MI technológia – fegyver az online csalások ellen.

Az online csalások egyre kifinomultabbá válásával a mesterséges intelligencia (MI) a kiberbűnözés elleni küzdelem egyik hatékony fegyverévé válik. A szakértők olyan megoldásokat javasolnak, amelyek integrálják a mesterséges intelligenciát a csalárd hívások azonosítása és a személyes adatok kiszivárgásának megakadályozása érdekében.

Személyes adatok számos csatornán keresztül kiszivároghatnak: belső személyzettől vagy kibertámadások révén - Illusztráció: Quang Dinh

A Tuổi Trẻ újságnak nyilatkozva Trịnh Nguyễn Thiên Phước, a Gianty Vietnam technológiai igazgatója elmondta, hogy a határokon átnyúló online csalások egyre kifinomultabbá válnak, különösen az Arany Háromszög régióban. A mesterséges intelligencia és a Big Data technológiák kulcsszerepet játszanak majd a csalárd tevékenységek korai felismerésében és megelőzésében.

„A mesterséges intelligencia valós időben képes elemezni a tranzakciós adatokat, felismerni a csalárd hívásokban lévő hangokat, és figyelemmel kísérni a közösségi médiában található tartalmakat az adathalász webhelyek felderítése érdekében. Ez a technológia nemcsak a felhasználók figyelmeztetésében segít, hanem automatikusan blokkolhatja a gyanús tranzakciókat, zárolhatja a fiókokat, vagy leállíthatja az adathalász kampányokat, mielőtt azok elterjednének” – magyarázta Phuoc úr.

Továbbá a mesterséges intelligencia segít optimalizálni a csalásbejelentési portált a súlyos esetek szűrésével, osztályozásával és rangsorolásával. A mesterséges intelligencia alapú chatbotok automatikusan eligazíthatják az áldozatokat, csökkentve a hatóságok munkaterhelését, míg a mesterséges intelligencia alapú rendszerek több csalási esetből származó adatokat is összekapcsolhatnak a gyors nyomozások támogatása érdekében.

Phuoc úr a következőket javasolta: „A technológiai vállalatoknak, bankoknak és hálózatüzemeltetőknek szorosan együtt kell működniük az adatok megosztása, valamint a megfigyelési és korai figyelmeztető technológiák alkalmazása érdekében.” Azt is javasolta, hogy hozzanak létre szakosított bizottságokat vagy szövetségeket, és biztosítsanak folyamatos képzést az ügynökségeknek és osztályoknak, hasonlóan egy „kibertűz-megelőzési és -ellenőrzési” egységhez.

Ezenkívül Phuoc úr javasolta a Bounty Hunter modellt, amely átlátható jutalmazási mechanizmus révén ösztönzi a biztonsági szakembereket a kiberbűnözők felkutatásában való részvételre, hozzájárulva az online csalások megelőzésének hatékonyságának javításához.

Hoang Xuan Huong, a VNetwork kiberbiztonsági vállalat technológiai igazgatója szerint a vietnami hálózatüzemeltetők jelenlegi technológiai képességeikkel teljes mértékben rögzíteni tudják az előfizetők adatait, akik a kiberbűnözők célpontjaiként azonosított területeken lévő bázisállomásokról csatlakoznak. Ezeket az adatokat ezután kombinálhatják az illetékes hatóságok hangfelismerő technológiájával, és a mesterséges intelligencia felhasználhatja a gyakori csalárd hívások elemzésére és blokkolására.

„A legegyszerűbb megoldás az, hogy minden hívás után megjelenik egy értesítés, amely megkérdezi, hogy átverésről van-e szó vagy sem. Bizonyos számú bejelentés esetén a hálózat üzemeltetője a híváselőzmények és a tartalom alapján kulcsszavakat hozhat létre a későbbi hívások blokkolására” – osztotta meg Mr. Huong.

Eközben La Manh Cuong úr, az Opswat Vietnam vezérigazgatója szerint az érzékeny információkat tároló szervezeteknek, például bankoknak, kormányzati szerveknek, telekommunikációs szolgáltatóknak és pénzügyi intézményeknek fokozniuk kell a felhasználói adatok védelmére való képességüket.

Cuong úr szerint a sikeres csalások közül sok a valóságban abból fakad, hogy a csalók megszerzik az áldozat állampolgársági számát, teljes nevét, címét, telefonszámát, sőt még a tranzakciós előzményeit is. A személyes adatok különböző csatornákon keresztül szivároghatnak ki, a belső személyzettől kezdve a kibertámadásokig.

A kockázat megelőzése érdekében Cuong úr azt javasolta, hogy a szervezeteknek többrétegű adatvédelmi megoldásokat kell bevezetniük, amelyekben az adatvesztés-megelőzési (DLP) technológia kulcsszerepet játszik az adatszivárgások monitorozásában, ellenőrzésében és megelőzésében.

A DLP technológia segíthet a jogosulatlan adathozzáférés észlelésében és megelőzésében, az érzékeny adatok titkosításában, az adathozzáférés korlátozásában, valamint az adatszivárgások észlelésében e-mailben, USB-n és felhőn keresztül.

A gyakori csalástípusok azonosítása

A kapzsiságot és a tudáshiányt kihasználva a csalók hatalmas profit ígéretével cselszövéseket indítanak, hogy pénzügyi befektetéseket, különösen a „kriptovalutákba” fektessenek be. Hirdetik és ráveszik az embereket, hogy vegyenek részt az általuk létrehozott hamis tőzsdéken és weboldalakon.

Egy pénzügyi szakértőknek, tőzsdeügynököknek vagy jó hírű brókercégek képviselőinek kiadó alkalmazottakból álló csapat a Zalo és a Telegram segítségével tanácsadó csoportokba gyűjti a „befektetőket”. Miután sok embert vonzott és pénzt kapott, a virtuális kereskedési platform bezár vagy eltűnik, így a befektetőknek semmijük sincs.

A romantikus csalások ugyanilyen gyakoriak. A csalók közösségi médián, társkereső oldalakon vagy fórumokon keresztül közelítik meg az áldozatokat, hamis profilokkal, amelyeken vonzó emberek lopott fotói szerepelnek.

Flörtöléssel, megható történetek megosztásával vagy ígéretek tételével kamu romantikus kapcsolatot hoznak létre, majd arra csábítják az áldozatokat, hogy érzékeny képeket küldjenek nekik zsarolás céljából, vagy ráveszik őket, hogy fektessenek be hamis Forex kereskedési platformokba.

A „könnyű munka, magas fizetés” átverés sok embert csapdába ejt, különösen azokat, akik munkát keresnek. A csalás kulcsa abban rejlik, hogy a munkakezdés előtt előleget kérnek.

Néhány kifinomultabb csalás során a felhasználók kifizetnek egy kezdeti összeget, majd személyes számlaadatokat, hitelkártyaszámokat vagy bankszámlaadatokat kérnek fizetés vagy fiók létrehozása ürügyén, ezáltal csapdába csalva a felhasználókat.

Forrás: https://tuoitre.vn/cong-nghe-ai-vu-khi-chong-lua-dao-truc-tuyen-20250228085003302.htm