Payment Radar
Торговые предприятия неэффективно используют ИИ для борьбы с мошенничеством
В статье сообщается, что торговые предприятия не внедряют технологии искусственного интеллекта (ИИ) для предотвращения мошенничества, что делает их уязвимыми перед сложными атаками на базе ИИ. В материале приводятся данные отчета KPMG Canada: 81 % компаний уже стали жертвами…
Payment RadarOriginal source: Chargebacks911 · linked publisher media; native reuse rights require confirmation 
Что изменилось
В ходе верифицированной оценки не объявлено о конкретных изменениях в условиях приема платежей, оформления заказа, стоимости услуг, финансирования, борьбы с мошенничеством, чарджбэках, безопасности, комплаенсе или операционной деятельности мерчантов. В тексте описывается общая тенденция и ландшафт угроз, а не выпуск конкретного продукта или изменение политики, влияющее на мерчантов. Ключевая проблема заключается в том, что мерчанты не внедряют технологии искусственного интеллекта (ИИ) для предотвращения мошенничества, что делает их уязвимыми перед сложными атаками на базе ИИ. В материале приводится отчет KPMG Canada, согласно которому 81 % компаний пострадали от атак с использованием ИИ, причем фишинг, поддельные документы (deepfake) и клонирование голоса являются основными векторами атак. Традиционные фильтры становятся менее надежными против этих новых угроз. Это не регуляторное обновление и не изменение правил платежных сетей; это наблюдение за рыночным разрывом между возникающими угрозами и текущей защитой мерчантов.
Почему это важно для бизнеса
Неспособность адаптироваться к мошенничеству на базе ИИ может привести к значительным финансовым потерям и росту чарджбэков. Чарджбэк — это принудительное отменение операции по карте, инициированное эмитирующим банком держателя карты, регулируемое правилами сетей Visa, Mastercard, Amex или Discover. Мерчанты сталкиваются с повышенным риском злоупотреблений чарджбэками и сложного мошенничества из-за недостаточного внедрения ИИ в свои системы защиты. Если ваши текущие инструменты борьбы с мошенничеством опираются на статические правила или устаревшие модели машинного обучения, они могут не обнаруживать современные векторы атак, такие как синтетические личности или клонированный голос.
Кого это затрагивает
Всех мерчантов, особенно тех, кто работает в секторах электронной коммерции и розничной торговли. Любая компания, обрабатывающая платежи по картам и использующая цифровые этапы верификации, находится в зоне риска. Влияние высоко, поскольку атаки автоматизированы, масштабируемы и разработаны для обхода традиционных проверок с участием человека.
Что стоит предпринять
Извлеките логи отклонений мошеннических операций за последние 30 дней и сопоставьте причины отклонений с вашим текущим набором правил. Выявите любые паттерны, при которых легитимные клиенты блокировались, а подозрительные транзакции проходили. Если вы обнаружите пробелы, свяжитесь с вашим платежным процессором или поставщиком услуг по борьбе с мошенничеством, чтобы конкретно узнать об их возможностях обнаружения на базе ИИ и о том, как они обрабатывают попытки с использованием deepfake или клонирования голоса.
Неопределённость и риски
Основной риск заключается в операционных сбоях и финансовых потерях от мошенничества, если системы защиты остаются устаревшими. Существует неопределенность относительно того, какие именно инструменты ИИ окажутся наиболее эффективными, поскольку ландшафт угроз быстро меняется. Никаких действий предпринимать пока не требуется, если только ваши текущие метрики борьбы с мошенничеством не показывают всплеска отклонений или роста числа одобренных мошеннических операций.
Comments