Ứng dụng trí tuệ nhân tạo – AI phòng tránh rủi ro gian lận trong ngân hàng
Artificial Intelligence

Ứng dụng trí tuệ nhân tạo – AI phòng tránh rủi ro gian lận trong ngân hàng

Phòng chống gian lận là mối quan tâm hàng đầu của các ngân hàng, nguyên nhân là do những tổn thất đáng kể về tài chính, thiệt hại về danh tiếng và tổn hại lòng tin của khách hàng mà hành vi gian lận có thể gây ra. Theo báo cáo của Ủy ban Thương mại Liên bang Mỹ, năm 2021 có 2,8 triệu trường hợp gian lận, gây thiệt hại 5,8 tỷ USD . Đối với các ngân hàng, mỗi đô la bị mất do gian lận sẽ phát sinh thêm 4 đô la chi phí, chưa kể những thiệt hại không đo lường được về uy tín của ngân hàng.

Các phương pháp phát hiện gian lận truyền thống thường không đáp ứng triệt để trong việc phòng tránh các hình thức gian lận mới ngày càng tinh vi. Do đó, sử dụng trí tuệ nhân tạo (AI) đang là một phương pháp hữu hiệu để xử lý các vấn đề này thông qua khả năng phân tích vượt trội dựa trên dữ liệu lớn, giúp tăng cường và bổ sung đáng kể các chiến lược phòng chống gian lận của ngân hàng.

AI có thể xác định các mẫu, phát hiện sự bất thường và dự đoán các hoạt động gian lận với độ chính xáctốc độ cao hơn các phương pháp truyền thống. Các tổ chức tài chính có thể sử dụng AI để giám sát các giao dịch theo thời gian thực, phân tích lượng dữ liệu khổng lồ và tự động hóa phản ứng trước các mối đe dọa tiềm ẩn.

1. Những rủi ro gian lận phổ biến trong ngành ngân hàng tài chính

1.1. Trộm cắp danh tính và chiếm đoạt tài khoản

Trộm cắp danh tính liên quan đến việc những kẻ lừa đảo đánh cắp thông tin cá nhân để truy cập trái phép vào tài khoản ngân hàng. Chiếm đoạt tài khoản xảy ra khi những kẻ lừa đảo đánh cắp thông tin đăng nhập để truy cập và thao túng các tài khoản một cách bất hợp pháp. Đây là một trong những hình thức lừa đảo phổ biến nhất, trong đó thông tin nhận dạng cá nhân dễ bị đánh cắp và sử dụng bất hợp pháp thường gồm: tên, số điện thoại, địa chỉ.

Một hình thức gian lận cơ bản khác là đánh cắp thông tin xác thực, bao gồm việc lấy cắp thông tin nhạy cảm như số ID, mật khẩu, thông tin thẻ hoặc số an sinh xã hội của khách hàng ngân hàng. Kẻ lừa đảo sử dụng thông tin này để tiến hành chiếm đoạt tài khoản, gây ra những thiệt hại nghiêm trọng cho nạn nhân và các tổ chức tài chính.

Ảnh hưởng: Những loại gian lận này có thể dẫn đến các giao dịch trái phép, rút tiền bất hợp pháp và hoặc gây thiệt hại lâu dài cho tín dụng và tình hình tài chính của nạn nhân.

Ứng dụng AI đã ngày càng phổ biến và có hiệu quả rõ rệt hơn trong việc phòng chống và ngăn chặn những loại gian lận này. Dưới đây là một số ứng dụng phổ biến mà các ngân hàng đang áp dụng:

1 số ứng dụng của AI phổ biến trong ngân hàng
Hình 01: 1 số ứng dụng của AI phổ biến trong ngân hàng
  • Xác thực sinh trắc học: Sinh trắc học cung cấp phương pháp xác thực an toàn hơn và khó giả mạo hơn so với mật khẩu hoặc mã PIN và ngày càng được sử dụng phổ biến rộng rãi hơn. Bên cạnh tính bảo mật, xác thực sinh trắc học còn hỗ trợ người dùng có thể xác thực nhanh chóng và dễ dàng mà không cần nhớ mật khẩu phức tạp. Một số loại xác thực sinh trắc học phổ biến gồm:
    • Nhận Diện Khuôn Mặt: Ngân hàng áp dụng công nghệ nhận diện khuôn mặt để xác thực người dùng khi đăng nhập vào tài khoản và thực hiện các giao dịch có rủi ro cao.
    • Quét Dấu Vân Tay: Người dùng xác thực bằng dấu vân tay trên ứng dụng ngân hàng di động.
    • Nhận Diện Giọng Nói: Hệ thống AI xác thực danh tính người dùng thông qua nhận diện giọng nói khi thực hiện giao dịch qua điện thoại
  • Sinh trắc học hành vi: Hệ thống AI liên tục giám sát và phân tích các hành vi của người dùng, như tốc độ gõ phím, chuyển động chuột và thói quen điều hướng. Những sai lệch so với hành vi bình thường sẽ kích hoạt cảnh báo cho các hoạt động chiếm đoạt tài khoản tiềm ẩn.
  • Xác thực đa yếu tố (MFA): MFA thêm một lớp bảo mật bổ sung, làm cho kẻ gian khó truy cập trái phép hơn. Kết hợp các thuật toán AI nhằm đánh giá mức độ rủi ro của các lần đăng nhập dựa trên các yếu tố như thiết bị, vị trí và hành vi của người dùng. Các lần đăng nhập có rủi ro cao yêu cầu các bước xác thực bổ sung
  • Xác minh danh tính: AI hiệu quả trong việc nhận diện tài liệu giả hoặc bị chỉnh sửa, ngăn chặn kẻ gian mở tài khoản hoặc chiếm đoạt tài khoản hiện có. AI xác minh tính xác thực của các tài liệu danh tính (ví dụ: hộ chiếu, giấy phép lái xe) trong quá trình mở tài khoản và thực hiện các giao dịch có rủi ro cao.

1.2. Gian lận thanh toán và lừa đảo

Gian lận thanh toán là một trong những mối đe dọa nghiêm trọng đối với các ngân hàng, gây ra thiệt hại tài chính lớn và làm suy giảm niềm tin của khách hàng. Các hình thức gian lận phổ biến bao gồm: gian lận thẻ tín dụng thông qua việc sử dụng thông tin thẻ tín dụng để thực hiện các giao dịch trái phép, gian lận chuyển khoản bằng hình thức lừa đảo khách hàng hoặc nhân viên ngân hàng thực hiện các giao dịch chuyển khoản không hợp lệ, và gian lận tài khoản trực tuyến thông qua chiếm đoạt tài khoản ngân hàng trực tuyến thông qua các cuộc tấn công như phishing và malware.

Trong một cuộc tấn công lừa đảo, kẻ lừa đảo liên hệ với một cá nhân qua email, tin nhắn hoặc thậm chí là một cuộc gọi điện thoại giả làm tổ chức ngân hàng của họ. Mục tiêu cuối cùng của những kẻ lừa đảo là thuyết phục mục tiêu nhấp vào liên kết tải phần mềm độc hại, ransomware hoặc phần mềm gián điệp vào máy tính của họ hoặc để cung cấp thông tin nhận dạng cá nhân.

Ảnh hưởng: Các ngân hàng phải chịu tổn thất lớn từ các giao dịch gian lận và chi phí bồi hoàn cho khách hàng. Điều này đồng thời dẫn đến các khoản đầu tư mới để sửa lỗi và nâng cấp hệ thống bảo mật và các giải pháp phòng chống gian lận. Ngoài ra, các hành vi gian lận này sẽ gây tổn hại lớn đến uy tín của ngân hàng, dẫn đến mất niềm tin của khách hàng và giảm thiểu lượng khách hàng mới.

Hệ thống AI có thể giám sát các giao dịch trong thời gian thực, sử dụng thuật toán học máy để xác định các mẫu đáng ngờgắn cờ các giao dịch có khả năng gian lận. Bên cạnh đó, nhiều ngân hàng đã phát triển các giải pháp chấm điểm rủi ro gian lận. Thông qua AI, ngân hàng có thể chấm điểm rủi ro cho các giao dịch dựa trên nhiều yếu tố khác nhau đồng thời phân tích dữ liệu giao dịch lịch sử để dự đoán và ngăn chặn các hoạt động gian lận trong tương lai.

Bài học điển hình

JPMorgan Chase đã triển khai các hệ thống phát hiện gian lận dựa trên AI để giám sát các giao dịch thẻ tín dụng. Bằng cách phân tích mô hình giao dịch và hành vi của khách hàng, hệ thống AI có thể xác định các giao dịch gian lận với độ chính xác cao. Ngân hàng báo cáo đã giảm đáng kể các trường hợp dương tính giảtốc độ phát hiện gian lận được cải thiện.

JP Morgan Chase
Hình 02: JP Morgan Chase

PayPal sử dụng AI để phân tích lượng lớn dữ liệu giao dịch trong thời gian thực. Hệ thống AI xác định và gắn cờ các giao dịch đáng ngờ, cho phép PayPal ngăn chặn các hoạt động gian lận trước khi chúng gây ra tổn thất đáng kể. Việc triển khai AI đã giúp giảm đáng kể tổn thất tài chính liên quan đến gian lận và cải thiện niềm tin của khách hàng.

Paypal
Hình 03: Paypal

1.3. Rửa tiền

Rửa tiền liên quan đến quá trình làm cho số tiền kiếm được bất hợp pháp có vẻ hợp pháp. Điều này thường liên quan đến các giao dịch tài chính phức tạp được thiết kế để che giấu nguồn gốc của tiền. Ngoài việc tài trợ cho các hoạt động bất hợp pháp và có khả năng nguy hiểm, hoạt động rửa tiền còn làm tổn hại đến tính toàn vẹn của thị trường dịch vụ tài chính và có nguy cơ lôi kéo các ngân hàng vào mạng lưới tội phạm. Bất kỳ tổ chức nào bị phát hiện là bên liên quan đến hoạt động rửa tiền – thậm chí là vô tình – đều có thể thấy mình không chỉ bị tổn hại về mặt danh tiếng và mất thiện chí mà còn btrừng phạt theo pháp luật và quy định.

Ảnh hưởng: Rửa tiền tạo điều kiện cho các hoạt động tội phạm khác, khiến các tổ chức tài chính phải chịu sự giám sát của cơ quan quản lý và có thể dẫn đến các hình phạt và tiền phạt nghiêm khắc.

Ứng dụng AI có thể liên tục giám sát các giao dịch để tìm dấu hiệu rửa tiền, chẳng hạn như chuyển khoản lớn, giao dịch thường xuyên và các giao dịch liên quan đến khu vực pháp lý có rủi ro cao. Nhiều thuật toán AI cao cấp có thể phát hiện các mẫu và cảnh báo hoạt động rửa tiền, chẳng hạn như hoạt động thực hiện các giao dịch giống nhau, cố tình cấu trúc giao dịch để tránh ngưỡng cảnh báo của ngân hàng.

Bài học điển hình

HSBC sử dụng các công cụ dựa trên AI cho các quy trình Chống rửa tiền (AML)Biết khách hàng của bạn (KYC). Những công cụ này sử dụng máy học và xử lý ngôn ngữ tự nhiên để phân tích dữ liệu giao dịch và tương tác của khách hàng, xác định các hoạt động rửa tiền tiềm ẩn. Các hệ thống AI đã nâng cao hiệu quả và độ chính xác của các hoạt động tuân thủ, giảm nguy cơ bị phạt theo quy định.

HSBC
Hình 04: HSBC

2. Các rào cản và thách thức khi ứng dụng AI phòng tránh rủi ro gian lận trong ngân hàng

Bên cạnh những ưu điểm thì việc sử dụng AI trong phát hiện gian lận cũng đối mặt với 2 thách thức chính. Hai thách thức hàng đầu là:

• Hộp đen (Black Box): Các thuật toán AI thường hoạt động như một “hộp đen”, che giấu quá trình ra quyết định. Điều này gây khó khăn trong việc hiểu và tin tưởng các quyết định của AI, đặc biệt khi xảy ra lỗi. Ngoài ra, thiếu minh bạch làm cho việc kiểm soát và điều chỉnh AI trở nên khó khăn. Điều này đặc biệt quan trọng trong ngành ngân hàng, nơi yêu cầu tuân thủ các quy định nghiêm ngặt. Khi không thể theo dõi cách AI ra quyết định, các vấn đề đạo đức sẽ nảy sinh ví dụ rủi ro dẫn đến những quyết định không công bằng hoặc thiên vị.

• Tính kém hiệu quả trước các mối đe dọa phi kỹ thuật: AI chủ yếu hiệu quả trong môi trường kỹ thuật số, trong khi nhiều mối đe dọa gian lận diễn ra ngoài môi trường này. Ví dụ, AI gặp khó khăn trong việc phát hiện và ngăn chặn các mối đe dọa gian lận ngoại tuyến. Ví dụ, một kẻ lừa đảo có thể rút tiền từ máy ATM nếu biết mã PIN của nạn nhân, điều mà AI khó ngăn chặn.

Ngân hàng có thể cân nhắc bổ sung một số hoạt động kết hợp cùng AI để giải quyết hiệu quả hơn các thách thức nêu trên. Ví dụ các hoạt động

  • Đảm bảo minh bạch: Đảm bảo tính minh bạch trong quá trình phát triển và triển khai AI. Sử dụng các giao diện quản lý mà các thành viên trong nhóm có thể tự tin điều hướng.
  • Kiểm tra và giám sát: Thực hiện kiểm tra định kỳ và giám sát quá trình ra quyết định của AI để đảm bảo tính nhất quán và minh bạch.
  • Bổ sung biện pháp KYC: Áp dụng các biện pháp kiểm soát KYC bổ sung như xác thực hai yếu tố để ngăn chặn truy cập vật lý trái phép vào tài khoản.
  • Hợp Nhất Biện Pháp Bảo Mật: Kết hợp AI với các biện pháp bảo mật vật lý và quy trình thủ công để đảm bảo bảo vệ toàn diện

3. 03 xu hướng mới về ứng dụng AI phòng tránh rủi ro gian lận trong ngân hàng

Tương lai của AI trong phòng chống gian lận có vẻ đầy hứa hẹn với những tiến bộ không ngừng về công nghệ và phương pháp AI. Các tổ chức tài chính có thể mong đợi những cải tiến hơn nữa về tính chính xác và hiệu quả của hệ thống phát hiện và ngăn chặn gian lận. Một số hướng đi trong tương lai bao gồm:

3 xu hướng mới ứng dụng AI trong ngân hàng
Hình 05: 3 xu hướng mới ứng dụng AI trong ngân hàng
  • Explainable AI (XAI)

Explainable AI (XAI) là một nhánh của trí tuệ nhân tạo (AI) tập trung vào việc phát triển các hệ thống AI có khả năng giải thích rõ ràngminh bạch quá trình ra quyết định của mình. Mục tiêu của XAI là giúp người dùng hiểu được cách AI hoạt động, tại sao nó đưa ra các quyết định cụ thể, và đảm bảo rằng các quyết định này có thể được kiểm tra và xác minh. Trong phòng chống gian lận, XAI giúp các ngân hàng hiểu rõ hơn về lý do tại sao một giao dịch bị đánh dấu là gian lận, từ đó cải thiện các biện pháp phòng chống gian lận. Ngoài ra, khi một giao dịch bị từ chối, XAI có thể cung cấp lý do cụ thể, giúp khách hàng hiểu và tin tưởng vào quy trình bảo mật của ngân hàng.

  • An ninh mạng được hỗ trợ bởi AI

Khi các mối đe dọa mạng trở nên phức tạp hơn, AI có thể đóng một vai trò quan trọng trong việc tăng cường các biện pháp an ninh mạng. Các hệ thống được hỗ trợ bởi AI có thể phát hiện và ứng phó với các cuộc tấn công mạng trong thời gian thực, bảo vệ các tổ chức tài chính khỏi nhiều loại gian lận khác nhau, bao gồm các cuộc tấn công lừa đảoransomware.

  • Tích hợp với Blockchain

Việc tích hợp AI với công nghệ blockchain có thể tăng cường tính bảo mật và minh bạch của các giao dịch tài chính. AI có thể phân tích dữ liệu blockchain để xác định các hoạt động gian lận, trong khi blockchain cung cấp bản ghi chống giả mạo cho tất cả các giao dịch.

 

Reference:

  1. News data shows FTC received 28 millions fraud reports consumers. 2022. FTC.
  2. How AI will make payments more efficient and reduce fraud. 2023. J.P Morgan.
  3. What is Explainable AI. n.a. IBM.
  4. Nupura Ughade. 2024. How to Leverage AI to Prevent Fraud: A Deep Dive for Financial Institutions. Hyperverge.
  5. AI in the banking sector: How fraud detection with AI is making banking safer. n.a. Infosys BPM.

Nghiên cứu nổi bật
01. Tăng cường gắn kết khách hàng trong khâu sản xuất nông sản 02. AI trong ngân hàng: Lợi ích to lớn nhưng tiềm ẩn nhiều rủi ro nếu ứng dụng thiếu trách nhiệm 03. Nâng tầm trải nghiệm khách hàng với công nghệ AR trong ngành hàng Lifestyle 04. Ngân hàng bảo vệ dữ liệu người dùng như thế nào?
Mr. Nguyễn Đức Minh
Giám đốc khối Nghiệp vụ Doanh nghiệp và Tư vấn giải pháp tại FPT Digital; Chuyên gia Công nghệ cấp Tập đoàn FPT
20 năm kinh nghiệm làm việc trong lĩnh vực Công nghệ thông tin, tập trung vào xây dựng giải pháp phần mềm và chuyển đổi hệ thống thông tin cho doanh nghiệp. Lãnh đạo chủ chốt trong các dự án tư vấn phát triển hệ thống quản lý và chuyển đỗi hệ thống thông tin cho các doanh nghiệp trong các lĩnh vực khác nhau, điển hình là ngành Tài chính ngân hàng, Sản xuất, Bất động sản và Dầu khí. Từng dẫn dắt đơn vị kinh doanh với số lượng nhân viên gần 500 người, tận dụng khả năng phân tích nâng cao, tư vấn chiến lược giúp khách hàng đạt doanh thu 10 triệu đô trong thời gian dự kiến.
Đăng kí theo dõi ngay!
Cập nhật những xu hướng và phân tích mới nhất về chuyển đổi số với các bản tin điện tử của FPT Digital.


    Tìm hiểu về chuyển đổi số cho doanh nghiệp
    Xác nhận