به گزارش کارگروه امنیت خبرگزاری سایبربان، گلوریا وان از شرکت کینکسیس (Kinexys) وابسته به جی پی مورگان در گفتگو با فینکسترا (Finextra) به نتایج یک گزارش اشاره کرد که نشان می‌دهد ۹۰٪ از شرکت‌های آمریکایی در سال ۲۰۲۴ با کلاهبرداری سایبری مواجه شده‌اند و ۴۷٪ آن‌ها بیش از ۱۰ میلیون دلار ضرر دیده‌اند.
او تأکید کرد صنعت پرداخت باید سریعاً برای شفاف‌سازی داده‌ها و همکاری بیشتر اقدام کند تا بتواند بهتر با ریسک‌های کلاهبرداری مقابله نماید.
با رشد سریع پرداخت‌های دیجیتال، پیچیدگی و سرعت کلاهبرداری نیز افزایش یافته است.
سیستم‌های سنتی تنها پس از وقوع حمله عمل می‌کنند، اما اکنون نیاز به شناسایی پیشگیرانه و لحظه‌ای ریسک‌ها احساس می‌شود.
این روش با بهره‌گیری از هوش مصنوعی و یادگیری ماشینی می‌تواند قبل از تکمیل تراکنش، علائم هشداردهنده را شناسایی کند و رفتارهای کلاهبردارانه را پیش‌بینی نماید.
کارل اسلابیکی از بانک نیویورک (BNY) نیز اشاره کرد که پیشرفت هوش مصنوعی در تشخیص کلاهبرداری، بسیار چشم‌گیر است؛ چرا که این مدل‌ها به‌صورت لحظه‌ای داده‌ها را تحلیل کرده و به‌طور مستمر خود را با تهدیدهای جدید تطبیق می‌دهند.
برای کاهش مؤثر ریسک، صرفاً یک سیگنال کافی نیست؛ بلکه باید از مجموعه‌ای از نشانه‌های رفتاری، شبکه‌ای، و تراکنشی برای ساخت یک پروفایل قوی استفاده شود که کلاهبرداران نتوانند از آن عبور کنند؛ مثلا از اطلاعات دستگاه، بیومتریک رفتاری، شاخص‌های ریسک شبکه‌ای و الگوهای تراکنشی.
رِناتا کین از شرکت گرین دات (Green Dot) نیز تأکید کرد که هیچ راه‌حل واحدی برای جلوگیری از کلاهبرداری وجود ندارد، اما استفاده از یک رویکرد چندلایه، مؤثرترین راه است.
او همچنین به اهمیت اتحاد بانک‌ها، فین‌تک‌ها و سایر عوامل این صنعت برای مقابله با این تهدید اشاره کرد.
وان همچنین به چالش‌های حریم خصوصی در اشتراک‌گذاری داده‌ها پرداخت و پیشنهاد داد از روش‌هایی مانند یادگیری فدرال استفاده شود تا بدون فاش کردن داده‌های حساس، بتوان همکاری مؤثرتری داشت.
در نهایت، اسلابیکی خاطرنشان کرد که با پیشرفته‌تر شدن روش‌های کلاهبرداری، صنعت پرداخت آمریکا باید پیش از وقوع آسیب، قادر به شناسایی ریسک‌ها باشد.
