поведением, связывать связанные попытки и приоритизировать активность, требующую более тщательного изучения.
В рамках более широкой стратегии предотвращения мошенничества системы на базе ИИ могут помочь сделать обнаружение более быстрым и последовательным. Четкие правила и процессы проверки гарантируют, что последующие действия остаются адекватными.
Полезные сигналы включают:
- Изменения в обычном поведении: различия в привычках входа в систему, использовании устройств, активности учетной записи или частоте транзакций. Данные должны обрабатываться в соответствии с требованиями конфиденциальности и применимыми правилами согласия.
- Необычные запросы OTP: повторяющиеся запросы или пакеты, отправленные на несколько номеров. Эти закономерности могут указывать на автоматизированное злоупотребление.
- Изменения номера телефона и SIM-карты: статус номера или недавняя замена SIM-карты могут предоставить дополнительный контекст, который может быть не виден внутри приложения.
- Новые устройства и активность учетной записи: новое устройство, внезапные изменения в учетной записи или необычные модели платежей могут потребовать дополнительного этапа проверки, особенно когда несколько сигналов появляются вместе.
Сгенерированная ИИ оценка риска служит сигналом для выбора определенного ответа, а не доказательством мошенничества. Понимание того, что представляет собой оценка, помогает перевести обнаружение в соответствующие действия.
Эффективность следует измерять с помощью таких показателей, как ложные блокировки, пропущенные случаи, отток клиентов и результаты в разных регионах и группах пользователей. Эти инсайты помогают повысить точность, сохраняя при этом удобство клиентского пути. Качество данных также имеет значение: неполная историческая информация и новые модели мошенничества могут повлиять на эффективность моделей машинного обучения. Регулярные проверки помогают поддерживать актуальность обнаружения по мере развития угроз.
Поведенческие сигналы показывают, как человек использует сервис, в то время как сигналы мобильной сети предоставляют информацию о телефонном соединении. ИИ может помочь проанализировать эти различные источники данных вместе, чтобы выявить закономерности и выделить активность, которая может указывать на мошенничество. Устройство может выглядеть знакомым после замены SIM-карты, в то время как стабильная SIM-карта не обязательно означает, что поведение в сессии является нормальным.
Сетевые проверки особенно ценны, когда они поддерживают принятие решений в режиме реального времени. Интеграция сетевой аналитики в процессы обнаружения мошенничества может помочь компаниям реагировать на подозрительную активность по мере ее возникновения. Установка требований к времени отклика и предварительное определение резервных действий также помогают поддерживать последовательность решений, когда конкретная проверка не может быть завершена.
OTP подтверждает, что кто-то может получить код через выбранный канал. Это важная часть аутентификации, но она не подтверждает независимо владение учетной записью и не гарантирует, что действие является легитимным.
Например, клиент может поделиться OTP после того, как злоумышленник выдал себя за его банк. Код подтверждает доступ к каналу связи, но не то, является ли человек, запрашивающий его, надежным.
Риск-ориентированная аутентификация помогает применять нужный уровень проверки к каждой ситуации. Рутинные операции с низким уровнем риска могут оставаться простыми, в то время как действия с более высоким риском требуют более строгих проверок.
ИИ и машинное обучение могут поддержать этот процесс, выявляя подозрительные закономерности в запросах, истории учетной записи, поведении в сессии и сетевой информации. Эти инсайты могут помочь определить, следует ли разрешить запрос, ограничить количество повторных попыток, запросить дополнительную проверку или заблокировать явно мошенническую активность. Цель состоит в том, чтобы усилить безопасность, не добавляя лишних шагов для легитимных клиентов.
Важность адаптации мер по предотвращению мошенничества также отражена в отчете Infobip. Данные Infobip Signals показали общее снижение подозрительной активности на 35% и снижение числа подозрительных сообщений на 38%. Тем не менее, подозрительный искусственно раздутый трафик (AIT) увеличился на 86% в Европе и на 75% в Латинской Америке. Эти выводы подчеркивают, как схемы мошенничества могут различаться в зависимости от региона, что делает важным адаптацию методов обнаружения и мер предотвращения к локальным угрозам.
Перед отправкой OTP компании могут использовать SIM Swap API от Infobip для проверки недавней замены SIM-карты и учета этого сигнала при принятии решения о рисках. Недавнее изменение может потребовать более тщательной проверки или другого пути аутентификации, а не только SMS OTP. Для сценариев, требующих более надежной защиты, API Number Verification от Infobip может подтвердить мобильный номер через сеть, не требуя от клиента ввода кода. Верификация номера на основе SIM-карты может обеспечить устойчивый к фишингу вариант там, где это доступно.
Infobip Signals и Authenticate поддерживают два взаимодополняющих аспекта безопасности OTP. Infobip Signals использует машинное обучение и адаптивные алгоритмы для выявления и блокировки мошеннических запросов OTP, помогая защитить обмен сообщениями от злоупотреблений. Infobip Authenticate поддерживает омниканальную двухфакторную аутентификацию и доставку OTP, помогая компаниям создавать безопасные и удобные сценарии верификации. В сочетании с правилами, основанными на оценке рисков, эти возможности обеспечивают более надежную аутентификацию, сохраняя при этом простоту взаимодействия для добросовестных пользователей.
Эффективная стратегия предотвращения мошенничества связывает каждый сигнал риска с четким действием. Каждое действие с высоким уровнем риска должно иметь определенный отклик, назначенного ответственного и запасной вариант для ситуаций, когда информация недоступна. Меры безопасности также должны защищать законные клиентские сценарии.
Вот шесть практических шагов, которые стоит рассмотреть:
- Определите потенциальные точки проникновения мошенников. Изучите весь путь клиента: от регистрации и входа в систему до запросов OTP, изменения учетной записи и платежей. Определите, какие сигналы доступны на каждом этапе.
- Определите уровни риска и реакции на них. Решите, что должно происходить при низком, среднем и высоком уровне риска. Применяйте наиболее щадящий эффективный контроль и оставляйте жесткие блокировки для ситуаций, подтвержденных четкими доказательствами.
- Комбинируйте сигналы из разных источников. Избегайте принятия важных решений на основе единственного слабого индикатора. По возможности сопоставляйте поведение сеанса с данными сообщений, учетных записей и сети.
- Защитите процесс отправки OTP. Проверяйте недавнюю замену SIM-карты перед отправкой OTP и используйте этот сигнал для определения необходимости дополнительного шага верификации. Установите соответствующие лимиты запросов и правила повторных попыток. Различайте добросовестного клиента, которому требуется еще одна попытка, и автоматизированный трафик, распределенный по нескольким номерам.
- Измеряйте показатели безопасности и клиентского опыта. Отслеживайте убытки от мошенничества, заблокированные злоупотребления, ложные блокировки, показатели завершения, запросы в службу поддержки и региональные различия. Большее количество обнаружений может отражать увеличение трафика или изменение правил обнаружения, а не только улучшение защиты.
- Регулярно пересматривайте модели и правила. Тестируйте производительность для различных групп клиентов и каналов. Документируйте использование данных, обновляйте средства контроля по мере изменения тактики мошенничества и привлекайте специалистов к проверке в неясных или критических случаях.
Рассмотрите ситуацию, когда клиент входит в систему с привычного устройства после замены SIM-карты и запрашивает несколько сбросов пароля. Само по себе знакомое устройство может не служить оправданием для блокировки. Однако недавняя замена SIM-карты в сочетании с повторяющимися запросами на сброс может потребовать дополнительной проверки или короткой паузы перед изменением учетной записи. Измерение результата помогает определить, останавливает ли такой подход злоупотребления, позволяя добросовестным клиентам продолжать работу.
Перед настройкой модели установите базовые показатели производительности. Для каждого действия сравните, сколько злоупотреблений оно предотвращает, сколько законных клиентских сценариев оно задерживает и перенаправляется ли подозрительная активность в другой канал. Регулярные проверки в разных регионах и с течением времени помогают сохранять эффективность средств контроля по мере эволюции тактики мошенничества.
ИИ может выявлять закономерности, которые было бы трудно заметить вручную, но окончательное решение всегда должно учитывать влияние на добросовестных клиентов. Успешное предотвращение мошенничества означает сокращение числа злоупотреблений при сохранении удобства взаимодействия для реальных клиентов.
Поскольку ИИ становится все более широко используемым во взаимодействии с клиентами, компании все чаще задумываются о том, как координировать агентов ИИ, данные клиентов, автоматизацию и каналы коммуникации. AgentOS объединяет эти элементы в единую платформу, обеспечивая среду для управления взаимодействием с клиентами на базе ИИ через различные каналы.
,
