AI اسکرپٹ کو 'پڑھتا ہے'، صارفین کو گھوٹالوں سے خبردار کرتا ہے۔

پلک جھپکنے سے بھی کم وقت میں، MoMo کا AI سسٹم بیک وقت 1,000 سے زیادہ رسک سگنلز کا تجزیہ کرتا ہے۔ اگر پہلے سے شناخت شدہ گھوٹالے کے نمونوں سے ملتی جلتی خصوصیات ظاہر ہوتی ہیں، تو نظام خطرے کی سطح کا اندازہ کرتا ہے اور ایک انتباہ جاری کرتا ہے۔

جیسے جیسے گھوٹالے تیز اور نفیس ہوتے ہیں۔

ڈیجیٹل ٹرسٹ ان فنانس 2026 (DTF 2026) فورم میں شیئر کیے گئے اعدادوشمار کے مطابق، 2025 میں آن لائن گھوٹالوں کی وجہ سے ویتنامی لوگوں کو 8 ٹریلین VND سے زیادہ کا نقصان ہوا۔ تاہم، تشویشناک پہلو صرف نقصانات کی مقدار نہیں ہے۔ ماہرین کا خیال ہے کہ سب سے بڑا چیلنج یہ ہے کہ AI گھوٹالے کے منظرنامے بنانے کی رفتار میں غیرمعمولی اضافہ کا باعث بن رہا ہے، جبکہ سائبر کرائمینلز کے لیے "داخلے میں رکاوٹ" کو نمایاں طور پر کم کر رہا ہے۔

اس سے قبل، بڑے پیمانے پر گھوٹالے کو انجام دینے کے لیے مجرموں کو منظرنامے تیار کرنے، ڈیٹا اکٹھا کرنے، مواد لکھنے اور متاثرین سے رابطہ کرنے میں کافی وقت صرف کرنا پڑتا تھا۔ اب، ان میں سے بہت سے اقدامات بہت کم قیمت پر خودکار ہو سکتے ہیں۔

مسٹر Nguyen Manh Tuong، شریک بانی، بورڈ آف ڈائریکٹرز کے شریک چیئرمین اور MoMo کے CEO، نے کہا: "AI فراڈ کو 'تیز، سستا، اور زیادہ جدید ترین' بنا رہا ہے، اور مجرموں کے آن لائن فراڈ کی مہم چلانے کے طریقے کو مکمل طور پر تبدیل کر رہا ہے۔"

مسٹر Nguyen Manh Tuong نے ڈیجیٹل ٹرسٹ ان فنانس 2026 فورم میں اس کا اشتراک کیا۔

ماضی کے بڑے پیمانے پر پھیلانے کے طریقوں کے بجائے، اب اسکام کے منظرنامے بہت تیز رفتاری سے اور ذاتی نوعیت کی اعلیٰ ڈگری کے ساتھ بنائے جا سکتے ہیں۔ آن لائن رویے اور صارفین کی عادات سے لے کر سوشل میڈیا تعلقات تک، عوامی طور پر دستیاب ڈیٹا کی دولت کو ہدف بنائے جانے والے طریقوں کی تعمیر کے لیے استعمال کیا جا سکتا ہے جو ہر صارف کے لیے انتہائی مخصوص ہیں۔

آج زیر زمین فورمز پر، "فشنگ-ایس-ایک-سروس" ماڈلز کی بڑھتی ہوئی تعداد ہے - جہاں فشنگ ٹول کٹس کو SaaS سافٹ ویئر کی طرح سبسکرپشنز کے طور پر پیش کیا جاتا ہے۔ صارفین تیار شدہ جعلی ویب سائٹس، بڑے پیمانے پر ای میل سسٹم، چوری شدہ ڈیٹا کی نگرانی کے لیے ڈیش بورڈ، اور یہاں تک کہ تکنیکی معاونت کی خدمات بھی کرائے پر لے سکتے ہیں۔

وال اسٹریٹ جرنل، مائیکروسافٹ، باراکوڈا نیٹ ورکس، نیٹ کرافٹ، اور ایف بی آئی کے اعداد و شمار کا حوالہ دیتے ہوئے، ظاہر کرتا ہے کہ بہت سے فشنگ پلیٹ فارمز اب صارف دوست انٹرفیس، پہلے سے تیار کردہ ٹیمپلیٹس، اور منٹوں میں تعینات کرنے کی صلاحیت کے ساتھ "پیکج" ہیں۔ یہ کم تکنیکی مہارت رکھنے والی ٹیموں کو بھی بڑے پیمانے پر فشنگ مہموں میں تیزی سے حصہ لینے کی اجازت دیتا ہے۔

اینٹی فراڈ ماڈل کو بھی "تیز" کرنے کی ضرورت ہے۔

مندرجہ بالا تجربے کی بنیاد پر، مسٹر Nguyen Manh Tuong کا خیال ہے کہ ڈیجیٹل فنانس انڈسٹری "لین دین کا پتہ لگانے اور پھر انہیں بلاک کرنے" کی روایتی ذہنیت پر مکمل انحصار نہیں کر سکتی۔ اس کے بجائے، MoMo کو اپنی سوچ کو "برے اداکاروں کو مسدود کرنے" سے "اچھے اداکاروں کے ساتھ شراکت داری" میں تبدیل کرنا چاہیے۔

MoMo پلیٹ فارم پر ہر ٹرانزیکشن پر 100-300 ملی سیکنڈ میں کارروائی ہوتی ہے۔ پلک جھپکنے سے کم عرصے میں، اے آئی سسٹم بیک وقت 1000 سے زیادہ مختلف رسک سگنلز کا تجزیہ کرتا ہے۔ ان سگنلز میں لاگ ان ڈیوائسز، جغرافیائی محل وقوع، لین دین کی سرگزشت، اکاؤنٹ کے استعمال کی فریکوئنسی، وصول کنندہ کی خصوصیات، اور لین دین کے رویے میں بہت سے دیگر غیر معمولی علامات شامل ہیں۔

اگر کوئی اکاؤنٹ اچانک مشکوک سرگرمی سے منسلک اکاؤنٹس کے ایک کلسٹر میں ایک بڑی ٹرانزیکشن پیدا کرتا ہے، یا پہلے سے دستاویزی اسکام کے نمونوں سے ملتی جلتی خصوصیات کو ظاہر کرتا ہے، تو سسٹم فوری طور پر خطرے کی سطح کا اندازہ لگا سکتا ہے اور ایک انتباہ جاری کر سکتا ہے۔

ابتدائی نتائج سے پتہ چلتا ہے کہ اس طریقہ کار کے مثبت نتائج برآمد ہو رہے ہیں۔ MoMo پلیٹ فارم پر، سسٹم سے وارننگ حاصل کرنے والے ہر 1,000 صارفین کے لیے، 995 ٹرانزیکشن روک دیتے ہیں۔ نتیجے کے طور پر، ہر روز تقریباً 44 بلین VND کو ممکنہ دھوکہ دہی کے خطرات سے بچایا جاتا ہے۔

یہ نتائج ظاہر کرتے ہیں کہ جدید سیکورٹی صرف بیرونی حملوں کو روکنے کے بارے میں نہیں ہے۔ زیادہ اہم بات یہ ہے کہ یہ ہیرا پھیری کے سب سے زیادہ خطرے کے وقت زیادہ باخبر فیصلے کرنے میں صارفین کی مدد کرنے کے بارے میں ہے۔

دوسری طرف، ہر نیا دریافت شدہ فراڈ اکاؤنٹ، صارف کی طرف سے رپورٹ کردہ ہر نیا فشنگ منظرنامہ، یا ہر نئی تصدیق شدہ غیر معمولی لین دین فوری طور پر سسٹم کے لیے ڈیٹا بن سکتا ہے تاکہ اس کے خطرے کی شناخت کے ماڈلز کو اپ ڈیٹ کیا جا سکے۔

اس کی بدولت، انفرادی صارفین کے ذریعے سیکھے گئے قیمتی اسباق کو MoMo نے پورے سسٹم کے لیے مشترکہ علم میں تبدیل کر دیا ہے۔ یہ ذہنیت ایک "مشترکہ ڈھال" بنانے کی حکمت عملی کو تشکیل دیتی ہے: صارفین کو اکیلے خطرات کا سامنا کرنے کے لیے نہیں چھوڑنا، بلکہ کمیونٹی ڈیٹا کی طاقت کو ایک ایسے ڈیجیٹل مدافعتی نظام میں تبدیل کرنا جو خود سیکھنے اور وقت کے ساتھ ساتھ مسلسل بہتری لانے کے قابل ہو۔

(ماخذ: MoMo)

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