به گزارش پایگاه خبری فولاد ایران، البته هوش مصنوعی پولشویی را «ممکن» نکرده؛ پولشویی دهههاست وجود دارد. اما هوش مصنوعی میتواند برخی مراحل را مقیاسپذیرتر، سریعتر و پیچیدهتر کند.
1- ساخت هویتهای جعلی پیشرفته
مجرمان میتوانند با استفاده از هوش مصنوعی تصاویر چهره غیرواقعی تولید کنند، مدارک هویتی جعلی بسازند یا پروفایلهای دیجیتال معتبر ایجاد کنند. هدف معمولاً افتتاح حساب، ایجاد شرکت صوری یا دور زدن فرآیندهای شناسایی و احراز هویت مشتری است.
2- دیپفیک برای دور زدن احراز هویت
بسیاری از بانکها از احراز هویت تصویری و ویدئویی استفاده میکنند.
مجرمان تلاش میکنند با ویدئوهای دیپفیک، صدای مصنوعی و جعل زنده تصویر فرآیندهای احراز هویت را فریب دهند.
به همین دلیل بانکها به سمت فناوریهای تشخیص زنده بودن (Liveness Detection) و تحلیل رفتاری حرکت کردهاند.
3- تحلیل سیستمهای بانکی برای یافتن نقاط کور
یک شبکه مجرمانه ممکن است از هوش مصنوعی برای تحلیل الگوهای تراکنش خود استفاده کند تا بفهمد چه رفتارهایی احتمالاً موجب هشدار پولشویی میشوند.
به طور کلی، هوش مصنوعی میتواند به آنها کمک کند:
• تراکنشها را زمانبندی کنند.
• مبالغ را خرد کنند.
• الگوهای غیرعادی را کمتر نمایان کنند.
البته بانکها نیز از هوش مصنوعی برای مقابله با همین روشها استفاده میکنند.
4- ایجاد شرکتهای صوری در مقیاس بالا
مدلهای زبانی میتوانند وبسایت شرکت ، قراردادها، مکاتبات تجاری و رزومه مدیران را تولید کنند. این امر میتواند ظاهر یک کسبوکار صوری را واقعیتر جلوه دهد.
5- اتوماسیون شبکههای حساب واسطه
شبکههای پولشویی اغلب از تعداد زیادی حساب بانکی یا کیف پول استفاده میکنند.
هوش مصنوعی میتواند انتقالات را زمانبندی کند. مسیرهای انتقال را بهینه کند و فعالیت هزاران حساب را هماهنگ نماید.
6-مهندسی اجتماعی و فریب کارکنان
هوش مصنوعی در حملات مهندسی اجتماعی نیز کاربرد دارد:
• تولید ایمیلهای بسیار متقاعدکننده
• جعل صدای مدیران
• تولید پیامهای شخصیسازیشده
هدف میتواند دسترسی به حسابها، دور زدن کنترلهای داخلی یا جمعآوری اطلاعات باشد.
7- استفاده از رمزارزها و تحلیل خودکار زنجیرهها
مجرمان ممکن است از هوش مصنوعی برای تحلیل شبکههای انتقال دارایی دیجیتال استفاده کنند تا:
• مسیرهای انتقال را پیچیدهتر کنند.
• بین کیف پولهای مختلف جابهجایی انجام دهند.
• نقاطی با احتمال نظارت کمتر را شناسایی کنند.
با این حال شرکتهای تحلیل بلاکچین نیز از هوش مصنوعی برای ردیابی همین فعالیتها استفاده میکنند.
برخلاف تصور رایج، تهدید اصلی آینده احتمالاً پولشویی کاملاً خودکار نیست، بلکه افزایش کیفیت فریب است:
• هویتهای جعلی واقعیتر میشوند.
• شرکتهای صوری باورپذیرتر میشوند.
• اسناد ساختگی حرفهایتر میشوند.
• حملات مهندسی اجتماعی مؤثرتر میشوند.
به همین دلیل بسیاری از متخصصان از یک رقابت دائمی میان Agentic AML (عاملهای هوشمند بانکها) و Agentic Financial Crime (عاملهای هوشمند مورد استفاده مجرمان) صحبت میکنند؛ رقابتی که در آن هر دو طرف از هوش مصنوعی برای کشف یا پنهانسازی الگوها بهره میبرند.
نکته مهم این است که بحث درباره این تهدیدها با ارائه روشهای عملی برای دور زدن کنترلهای بانکی تفاوت دارد. پژوهشهای فعلی عمدتاً بر شناخت ریسکها، تقویت سامانههای کشف تقلب و طراحی کنترلهای مقاوم در برابر سوءاستفاده از هوش مصنوعی متمرکز هستند.
کلمات کلیدی :
هوش مصنوعیجرایم مالیپولشوییهویت جعلیدیپفیکشرکت صوری