Il panorama delle frodi in ambito bancario, sia a danni di clientela retail che corporate, è in continua evoluzione e mutamento: la digitalizzazione di dati, informazioni e processi costituisce un fattore abilitante per i frodatori, ma offre anche ai loro bersagli nuovi e numerosi strumenti per combatterli: l’aumento dei big data e lo sviluppo dell’AI offrono ad esempio l’opportunità di avvalersi di modelli avanzati di machine learning per rilevare e combattere le frodi.

Su questo argomento in particolare si è concentrato l’intervento Alfa Group all’evento Banche e Sicurezza 2022, organizzato lo scorso maggio da ABI; Alfa Group e Cy4gate hanno illustrato insieme una panoramica delle sfide e delle nuove opportunità rappresentate dall’implementazione nei processi di rilevamento delle frodi
di logiche di apprendimento automatico, e descritto un approccio, basato su un framework completo di dati, metodo e criterio di valutazione, con il quale siamo stati in grado di sviluppare e implementare con successo una piattaforma per il governo delle frodi e integrato modelli di apprendimento automatico per prevederle.

AI e Frodi Bancarie: lo scenario e le sfide

Come osservato in apertura della sessione anche da Mario Trinchera, Technical Coordinator CERTFin e moderatore della sessione, negli ultimi due anni è cresciuto sensibilmente il numero di transazioni anomale in ambito digital banking, trainato da un generale incremento delle transazioni da remoto dovuto principalmente al Covid e alla conseguente crescita degli acquisti e transazioni online da parte dei consumatori.

Sebbene l’attenuarsi dell’emergenza pandemica abbia già dato segnali di miglioramento dal punto di vista della lotta alle frodi, come mostrato dal report del Certfin del 2022, resta comunque la necessità, per le istituzioni finanziarie, di proteggere efficacemente una superficie di attacco che è improvvisamente aumentata in maniera esponenziale, causando non pochi danni e difficoltà.

Nel 2021 le perdite globali attribuibili alle frodi si assestano intorno ai 5,8 Miliardi di Dollari(*), con una netta predominanza dei canali digitali (wire e bank transfer), che hanno causato quasi il doppio delle perdite rispetto a quelle legate a carta di credito o di debito(**).

Oltre alle perdite economiche, sono aumentate le difficoltà nelle azioni di controllo e contrasto delle transazioni sospette, la cui troppa rigidità impatta negativamente la user experience del cliente finale. Nell’82% dei casi, le transazioni bloccate come “sospette” dai sistemi antifrode provengono in realtà da un’azione legittima del Cliente, che quindi vede limitata la fruibilità dei servizi di pagamento (*).

Può quindi l’implementazione dell’Artificial Intelligence portare dei reali benefici in termini di contrasto e prevenzione delle frodi? Un primo dato interessante ci arriva dal report “Cost of a Data Breach Report 2021”, di IBM security, secondo il quale la perdita economica media attribuibile al data breach è più del doppio nelle organizzazioni che non si affidano a tecniche di automazione e AI per il governo della security rispetto a quelle che invece le dispiegano completamente (6,71mln$ contro 2.90mln).

*(Fonte: Internet Crime Report FBI); ** (Fonte: Fortune Insight – Fraud Detection and prevention Market Report)

AI e Frodi Bancarie: i possibili ambiti di applicazione

Automazione e AI giocano quindi un ruolo importante nel contrasto del rischio digitale, aiutando a “governare” diversi aspetti del rischio, consentendo di osservarne l’andamento o supportandone la mitigazione puntuale o predittiva. Quello del banking fraud è un ambito in cui le potenzialità dell’Artificial Intelligence possono essere sfruttate in diversi contesti, ad esempio:

• Anti-Money Laundering: analisi dei movimenti sospetti tra account per l’identificazione di account utilizzati per nascondere e far apparire legittimi fondi derivanti da attività criminali.
• Consumer Transaction Fraud Detection: apprendimento, a partire dagli storici delle transazioni, di pattern di frode e dei segnali per riconoscerle in transazioni future, e utilizzo della detection di anomalie per individuare attività insolite sugli account;
• Enhanced Due Diligence: sistemi avanzati rule-based e Machine Learning Parziale per selezionare clienti particolarmente ad altro rischio, come parte dei processi “Know your Customer”
• Threat Detection and Forensics: monitoraggio della “impronta digitale” di clienti bancari (es. device utilizzati, sistemi operativi, browser) per rilevare quando attori non autorizzati tentano di prendere il controllo di un account.

La decision intelligence a supporto del fraud management

All’interno dei singoli ambiti, il valore delle tecniche di AI in ambito AntiFrode si manifesta soprattutto su quelle fasi di processo in cui la componente decisionale gioca un ruolo fondamentale, ovvero nella risposta a quesiti quali:

• Cosa possiamo dire che potrebbe verosimilmente accadere, sulla base dei dati raccolti? A questa domanda si può rispondere attraverso un uso Predittivo dell’Artificial Intelligence, tramite tecniche di Predictive Modeling, che si avvale di dati su transazioni e tentativi di frode passati e algoritmi di probabilità per prevedere, ad esempio, se transazioni con determinate caratteristiche saranno catalogate come fraudolente, per prevenire la minaccia o, al contrario, ridurre i falsi positivi che potrebbero creare disagio al cliente.
• Cosa potremmo fare per fronteggiare questi eventi? In questo caso l’Artificial Intelligence può essere utilizzata a scopo Prescrittivo, per delineare diversi scenari di azione sulla base dei dati raccolti, ottimizzare i processi in condizioni di incertezza o imprevedibilità o simulare specifiche circostanze per individuare le azioni da intraprendere.

Per ottenere dall’AI un supporto decisionale che risulti affidabile è necessario che questo possa “nutrirsi” di una mole di dati importante, raccolta attraverso i diversi canali e fatta convergere per creare algortimi, regole, strumenti di machine learning a supporto di una vera e propria Decision Intelligence.

Integrare l’ai nel framework di gestione delle frodi: rhd fraud 360

Su queste basi Alfa Group ha sviluppato una soluzione per la gestione delle frodi, che integra automazione e intelligenza artificiale per rispondere alle principali Challenges delle organizzazioni in ambito Antifrode:

• La necessità di prendere decisioni rapide e informate con il supporto di dati utili e pertinenti
• L’esecuzione manuale di molte attività che potrebbero invece essere automatizzate, come analisi e indagini, con conseguente aumento del margine di errore e dei tempi di esecuzione.
• La necessità di ridurre al minimo falsi positivi e le attività di verifica necessarie,per un impiego di risorse e tempo più efficiente
• La centralizzazione dell’analisi antifrode delle operazioni effettuate dal singolo Cliente attraverso i diversi canali (home/mobile banking, carte, ATM, ecc),per migliorarne l’affidabilità e l’efficienza.
• La valutazione, tramite score, del livello di rischio del singolo Cliente, per intraprendere azioni e controlli commisurati a tale rischio
• Gli investimenti effettuati devono essere salvaguardati e la roadmap in evoluzione deve essere supportata.

Grazie ad anni di esperienza sul settore finanziario e numerosi progetti per alcune delle principali Banche Italiane, Alfa Group ha imparato a riconoscere e fronteggiare queste sfide, attraverso l’implementazione di tecnologie di contrasto, strumenti per la raccolta e la gestione di informazioni provenienti da diverse fonti e, soprattutto, al disegno dei processi per la gestione del Rischio, dei Clienti, delle segnalazioni e dei casi di frode. La convergenza e integrazione di tutti questi elementi ha dato vita a uno strumento per il governo e il controllo “a 360°” dell’intero ambiente di gestione delle frodi, la nostra Piattaforma Fraud360.

Fraud 360 si struttura come un vero e proprio “portale” di gestione delle frodi, che consente ai diversi attori coinvolti nei processi di analisi, contrasto e mitigazione delle frodi, di intervenire nel processo secondo i rispettivi ruoli, e di fruire di una vista centralizzata sul singolo cliente per osservare e analizzare la sua storia e il suo specifico livello di rischio.

AI nel Settore Finance: sfide e prospettive future

Gli istituti finanziari hanno già avviato un percorso di automazione dei processi e di migrazione dell’infrastruttura nel Cloud finalizzato ad offrire ai Clienti un servizio agile, accessibile e senza interruzioni. Ci sono però ancora molte sfide che le organizzazioni si trovano ad affrontare nell’implementazione di nuove tecnologie e metodologie: dal livello di maturità, all’obsolescenza delle infrastrutture, alla crescente complessità tecnica e, ancora, alle questioni legate alla trasparenza e alle resistenze di mercato e stakeholder interni, sono molti i fattori che possono rendere difficoltosa l’adozione dell’AI.
Nonostante gli ostacoli, sono però già diverse, ad oggi, le tecniche innovative di AI che si stanno facendo spazio nel settore finance. Lean & Augmented Data Learning, Generative Adversarial Networks, Deep Reinforcement learning, Capsule Networks, e Deep Learning Theory, solo per citarne alcune, sono tecniche già adottate con successo dalle Banche per analizzare e migliorare la customer service experience: il loro utilizzo, anche a supporto dell’investigazione e del contrasto delle frodi, è praticamente ormai a portata di mano.

Per saperne di piu’:

Puoi rivedere l’intervento Alfa Group e Cy4gate a Banche e Sicurezza 2022 cliccando qui: Banche e Sicurezza 2022 – Sessione Parallela A – FRODI E FURTO D’IDENTITÀ NEL SETTORE FINANZIARIO: IL FATTORE UMANO E TECNOLOGICO NELLA VITA PRIVATA E IN AZIENDA

Le slide e tutti gli highlights dell’evento sono disponibili su:
https://banchesicurezza.abieventi.it/atti-e-video-2022