AI «leser» skriptet og advarer brukere om svindel.

På under et øyeblikk analyserer MoMos AI-system samtidig over 1000 risikosignaler. Hvis kjennetegn som ligner på tidligere identifiserte svindelmønstre dukker opp, vurderer systemet risikonivået og utsteder en advarsel.

Etter hvert som svindel blir raskere og mer sofistikerte.

Ifølge statistikk som ble delt på forumet Digital Trust in Finance 2026 (DTF 2026), tapte vietnamesere over 8 billioner VND på grunn av nettsvindel i 2025. Det bekymringsfulle aspektet er imidlertid ikke bare mengden tap; eksperter mener den største utfordringen er at AI forårsaker en enestående økning i hastigheten på å skape svindelscenarier, samtidig som den reduserer "inngangsbarrieren" for nettkriminelle betydelig.

Tidligere krevde det å gjennomføre en storstilt svindel at gjerningsmennene brukte mye tid på å utvikle scenarier, samle inn data, skrive innhold og kontakte ofrene. Nå kan mange av disse trinnene automatiseres til svært lave kostnader.

Nguyen Manh Tuong, medgründer, styreleder og administrerende direktør i MoMo, uttalte: «KI gjør svindel «raskere, billigere og mer sofistikert», og endrer fullstendig måten gjerningsmenn utfører svindelkampanjer på nettet.»

Herr Nguyen Manh Tuong delte dette på Digital Trust in Finance 2026 Forum.

I stedet for tidligere tiders massespredningsmetoder, kan svindelscenarier nå skapes i et mye raskere tempo og med en høyere grad av personalisering. Fra nettbasert atferd og forbrukervaner til forhold på sosiale medier, kan en mengde offentlig tilgjengelige data brukes til å konstruere målrettede tilnærminger som er svært spesifikke for hver bruker.

På undergrunnsfora i dag finnes det et økende antall «phishing-as-a-service»-modeller – der phishing-verktøysett tilbys som abonnementer som ligner på SaaS-programvare. Brukere kan leie ferdige falske nettsteder, masseutsendelsessystemer for e-post, dashbord for å overvåke stjålne data og til og med tilhørende tekniske støttetjenester.

Wall Street Journal viser, med henvisning til data fra Microsoft, Barracuda Networks, Netcraft og FBI, at mange phishing-plattformer nå er «pakket» med brukervennlige grensesnitt, forhåndsbygde maler og muligheten til å distribueres på få minutter. Dette gjør at selv team med mindre tekniske ferdigheter raskt kan delta i store phishing-kampanjer.

Antisvindelmodellen må også «akselerere».

Basert på ovennevnte erfaring mener Nguyen Manh Tuong at den digitale finansbransjen ikke kan fortsette å stole utelukkende på den tradisjonelle tankegangen om å «oppdage transaksjoner og deretter blokkere dem». I stedet må MoMo endre tankegangen sin fra å «blokkere dårlige aktører» til å «samarbeide med gode aktører».

Hver transaksjon på MoMo-plattformen behandles i løpet av 100–300 millisekunder. I løpet av en periode kortere enn et øyeblikk analyserer AI-systemet samtidig mer enn 1000 forskjellige risikosignaler. Disse signalene inkluderer innloggingsenheter, geografisk plassering, transaksjonshistorikk, kontobruksfrekvens, mottakeregenskaper og mange andre uvanlige tegn i transaksjonsatferd.

Hvis en konto plutselig genererer en stor transaksjon til en klynge av kontoer som tidligere er koblet til mistenkelig aktivitet, eller viser egenskaper som ligner på tidligere dokumenterte svindelmønstre, kan systemet umiddelbart vurdere risikonivået og utstede en advarsel.

De første resultatene viser at denne tilnærmingen gir positive resultater. På MoMo-plattformen stopper 995 transaksjonen for hver 1000 brukere som mottar en advarsel fra systemet. Som et resultat spares omtrent 44 milliarder VND hver dag fra potensielle svindelrisikoer.

Disse funnene viser at moderne sikkerhet ikke bare handler om å forhindre eksterne angrep. Enda viktigere er det at det handler om å hjelpe brukere med å ta mer informerte beslutninger i perioder med størst sårbarhet for manipulasjon.

På den annen side kan hver nyoppdagede svindelkonto, hvert nytt phishing-scenario rapportert av en bruker, eller hver nylig bekreftede uvanlige transaksjon umiddelbart bli data som systemet bruker for å oppdatere risikoidentifikasjonsmodellene sine.

Takket være dette har MoMo omgjort de verdifulle lærdommene som individuelle brukere har lært til delt kunnskap for hele systemet. Denne tankegangen former strategien for å bygge et «felles skjold»: å ikke la brukerne møte risikoer alene, men å omdanne kraften i fellesskapsdata til et digitalt immunsystem som er i stand til å lære seg selv og kontinuerlig forbedre seg over tid.

(Kilde: MoMo)

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