A mesterséges intelligencia „olvassa” a szkriptet, figyelmeztetve a felhasználókat a csalásokra.

Egy szempillantás alatt a MoMo mesterséges intelligencia alapú rendszere több mint 1000 kockázati jelet elemez egyszerre. Ha a korábban azonosított csalási mintákhoz hasonló jellemzők jelennek meg, a rendszer felméri a kockázati szintet, és figyelmeztetést ad ki.

Ahogy a csalások egyre gyorsabbak és kifinomultabbak lesznek.

A Digital Trust in Finance 2026 (DTF 2026) fórumon megosztott statisztikák szerint a vietnamiak több mint 8 billió vietnami dongot veszítettek online csalások miatt 2025-ben. Az aggasztó azonban nem csak a veszteségek összege; a szakértők úgy vélik, hogy a fő kihívás az, hogy a mesterséges intelligencia példátlan növekedést okoz a csalási forgatókönyvek létrehozásának sebességében, miközben jelentősen csökkenti a „belépési korlátot” a kiberbűnözők számára.

Korábban egy nagyszabású csalás végrehajtása rengeteg időt igényelt az elkövetőktől forgatókönyvek kidolgozásával, adatgyűjtéssel, tartalomírással és az áldozatokkal való kapcsolatfelvétellel. Most ezek a lépések nagyon alacsony költséggel automatizálhatók.

Nguyen Manh Tuong úr, a MoMo társalapítója, igazgatótanácsának társelnöke és vezérigazgatója kijelentette: „A mesterséges intelligencia „gyorsabbá, olcsóbbá és kifinomultabbá” teszi a csalást, és teljesen megváltoztatja az elkövetők online csalási kampányainak módját.”

Nguyen Manh Tuong úr ezt a Digital Trust in Finance 2026 fórumon osztotta meg.

A múltbeli tömeges terjesztési módszerek helyett ma már sokkal gyorsabban és nagyobb fokú személyre szabással lehet csalási forgatókönyveket létrehozni. Az online viselkedéstől és a fogyasztói szokásoktól kezdve a közösségi média kapcsolataiig rengeteg nyilvánosan elérhető adat felhasználható célzott megközelítések kidolgozására, amelyek minden egyes felhasználóra nagymértékben specifikusak.

Napjainkban az illegális fórumokon egyre több „adathalászati ​​szolgáltatásként” modell jelenik meg, ahol az adathalász eszközkészleteket előfizetésként kínálják, hasonlóan a SaaS szoftverekhez. A felhasználók bérelhetnek kész hamis weboldalakat, tömeges e-mail rendszereket, irányítópultokat az ellopott adatok monitorozásához, sőt, akár kapcsolódó technikai támogatási szolgáltatásokat is.

A Wall Street Journal a Microsoft, a Barracuda Networks, a Netcraft és az FBI adataira hivatkozva azt mutatja, hogy sok adathalász platform ma már felhasználóbarát felületekkel, előre elkészített sablonokkal és perceken belüli telepítési lehetőséggel van „csomagolva”. Ez lehetővé teszi még a kevésbé technikai ismeretekkel rendelkező csapatok számára is, hogy gyorsan részt vegyenek nagyszabású adathalász kampányokban.

A csalás elleni modellnek is „fel kell gyorsulnia”.

A fenti tapasztalatok alapján Nguyen Manh Tuong úr úgy véli, hogy a digitális pénzügyi ágazat nem hagyatkozhat tovább teljes mértékben a „tranzakciók észlelésének, majd blokkolásának” hagyományos gondolkodásmódjára. Ehelyett a MoMo-nak a „rossz szereplők blokkolásáról” a „jó szereplőkkel való partnerségre” kell áttérnie.

A MoMo platformon minden tranzakció 100-300 milliszekundum alatt kerül feldolgozásra. Egy szempillantásnál rövidebb idő alatt a mesterséges intelligencia rendszer több mint 1000 különböző kockázati jelet elemez egyszerre. Ezek a jelek magukban foglalják a bejelentkezési eszközöket, a földrajzi helyet, a tranzakciós előzményeket, a számlahasználat gyakoriságát, a kedvezményezettek jellemzőit és számos egyéb szokatlan jelet a tranzakciós viselkedésben.

Ha egy fiók hirtelen nagy tranzakciót generál egy korábban gyanús tevékenységhez kapcsolódó fiókcsoporttal, vagy a korábban dokumentált csalási mintákhoz hasonló jellemzőket mutat, a rendszer azonnal felméri a kockázati szintet, és figyelmeztetést ad ki.

A kezdeti eredmények azt mutatják, hogy ez a megközelítés pozitív eredményeket hoz. A MoMo platformon minden 1000 felhasználóból, aki figyelmeztetést kap a rendszertől, 995 leállítja a tranzakciót. Ennek eredményeként naponta körülbelül 44 milliárd VND-t takarítanak meg a potenciális csalási kockázatokkal szemben.

Ezek az eredmények azt mutatják, hogy a modern biztonság nem csupán a külső támadások megelőzéséről szól. Ami még fontosabb, arról is, hogy támogassa a felhasználókat abban, hogy megalapozottabb döntéseket hozzanak a manipulációval szembeni legnagyobb sebezhetőség idején.

Másrészről minden újonnan felfedezett csalárd fiók, minden felhasználó által jelentett új adathalász forgatókönyv vagy minden újonnan ellenőrzött szokatlan tranzakció azonnal adattá válhat a rendszer számára a kockázatazonosítási modellek frissítéséhez.

Ennek köszönhetően a MoMo az egyes felhasználók által tanult értékes tanulságokat a teljes rendszer számára megosztott tudássá alakította. Ez a gondolkodásmód alakítja a „közös pajzs” kiépítésének stratégiáját: nem hagyni a felhasználókat egyedül a kockázatokkal szemben, hanem a közösségi adatok erejét egy digitális immunrendszerré alakítani, amely képes önálló tanulásra és folyamatos fejlődésre az idő múlásával.

(Forrás: MoMo)

Forrás: https://vietnamnet.vn/ai-doc-vi-kich-ban-canh-bao-nguoi-dung-truoc-bay-lua-dao-2520887.html