Tehisintellekti valvekoerad: pettuste avastamise kõrge riskiga maailmas

Western Unioni küberturbe juhtimiskeskuses on kell 2 öösel ja Maya Patel pole tundide viisi silmi pilgutanud. Ettevõtte tehisintellektil põhinev pettuste avastamise süsteem on just märganud kolme ebatavalist tehingumustrit. Nebraska kontodelt Ukrainasse tehtud rahaülekanded, mis kõik jäävad napilt alla teatamiskünnise. Liiga sarnased, et olla kokkusattumus, liiga täiuslikud, et olla juhuslikud.

„See on sel nädalal juba kolmas kord,“ pomiseb Maya, koputades harjutatud täpsusega klaviatuuri. Tema taga kuvavad massiivsed ekraanid värvilisi visualiseeringuid globaalsetest tehinguvoogudest. Tema tehisintellekti assistent on juba koostanud aruande, mis tõstab kahtlased mustrid punasega esile. Aastaid tagasi oleks analüütikute meeskonnal selle märkamiseks kulunud päevi. Nüüd juhtub see sekunditega.

Me oleme tunnistajaks vaiksele sõjale – seda ei peeta mitte relvade ja pommidega, vaid algoritmide ja andmetega. Kuna digitaalsetest tehingutest on saanud meie majanduse selgroog, on finantspettused arenenud tooretest kelmustest keerukateks rünnakuteks, mida korraldavad rahvusvahelised kuritegelikud sündikaadid ja riiklikult toetatud häkkerid.

Ainuüksi 2023. aastal maksid pettused maailmamajandusele üle 5,5 triljoni dollari. Lahinguväli on kõikjal: krediitkaarditehingud, laenutaotlused, kindlustusnõuded ja üha enam ka krüptovaluutavahetused.

„Enamik inimesi ei tea, et tehisintellekt kaitseb neid iga kord, kui nad oma kaarti libistavad,“ ütleb Mastercardi juhtivandmeteadlane dr Raj Sharma. „Meie loodud süsteemid analüüsivad aastas üle 75 miljardi tehingu, langetades sekundi murdosa jooksul otsuseid selle kohta, kas kaart heaks kiita või tagasi lükata. Ja need muutuvad iga päevaga targemaks.“
Istun Mastercardi tehnoloogiakeskuses New Yorgis, kus dr Sharma näitab mulle oma närvivõrkude töö visualiseeringuid. Ekraanid meenutavad mulle tähtkujusid, kus eredad sõlmed süttivad, kui andmemerest mustrid esile kerkivad.

Traditsiooniline pettuste avastamine tugines jäikadele reeglitele: kui tehing vastab teatud kriteeriumidele, märgistatakse see läbivaatamiseks. Kuid keerukad petised õppisid neid süsteeme kiiresti manipuleerima.

„Reeglid on nagu lukud,“ selgitab Sarah Chen, endine FBI küberkuritegevuse spetsialist, kes nüüd juhib oma turvakonsultatsioonifirmat. „Kui keegi on aru saanud, kuidas need toimivad, saab ta need avada. Meil oli vaja lukku, mis pidevalt oma mehhanismi muudab.“
Siis tuleb masinõpe. Selgesõnaliste reeglite järgimise asemel õpivad tänapäevased tehisintellekti süsteemid ajaloolistest mustritest, tuvastades peeneid seoseid, mida inimanalüütikud võivad kahe silma vahele jätta.
Maksete töötleja Stripe'i peakorteris San Franciscos näidatakse mulle nende pettuste avastamise süsteemi demonstratsiooni. Meeskond edastab sellele rea tehinguid, millest mõned on seaduslikud, mõned petturlikud. Tehisintellekt ei märka ainult ilmseid ohumärke – see märkab, et petturlikud tehingud pärinevad sageli nädalavahetustel loodud kontodelt või kipuvad teabe sisestamisel olema veidi erinevad sisestamismustrid.
„Inimesed on harjumuste olendid,“ ütleb Miguel Gonzalez, Stripe'i riskijuht. "Isegi kõige ettevaatlikumad petised jätavad maha mustreid. Meie süsteemid suudavad tuvastada klahvivajutuste rütmi, hiire liigutusi ja isegi seda, kuidas keegi veebisaidil navigeerib. Neid käitumuslikke biomeetriaid on peaaegu võimatu ideaalselt jäljendada."

Vaatamata tehnoloogilisele imele on inimeste asjatundlikkus endiselt ülioluline. PayPali riskijuhtimiskeskuses Omahas vaatavad analüütikud läbi tehisintellekti süsteemide poolt märgistatud juhtumid, andes tagasisidet, mis aitab algoritme täiustada.

„Tehisintellekt on meie esimene kaitseliin, kuid see pole eksimatu,“ ütleb pettuste vanemanalüütik Jennifer Wu. „Mõnikord tunduvad seaduslikud tehingud kahtlased ja mõnikord on pettus nii uudne, et süsteem pole midagi sellist varem näinud. Sellistel äärmuslikel juhtudel vajame lõpliku otsuse langetamiseks inimlikku otsustusvõimet.“
See hübriidne lähenemisviis – tehisintellekti töötlemisvõimsuse ja inimliku intuitsiooni ühendamine – on osutunud märkimisväärselt tõhusaks. Visa teatab, et nende tehisintellektil põhinev pettuste avastamise süsteem on aidanud ainuüksi viimase aasta jooksul ära hoida hinnanguliselt 25 miljardi dollari väärtuses pettusekatseid.

Tuvastussüsteemide muutudes keerukamaks muutuvad ka rünnakud. Petturid kasutavad nüüd ise tehisintellekti, luues süvavõltsinguid, et mööda hiilida hääle autentimissüsteemidest, või genereerides sünteetilisi identiteete, mis läbivad kontrolli.

„See on võidurelvastumine,“ ohkab dr Emily Rosenberg, MIT küberturvalisuse uurija. „Iga kord, kui me arendame paremaid kaitsemehhanisme, arendavad nad ka paremaid rünnakuid. Eeliseks on see, et kaitsev tehisintellekt saab õppida miljonitest õigustatud tehingutest, samas kui petturitel on piiratud andmed, millega töötada.“
Ma vaatan, kuidas ta demonstreerib uut tüüpi rünnakut – generatiivset vastastikust võrku (GAN), mis loob fiktiivseid, kuid usutavaid krediitkaardikasutusmustreid. Süsteem on hirmutavalt tõhus, kuid käivitab siiski teatud alarmid tänapäevastes tuvastussüsteemides.

Finantspettuste avastamises teedrajavaid tehnikaid rakendatakse nüüd erinevates tööstusharudes. Kindlustusseltsid kasutavad sarnaseid tehisintellekti süsteeme kahtlaste nõuete märgistamiseks. E-kaubanduse platvormid kasutavad neid võltsitud arvustuste ja võltsitud toodete tuvastamiseks. Valitsusasutused kasutavad neid maksudest kõrvalehoidumise ja hüvitiste pettuste tuvastamiseks.

Tervishoiukindlustuse pakkuja Anthemi tehisintellekti süsteemid skannivad iga päev miljoneid nõudeid, otsides mustreid, mis võivad viidata tervishoiuteenuse osutajate petturlikule arvelduspraktikale.

„Tervishoiupettus maksab Ameerika maksumaksjatele umbes 300 miljardit dollarit aastas,“ ütleb mulle dr Marcus Johnson, Anthemi analüütikajuht. „Meie süsteemid on aidanud tuvastada mitu organiseeritud pettuseringi, mis tegutsevad mitmes osariigis. Ühel juhul leidsime kliinikute võrgustiku, mis esitas arveid protseduuride eest, mida kunagi ei tehtud, mis võib potentsiaalselt säästa petturlike nõuete pealt sadu miljoneid.“

Nende süsteemide tõhususega kaasnevad keerulised privaatsusküsimused. Rohkem andmeid tähendab paremat pettuste avastamist, aga ka suuremat väärkasutuse potentsiaali.

„Turvalisuse ja privaatsuse vahel on alati pinge,“ tunnistab Elena Vasiliev, privaatsuse eestkõneleja, kes on varem töötanud pettuste avastamise süsteemide kallal American Expressis. „Samu tehnikaid, mis suudavad pettusi tuvastada, saab kasutada ka jälgimiseks. Peame olema ettevaatlikud selle suhtes, kui palju teavet me kogume ja kuidas me seda kasutame.“
Mõned ettevõtted uurivad selliseid tehnikaid nagu föderaalne õpe, mis võimaldab tehisintellekti mudeleid treenida mitme andmeallika kaudu ilma tundlikku teavet tsentraliseerimata. Teised investeerivad homomorfsesse krüptimisse, mis võimaldab krüptitud andmete analüüsimist ilma neid eelnevalt dekrüpteerimata.

Kui ma koidikul Western Unioni juhtimiskeskusest lahkun, on Maya Patel kahtlased tehingud edukalt blokeerinud ja FBI küberkuritegevuse üksusele aruande esitanud. Süsteem on juba oma mudeleid uuendanud, et seda konkreetset pettusemustrit ära tunda.

Järgmine pettuste avastamise piir hõlmab kvantarvutust ja selgitatavat tehisintellekti – süsteeme, mis suudavad mitte ainult pettusi tuvastada, vaid ka selgelt selgitada, miks nad konkreetse tehingu märgistasid. See läbipaistvus on ülioluline, kuna tehisintellekti otsustusprotsessi reguleerivad eeskirjad karmistuvad.

"Kümme aastat tagasi mängisime järelejõudmist," ütleb Maya mulle lifti poole kõndides. "Nüüd hakkame petturitest ette jõudma. Aga see pole lahing, mida me kunagi täielikult võidame. Niikaua kui on raha teenida, proovivad inimesed süsteemiga mängida."

Ta teeb pausi enne, kui lisab: "Hea uudis on see, et meie tööriistad muutuvad iga päevaga paremaks. Ja erinevalt petturitest saame jagada teavet kogu tööstusharus. Iga rünnak teeb meid kõiki tugevamaks."

Kuna digitaalsete tehingute maht ja keerukus kasvavad, muutub see nähtamatu tehisintellekti kaitsekilp ainult olulisemaks. Järgmine kord, kui teie krediitkaardifirma saadab teile ebatavalise ostu kinnitamiseks tekstisõnumi, pidage meeles: see on vaid tehnoloogilise jäämäe nähtav tipp, mis kaitseb vaikselt teie finantselu ööpäevaringselt.

Kas tehisintellektil põhinevad pettuste avastamise süsteemid muudavad finantspettused lõpuks minevikku? Või jääme alatiseks sellesse digitaalsesse kassi ja hiire mängu, kus rünnakud ja kaitsemehhanismid muutuvad üha keerukamaks? Üks on kindel – finantsjulgeoleku tulevikku kujundavad sama palju koodiread kui inimesed, kes neid kirjutavad.