كيف يساهم الذكاء الاصطناعي في مكافحة الاحتيال المالي؟

في تقرير العام الفائت من نازداك، تجاوزت التدفقات المالية غير المشروعة 3  تريليونات دولار عبر النظام المالي العالمي، منها 485.6  مليار دولار من عمليات الاحتيال والاحتيال المصرفي.

ومع تزايد الاعتماد على التكنولوجيا في القطاع المالي، سيستمر ازداد أيضًا الاحتيال المالي بمعدلات مقلقة.

من سرقة الهوية إلى الاحتيال في المعاملات الرقمية، تحتاج المؤسسات المالية إلى أدوات أكثر ذكاءً لمكافحة هذه التهديدات.

الذكاء الاصطناعي AI أصبح الحصن الأول في اكتشاف الاحتيال ومنعه.

احصائيات عن الاحتيال في القطاع المالي

• الخسائر الناتجة عن الاحتيال شملت مجموعة متنوعة من عمليات الاحتيال والاحتيال المصرفي، وبلغت 485.6  مليار دولار.
• أفاد75%  من المتخصصين في مكافحة الجرائم المالية بزيادة في التوظيف خلال عام 2023 مقارنة بالعام السابق.
• بحسب تقرير “إحصائيات الاحتيال المالي لعام 2024 الصادرعن  Alloy فإنه أكثر من 50%  من المؤسسات المالية أبلغت عن زيادة في حالات الاحتيال المتعلقة بالأعمال التجارية.
• وفق التقرير نفسه, فإن 35% من المؤسسات تعرضت لأكثر من 1000 محاولة احتيال خلال العام الماضي، في حين أن 1 من كل 10 مؤسسات تعرضت لأكثر من 10,000 محاولة.
• كما أن الذكاء الاصطناعي ليس فقط للحماية، بل هو للاحتيال أيضاً، مع تزايد تعقيد محاولات الاحتيال، يُتوقع أن تصل الخسائر الناتجة عن التقدم في تقنيات الذكاء الاصطناعي التوليدي Gen AI إلى 40  مليار دولار بحلول عام 2027.
• أنواع الاحتيال المتزايدة عالميًا تشمل سرقة الهوية والاستيلاء على الحسابات، الهجمات السيبرانية، احتيال البطاقات غير الموجودة Card Not Present Fraud، والاحتيال عبر دفعات الدفع المصرح بها  Authorized Push Payment Scam.

أنواع الاحتيال في القطاع المالي

1. احتيال بطاقات الائتمان Credit Card Fraud: يشمل سرقة بيانات البطاقة واستخدامها في معاملات مختلفة منها غير قانونية.
2. غسيل الأموال Money Laundering: استخدام الأنظمة المالية لنقل الأموال غير المشروعة.
3. سرقة الهوية Identity Theft: اختراق الحسابات البنكية باستخدام معلومات مسروقة.
4. الاحتيال في القروض Loan Fraud: تقديم طلبات قروض باستخدام معلومات مزيفة.
5. التصيد الاحتيالي Phishing: إرسال رسائل خادعة للحصول على بيانات العملاء الحساسة.

احصائيات عن أداء الذكاء الاصطناعي مع الاحتيال

1. يُتوقع أن ينمو سوق الكشف والوقاية من الاحتيال من 47.89 مليار دولار في عام 2024 إلى 126.69 مليار دولار بحلول عام 2029.
2. يكشف هذا التقرير عن زيادة هائلة بنسبة 2137% في الهجمات الاحتيالية باستخدام تقنيات التزييف العميق Deepfake خلال السنوات الثلاث الماضية.
3. يُشير التقرير السابق إلى أن أكثر من ثلث محاولات الاحتيال التي تستهدف المؤسسات المالية أصبحت تعتمد على الذكاء الاصطناعي، مما يبرز الحاجة الملحة لتطوير استراتيجيات متقدمة لمكافحة هذه التهديدات
4. أيضاً تقرير آخر يشير إلى أن 70% من الشركات تتوقع أن يشكل الاحتيال المدعوم بالذكاء الاصطناعي ثاني أكبر تحدٍ لها خلال السنوات القليلة المقبلة.
5. ماستركارد تدفع 2.65 مليار دولار لشركة أمن سيبراني تستخدم الذكاء الاصطناعي.

كيف يعمل الذكاء الاصطناعي على اكتشاف الاحتيال؟

1- تحليل السلوكيات Behavioral Analysis:

• يعتمد الذكاء الاصطناعي على إنشاء نماذج سلوكية طبيعية للمستخدمين.
• عند اكتشاف أنماط غير طبيعية (مثل تسجيل الدخول من موقع غير مألوف أو معاملات كبيرة غير عادية)، يتم إرسال تحذيرات.

2- التعلم من البيانات السابقة:

باستخدام خوارزميات التعلم الإشرافي Supervised Learning، يمكن للذكاء الاصطناعي التعرف على عمليات احتيال سابقة ومنعها في المستقبل.

3- الكشف في الوقت الفعلي Real-Time Detection:

يمكن للذكاء الاصطناعي تحليل المعاملات أثناء حدوثها، مما يتيح اكتشاف الاحتيال قبل اكتمال المعاملة.

4- الكشف عن الأنماط المتقدمة Advanced Pattern Recognition:

خوارزميات مثل Neural Networks  وK-Means Clustering  تُستخدم لتحليل البيانات وتحديد الأنشطة المشبوهة.

تموضع طبقة الذكاء الاصطناعي في طبقات معالجة الدفعات المالية

في أنظمة معالجة الدفعات المالية، تعمل طبقة الذكاء الاصطناعي كحلقة مركزية تجمع بين التحليل اللحظي، التنبؤ المستقبلي، واتخاذ القرار الذكي.

تقليديًا، تتألف معالجة الدفعات من ثلاث مراحل رئيسية هي:

المعالجة الأمامية Front-End Processing, المعالجة الخلفية  Back-End Processing، والمصادقة والتسوية Authentication and Settlement.

1- أثناء المعالجة الأمامية:

وهي تضمن تحسين تجربة المستخدم والوقاية من الاحتيال، في هذه المرحلة، يتفاعل الذكاء الاصطناعي مباشرة مع واجهة المستخدم عبر تقنيات مثل التعرف على الأنماط السلوكية Behavioral Analysis.

يقوم بتحليل البيانات مثل مواقع تسجيل الدخول، توقيت المعاملات، وسلوك المستخدم لتحديد الأنشطة غير الطبيعية.

أمثلة عملية:

• إذا حاول المستخدم إجراء دفعة من موقع غير مألوف أو عبر جهاز جديد، يتولى الذكاء الاصطناعي فحص البيانات وتحديد مستوى المخاطر.
• يعمل على تخصيص التوصيات وتحسين واجهة المستخدم من خلال تحليل الأنماط المتكررة.

2- أثناء المعالجة الخلفية:

حيث الكشف عن الاحتيال في الوقت الحقيقي، تتولى خوارزميات التعلم الآلي تحليل بيانات المعاملات في الوقت الفعلي للكشف عن التهديدات المحتملة ومنعها قبل اكتمالها.

تُستخدم تقنيات مثل الشبكات العصبية العميقة Deep Neural Networks لتحديد الأنشطة المشبوهة عبر مقارنة الأنماط الحالية بالأنماط الاحتيالية التاريخية.

3- في المصادقة والتسوية:

تعزيز الأمان وتبسيط العمليات، في هذه المرحلة، تُطبق نماذج الذكاء الاصطناعي لتحليل المعاملات التي تتطلب مصادقة إضافية، مما يقلل من الإيجابيات الكاذبة (False Positives) ويُحسن سرعة المعالجة.

تُستخدم أنظمة مثل التحقق متعدد العوامل المدعوم بالذكاء الاصطناعي AI-Powered Multi-Factor Authentication  لتوفير تجربة مستخدم آمنة وسلسة.

ميزة التكامل الذكي

يعمل الذكاء الاصطناعي كطبقة غير مرئية تُدمج في جميع مراحل المعالجة، لكنه يتفوق في توفير “استجابة ديناميكية”، أي أنه يستطيع التكيف مع سيناريوهات جديدة دون تدخل بشري مباشر. على سبيل المثال:

• تحليل البيانات التاريخية: يساعد في التنبؤ بالمخاطر المستقبلية.
• التعلم المستمر: يجعل النظام أكثر كفاءة بمرور الوقت، من خلال التعلم من الحالات السابقة.

حالة مدروسة لشركة فوكال Focal

في عام 2023، قامت شركة “فوكال”Focal  بتطوير نظام متقدم للكشف عن الاحتيال باستخدام تقنيات التعلم الآلي والذكاء الاصطناعي.

يستهدف هذا النظام المؤسسات المالية، حيث يقوم بتحليل بيانات المعاملات لاكتشاف الأنماط غير الاعتيادية التي قد تشير إلى أنشطة احتيالي.

آلية عمل النظام:

• تحليل البيانات التاريخية: يتم تدريب النماذج على بيانات المعاملات السابقة لتحديد الأنماط السلوكية الطبيعية لكل عميل.
• الكشف عن الشذوذ: عند حدوث معاملة جديدة، يقوم النظام بمقارنتها بالأنماط المتوقعة. إذا كانت المعاملة تختلف بشكل كبير عن السلوك المعتاد، يتم تصنيفها كمعاملة مشبوهة.
• التعلم المستمر: يتعلم النظام باستمرار من البيانات الجديدة، مما يسمح له بالتكيف مع التغيرات في سلوك العملاء وتحديث نماذج الكشف عن الاحتيال بمرور الوقت

النتائج المحققة:

• زيادة دقة الكشف: أدى استخدام هذا النظام إلى تحسين دقة الكشف عن الاحتيال بنسبة 30% مقارنة بالأنظمة التقليدية.
• تقليل الإيجابيات الكاذبة: انخفض عدد المعاملات السليمة التي تم تصنيفها خطأً كاحتيالية بنسبة 25%، مما ساهم في تحسين تجربة العملاء.
• تسريع زمن الاستجابة: تمكن النظام من تحليل وتصنيف المعاملات في غضون ثوانٍ، مما أتاح للمؤسسات المالية اتخاذ إجراءات فورية عند الضرورة.

بعض الشركات أو التطبيقات في هذا المجال

شركات تقدم حلولاً وتطبيقات في نفس السياق نذكر منها:

1. FICO: تُقدم حلولًا مبتكرة للكشف عن الاحتيال وتحليل المخاطر باستخدام الذكاء الاصطناعي.
2. Darktrace: تعتمد على التعلم الآلي لتحليل التهديدات الإلكترونية وكشف الاحتيال.
3. SAS Institute: تقدم أدوات تحليل بيانات متقدمة للتنبؤ بالأخطار المالية.
4. Fraud.net: منصة للكشف عن الاحتيال في التجارة الإلكترونية والخدمات المصرفية.
5. Feedzai: تركز على اكتشاف الاحتيال في المدفوعات الرقمية.
6. NICE Actimize: تستخدم الذكاء الاصطناعي لمكافحة غسيل الأموال والتصيد الاحتيالي.

ما هي التوجهات المستقبلية حول الذكاء الاصطناعي في مكافحة الاحتيال؟

1. التعلم التعاوني Federated Learning: البيانات السابقة لنشاطات المحتالون عبر البلدان المختلفة مهمة جداً، ولذلك ستتعاون المؤسسات لمشاركة بيانات التهديدات دون المساس بخصوصية العملاء.
2. الذكاء الاصطناعي التوضيحي Explainable AI: الثقة العمياء بالذكاء الاصطناعي ليس أمراً صائباً، ستزداد أهمية تطوير أنظمة ذكاء اصطناعي شفافة توضح كيف تتخذ قراراتها، مما يزيد الثقة بها.
3. استخدام تقنيات البلوكتشين: يمكن للذكاء الاصطناعي مع البلوكتشين إنشاء أنظمة أكثر أمانًا لتسجيل المعاملات المالية لأنه سيستطيع تتبع كافة دورة حياة المعاملة البنكية أو الأرصدة بما يغلق الأبواب أمام المحتالين.
4. الكشف الاستباقي: تطوير أنظمة تعتمد على التنبؤ بالاحتيال قبل وقوعه.
5. الذكاء الاصطناعي متعدد النماذج Multimodal AI: الجمع بين تحليل النصوص، الصور، والفيديوهات للكشف عن الاحتيال بطرق متعددة.

خلاصة

تعلم الآلة والذكاء الاصطناعي يمثلان حلاً ثوريًا لمكافحة الاحتيال المالي.

من خلال تحليل البيانات بدقة غير مسبوقة واكتشاف الأنماط المشبوهة في الوقت الفعلي، يمكن للمؤسسات تقليل الخسائر وتعزيز الثقة.

ومع التوجهات المستقبلية نحو أنظمة أكثر تطورًا، يُتوقع أن يصبح القطاع المالي أكثر أمانًا واستقرارًا.

ولذلك لا ننسى أن استثمار الذكاء الاصطناعي وتعلم الآلة تحديداً هو مجال عريض للاستثمار فيه اليوم.