Skip to main content

Кібербезпека

23 вересня 2026 року

 

Нова роль штучного інтелекту в запобіганні шахрайству

Перетворюючи підключену аналітику на швидші дії, ми змінюємо підхід до запобігання шахрайству: замість реагування на атаки ми їх передбачаємо.

логотип Google
Ann Johnson profile photo

Ann Johnson

Executive Vice President, Security Solutions, Mastercard

Шахрайство вступає в нову еру. ШІ надає шахраям нові можливості для пошуку вразливостей, адаптації їхньої тактики та масштабування атак. Водночас кошти переміщуються через дедалі більшу кількість каналів, зокрема завдяки дедалі автономнішим взаємодіям. Це забезпечує споживачам більшу зручність, але водночас створює більше місць для приховування шахраїв і залишає захисникам менше часу на реагування.

Масштаб проблеми значний: минулого року світові збитки від шахрайства оцінювалися в $442 мільярди, а генеративний штучний інтелект може призвести до $40 мільярдів збитків від шахрайства у США до 2027 року. Необхідність виявляти ризик до того, як він перетвориться на шахрайську транзакцію або шахрайський платіж, ніколи ще не була такою нагальною.

 

Шахрайство рідко проявляється через окрему транзакцію. Воно виникає через закономірності, які буває важко розпізнати, якщо розглядати кожен сигнал окремо.

Ann Johnson
Енн Джонсон

Протягом років запобігання шахрайству зосереджувалося переважно на оцінці окремих транзакцій та реагуванні на відомі загрози. Хоча штучний інтелект спричиняє зростання кіберризиків, цю саму технологію все частіше використовують для відбиття таких атак. ШІ створює можливість об’єднати аналітичні дані в межах усієї цифрової екосистеми, зрозуміти, як розвивається шахрайство, і втручатися раніше — переходячи від реагування на шахрайство до його випередження.

 

Докладніше про це

Шахрайство рідко проявляється через окрему транзакцію. Воно виникає через закономірності, які буває важко розпізнати, якщо розглядати кожен сигнал окремо.

Уявіть споживача, який зазвичай купує товари в Сіетлі та Портленді. За кілька хвилин з’являються кілька дорогих онлайн-покупок від незначних продавців з іншої країни. ШІ може проаналізувати ширший патерн — зокрема місцеперебування, частоту покупок, суму, історію витрат і дані про пристрій, — щоб класифікувати діяльність як таку, що має високий ризик, перш ніж станеться черговий випадок шахрайства. У компанії Mastercard ми використовуємо генеративний штучний інтелект для аналізу складних патернів транзакцій та виявлення тонких сигналів, які традиційні правила можуть пропустити, допомагаючи емітентам виявляти більше шахрайства й водночас зменшувати кількість хибних відмов.

Той самий принцип застосовується до складних шахрайських мереж. ШІ може допомогти вибудувати зв’язки між обліковими записами, пристроями, транзакціями та іншою цифровою активністю, щоб виявити скоординоване шахрайство, яке може залишитися непоміченим, якщо розглядати кожний сигнал окремо.

 

Визначення того, де виникає ризик

Шахрайство може виявитися в момент здійснення транзакції, але часто воно починається набагато раніше: скомпрометований пароль, виставлений на продаж в інтернеті, фальшива вітрина магазину, створена для введення покупців в оману, або фішингова кампанія із збору інформації, яку злочинці пізніше використовують для доступу до акаунтів чи здійснення шахрайських покупок.

Поєднуючи кіберрозвідку загроз та аналітику платежів, штучний інтелект здатен зв’язати ці ранні попереджувальні сигнали та допомогти виявити місця формування ризиків. Той самий підхід може допомогти раніше виявити ризики, пов’язані з торговцями. Аналізуючи цифрові сліди, сигнали адаптації та транзакційну активність, штучний інтелект може виявляти потенційно шахрайських або скомпрометованих продавців до того, як вони створять ризики для ширшої екосистеми.

 

Зупинка шахрайських схем до того, як кошти залишать рахунок

Шахрайство за допомогою схем і афер є одним із найяскравіших прикладів того, чому запобігання шахрайству має еволюціонувати. Шахрайські платежі часто авторизуються самою жертвою, яка вірить, що платить легітимній особі або компанії. Через це їх складніше виявити за допомогою традиційних методів контролю шахрайства.

Поєднуючи поведінкові, облікові та транзакційні сигнали, ми використовуємо штучний інтелект для ранішого виявлення маніпуляцій. Замість того щоб запитувати лише: «Чи є ця транзакція шахрайською?» ШІ може допомогти нам відповісти на запитання: «Чи не маніпулюють цим споживачем, змушуючи його надсилати гроші?», — що дає фінансовим установам можливість втрутитися до того, як буде завдано шкоди.

 

Формування довіри в агентній економіці

Зсув у бік запобігання стане ще важливішим, оскільки агенти ШІ почнуть діяти від імені людей і підприємств. Як легітимна, так і зрідка зловмисна активність може швидко переміщуватися, діяти автономно та виглядати незвично порівняно із шаблонами, які ми знаємо сьогодні.

В екосистемі агентської економіки споживач може попросити AI-агента забронювати подорож, порівняти товари або здійснити покупку. Це породжує нові запитання: як екосистема розуміє, що транзакція відображає намір споживача, що агент має повноваження діяти, а платіж є безпечним?

З розвитком агентної комерції запобігання шахрайству вимагатиме перевірки не лише особи, а й намірів та авторизації. Успіх залежатиме від об'єднання аналітики в межах усієї екосистеми, щоб раніше виявляти ризики й формувати довіру до нових способів здійснення транзакцій.

Більшість людей ніколи не побачать роботу аналітичних систем нашої команди за лаштунками. Проте вони відчуватимуть ці переваги щодня завдяки безпечнішим транзакціям, надійнішому захисту від шахрайських схем та більшій впевненості в нових формах цифрової комерції. У цьому й полягає обіцянка ШІ: не просто швидше виявляти шахрайство, а зупиняти його ще до того, як воно почнеться.