AI 'ອ່ານ' ສະຄຣິບ, ເຕືອນຜູ້ໃຊ້ກ່ຽວກັບການຫຼອກລວງ.

ໃນເວລາບໍ່ຮອດກະພິບຕາ, ລະບົບ AI ຂອງ MoMo ສາມາດວິເຄາະສັນຍານຄວາມສ່ຽງຫຼາຍກວ່າ 1,000 ສັນຍານພ້ອມໆກັນ. ຖ້າລັກສະນະທີ່ຄ້າຍຄືກັບຮູບແບບການຫຼອກລວງທີ່ເຄີຍລະບຸໄວ້ກ່ອນໜ້ານີ້ປາກົດຂຶ້ນ, ລະບົບຈະປະເມີນລະດັບຄວາມສ່ຽງ ແລະ ອອກຄຳເຕືອນ.

ຍ້ອນວ່າການຫລອກລວງກາຍເປັນໄວຂຶ້ນ ແລະ ຊັບຊ້ອນຫຼາຍຂຶ້ນ.

ອີງຕາມສະຖິຕິທີ່ໄດ້ແບ່ງປັນຢູ່ໃນເວທີປຶກສາຫາລື Digital Trust in Finance 2026 (DTF 2026), ປະຊາຊົນຫວຽດນາມໄດ້ສູນເສຍເງິນຫຼາຍກວ່າ 8 ພັນຕື້ດົ່ງຍ້ອນການຫຼອກລວງທາງອອນລາຍໃນປີ 2025. ເຖິງຢ່າງໃດກໍ່ຕາມ, ລັກສະນະທີ່ໜ້າເປັນຫ່ວງບໍ່ພຽງແຕ່ປະລິມານການສູນເສຍເທົ່ານັ້ນ; ຜູ້ຊ່ຽວຊານເຊື່ອວ່າສິ່ງທ້າທາຍທີ່ສຳຄັນແມ່ນວ່າ AI ກຳລັງເຮັດໃຫ້ເກີດການເພີ່ມຂຶ້ນຂອງຄວາມໄວໃນການສ້າງສະຖານະການຫຼອກລວງທີ່ບໍ່ເຄີຍມີມາກ່ອນ, ໃນຂະນະທີ່ຫຼຸດຜ່ອນ "ອຸປະສັກໃນການເຂົ້າ" ສຳລັບອາດຊະຍາກອນທາງອິນເຕີເນັດຢ່າງຫຼວງຫຼາຍ.

ກ່ອນໜ້ານີ້, ການປະຕິບັດການຫຼອກລວງຂະໜາດໃຫຍ່ຮຽກຮ້ອງໃຫ້ຜູ້ກະທຳຜິດໃຊ້ເວລາຫຼາຍໃນການພັດທະນາສະຖານະການ, ການລວບລວມຂໍ້ມູນ, ການຂຽນເນື້ອຫາ, ແລະ ການຕິດຕໍ່ຜູ້ເຄາະຮ້າຍ. ປະຈຸບັນ, ຂັ້ນຕອນເຫຼົ່ານີ້ຫຼາຍຢ່າງສາມາດເປັນອັດຕະໂນມັດໄດ້ດ້ວຍຄ່າໃຊ້ຈ່າຍຕໍ່າຫຼາຍ.

ທ່ານ Nguyen Manh Tuong, ຜູ້ຮ່ວມກໍ່ຕັ້ງ, ຮ່ວມປະທານຄະນະກຳມະການ ແລະ CEO ຂອງ MoMo, ໄດ້ກ່າວວ່າ: "AI ກຳລັງເຮັດໃຫ້ການສໍ້ໂກງ 'ໄວຂຶ້ນ, ລາຄາຖືກກວ່າ, ແລະ ຊັບຊ້ອນກວ່າ', ແລະ ປ່ຽນແປງວິທີທີ່ຜູ້ກະທຳຜິດປະຕິບັດການໂຄສະນາຫາສຽງສໍ້ໂກງທາງອອນລາຍຢ່າງສິ້ນເຊີງ."

ທ່ານ Nguyen Manh Tuong ໄດ້ແບ່ງປັນເລື່ອງນີ້ຢູ່ໃນເວທີປາໄສ Digital Trust in Finance 2026.

ແທນທີ່ຈະໃຊ້ວິທີການເຜີຍແຜ່ຂໍ້ມູນຈຳນວນຫຼວງຫຼາຍໃນອະດີດ, ສະຖານະການຫຼອກລວງໃນປັດຈຸບັນສາມາດສ້າງຂຶ້ນໄດ້ໄວຂຶ້ນ ແລະ ມີລະດັບການປັບແຕ່ງສ່ວນບຸກຄົນທີ່ສູງຂຶ້ນ. ຕັ້ງແຕ່ພຶດຕິກຳທາງອອນໄລນ໌ ແລະ ນິໄສຂອງຜູ້ບໍລິໂພກ ຈົນເຖິງຄວາມສຳພັນກັບສື່ສັງຄົມອອນລາຍ, ຂໍ້ມູນທີ່ມີຢູ່ສາທາລະນະຢ່າງຫຼວງຫຼາຍສາມາດນຳໃຊ້ເພື່ອສ້າງວິທີການເປົ້າໝາຍທີ່ມີຄວາມຊັດເຈນສູງຕໍ່ຜູ້ໃຊ້ແຕ່ລະຄົນ.

ໃນເວທີສົນທະນາລັບໃນປະຈຸບັນ, ມີຮູບແບບ "ການຫຼອກລວງແບບ phishing-as-a-service" ທີ່ເພີ່ມຂຶ້ນເລື້ອຍໆ - ບ່ອນທີ່ຊຸດເຄື່ອງມືການຫຼອກລວງຖືກສະເໜີໃຫ້ເປັນການສະໝັກໃຊ້ຄ້າຍຄືກັບຊອບແວ SaaS. ຜູ້ໃຊ້ສາມາດເຊົ່າເວັບໄຊທ໌ປອມທີ່ກຽມພ້ອມແລ້ວ, ລະບົບອີເມວຈຳນວນຫຼາຍ, ແຜງຄວບຄຸມເພື່ອຕິດຕາມກວດກາຂໍ້ມູນທີ່ຖືກລັກ, ແລະແມ່ນແຕ່ການບໍລິການສະໜັບສະໜູນດ້ານວິຊາການທີ່ມາພ້ອມກັບມັນ.

ໜັງສືພິມ Wall Street Journal ໂດຍອ້າງອີງຂໍ້ມູນຈາກ Microsoft, Barracuda Networks, Netcraft, ແລະ FBI ສະແດງໃຫ້ເຫັນວ່າແພລດຟອມການຫຼອກລວງຫຼາຍແຫ່ງໃນປັດຈຸບັນແມ່ນ "ຖືກຫຸ້ມຫໍ່" ດ້ວຍອິນເຕີເຟດທີ່ເປັນມິດກັບຜູ້ໃຊ້, ແມ່ແບບທີ່ສ້າງໄວ້ກ່ອນ, ແລະຄວາມສາມາດໃນການນຳໃຊ້ພາຍໃນນາທີ. ສິ່ງນີ້ຊ່ວຍໃຫ້ແມ່ນແຕ່ທີມງານທີ່ມີທັກສະດ້ານວິຊາການໜ້ອຍກວ່າກໍ່ສາມາດເຂົ້າຮ່ວມໃນການໂຄສະນາຫຼອກລວງຂະໜາດໃຫຍ່ໄດ້ຢ່າງວ່ອງໄວ.

ຮູບແບບຕ້ານການສໍ້ໂກງຍັງຈໍາເປັນຕ້ອງ "ເລັ່ງ".

ອີງຕາມປະສົບການຂ້າງເທິງ, ທ່ານ Nguyen Manh Tuong ເຊື່ອວ່າອຸດສາຫະກຳການເງິນດິຈິຕອນບໍ່ສາມາດສືບຕໍ່ອີງໃສ່ແນວຄິດແບບດັ້ງເດີມຂອງ "ການກວດສອບທຸລະກຳ ແລະ ຈາກນັ້ນສະກັດກັ້ນພວກມັນໄດ້ຢ່າງສິ້ນເຊີງ." ແທນທີ່ຈະ, MoMo ຕ້ອງປ່ຽນແນວຄິດຂອງຕົນຈາກ "ການສະກັດກັ້ນຜູ້ກະທຳທີ່ບໍ່ດີ" ໄປເປັນ "ການຮ່ວມມືກັບຜູ້ກະທຳທີ່ດີ".

ແຕ່ລະທຸລະກຳໃນແພລດຟອມ MoMo ຈະຖືກປະມວນຜົນພາຍໃນ 100-300 ມິນລິວິນາທີ. ໃນໄລຍະເວລາທີ່ສັ້ນກວ່າພິບຕາ, ລະບົບ AI ຈະວິເຄາະສັນຍານຄວາມສ່ຽງທີ່ແຕກຕ່າງກັນຫຼາຍກວ່າ 1,000 ສັນຍານພ້ອມໆກັນ. ສັນຍານເຫຼົ່ານີ້ລວມມີອຸປະກອນເຂົ້າສູ່ລະບົບ, ສະຖານທີ່ທາງພູມສາດ, ປະຫວັດທຸລະກຳ, ຄວາມຖີ່ຂອງການນຳໃຊ້ບັນຊີ, ລັກສະນະຂອງຜູ້ຮັບ, ແລະ ສັນຍານຜິດປົກກະຕິອື່ນໆອີກຫຼາຍຢ່າງໃນພຶດຕິກຳການເຮັດທຸລະກຳ.

ຖ້າບັນຊີໃດໜຶ່ງສ້າງທຸລະກຳຂະໜາດໃຫຍ່ຢ່າງກະທັນຫັນໄປຍັງກຸ່ມບັນຊີທີ່ເຄີຍເຊື່ອມໂຍງກັບກິດຈະກຳທີ່ໜ້າສົງໄສ, ຫຼື ສະແດງລັກສະນະຄ້າຍຄືກັບຮູບແບບການຫຼອກລວງທີ່ເຄີຍບັນທຶກໄວ້ກ່ອນໜ້ານີ້, ລະບົບສາມາດປະເມີນລະດັບຄວາມສ່ຽງ ແລະ ອອກຄຳເຕືອນໄດ້ທັນທີ.

ຜົນໄດ້ຮັບໃນເບື້ອງຕົ້ນສະແດງໃຫ້ເຫັນວ່າວິທີການນີ້ໃຫ້ຜົນໄດ້ຮັບໃນທາງບວກ. ໃນເວທີ MoMo, ສຳລັບຜູ້ໃຊ້ທຸກໆ 1,000 ຄົນທີ່ໄດ້ຮັບຄຳເຕືອນຈາກລະບົບ, 995 ຄົນຈະຢຸດການເຮັດທຸລະກຳ. ດັ່ງນັ້ນ, ປະມານ 44 ຕື້ດົ່ງຈຶ່ງຖືກປະຫຍັດໃນແຕ່ລະມື້ຈາກຄວາມສ່ຽງດ້ານການສໍ້ໂກງທີ່ອາດເກີດຂຶ້ນ.

ການຄົ້ນພົບເຫຼົ່ານີ້ສະແດງໃຫ້ເຫັນວ່າຄວາມປອດໄພທີ່ທັນສະໄໝບໍ່ພຽງແຕ່ກ່ຽວກັບການປ້ອງກັນການໂຈມຕີຈາກພາຍນອກເທົ່ານັ້ນ. ສິ່ງທີ່ສຳຄັນກວ່ານັ້ນ, ມັນຍັງກ່ຽວກັບການສະໜັບສະໜູນຜູ້ໃຊ້ໃນການຕັດສິນໃຈທີ່ມີຂໍ້ມູນຫຼາຍຂຶ້ນໃນຊ່ວງເວລາທີ່ມີຄວາມສ່ຽງຫຼາຍທີ່ສຸດຕໍ່ການຫຼອກລວງ.

ໃນທາງກົງກັນຂ້າມ, ບັນຊີປອມທີ່ຄົ້ນພົບໃໝ່ທຸກໆບັນຊີ, ສະຖານະການຫຼອກລວງແບບຟິດຊິງໃໝ່ທຸກໆຄັ້ງທີ່ລາຍງານໂດຍຜູ້ໃຊ້, ຫຼື ທຸລະກຳທີ່ຜິດປົກກະຕິທີ່ຢືນຢັນໃໝ່ທຸກໆຄັ້ງສາມາດກາຍເປັນຂໍ້ມູນສຳລັບລະບົບເພື່ອອັບເດດຮູບແບບການລະບຸຄວາມສ່ຽງຂອງມັນໄດ້ທັນທີ.

ຂໍຂອບໃຈກັບສິ່ງນີ້, ບົດຮຽນທີ່ມີຄຸນຄ່າທີ່ໄດ້ຮຽນຮູ້ໂດຍຜູ້ໃຊ້ແຕ່ລະຄົນໄດ້ຖືກປ່ຽນໂດຍ MoMo ໃຫ້ກາຍເປັນຄວາມຮູ້ຮ່ວມກັນສຳລັບລະບົບທັງໝົດ. ແນວຄິດນີ້ສ້າງຮູບແບບຍຸດທະສາດຂອງການສ້າງ "ໄສ້ປ້ອງກັນຮ່ວມກັນ": ບໍ່ປ່ອຍໃຫ້ຜູ້ໃຊ້ປະເຊີນກັບຄວາມສ່ຽງຢູ່ຄົນດຽວ, ແຕ່ປ່ຽນພະລັງຂອງຂໍ້ມູນຊຸມຊົນໃຫ້ກາຍເປັນລະບົບພູມຕ້ານທານດິຈິຕອນທີ່ສາມາດຮຽນຮູ້ດ້ວຍຕົນເອງ ແລະ ປັບປຸງຢ່າງຕໍ່ເນື່ອງຕາມການເວລາ.

(ແຫຼ່ງຂໍ້ມູນ: MoMo)

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