ИИ-мошенничество в 4,5 раза прибыльнее: почему банкам нужен анализ сети
Разрыв между возможностями мошенников и защитой финансовых сервисов сохраняется, но теперь его точнее описывает не число поддельных документов, а экономика атаки. Опубликованная в марте 2026 года оценка INTERPOL утверждает, что мошенничество, усиленное ИИ, в 4,5 раза прибыльнее традиционных методов: автоматизация помогает преступным группам вести кампании от сбора сведений о жертве до требования денег.
После первоначальной публикации стало яснее и практическое последствие для финансового сектора: проверка личности на входе не закрывает риск последующего обмана клиента. В июне 2026 года данные Федеральной торговой комиссии США показали $3,5 млрд заявленных потерь от мошенников-самозванцев за 2025 год, почти втрое больше уровня 2020 года. Эти потери нельзя целиком приписывать ИИ, однако они подтверждают масштаб схем, в которых жертву убеждают самой перевести деньги.
В чём состоит детекционный разрыв
Детекционный разрыв — полезное описание ситуации, а не единый официальный показатель. Он возникает, когда система видит формально допустимое действие, но не распознаёт мошеннический сценарий вокруг него. Документ может пройти проверку, пароль — быть правильным, а перевод — подтверждён самим владельцем счёта.
ИИ расширяет этот разрыв прежде всего за счёт масштаба и согласованности. Преступникам проще готовить персонализированные сообщения, поддерживать множество разговоров, менять формулировки и собирать доступные сведения о потенциальной жертве. Для правил, настроенных на отдельные подозрительные слова, устройства или суммы, такая изменчивость особенно неудобна.
Усилить каждый фильтр до максимума нельзя: тогда растёт число законных операций, отправленных на дополнительную проверку. Это означает задержки для клиентов, нагрузку на специалистов и риск заблокировать нормальный платёж. Поэтому задача финтеха — не просто поймать больше отклонений, а повысить качество сигнала: учитывать контекст операции, сохраняя приемлемый уровень ложных срабатываний.
Почему проверка личности не решает проблему перевода
Проверка документа, лица и признаков присутствия живого человека важна при регистрации и восстановлении доступа. Но она отвечает на ограниченный вопрос: насколько предъявленная личность соответствует заявленной. Она не доказывает, что последующее решение клиента принято без давления или обмана.
При мошенничестве с авторизованным переводом злоумышленнику не обязательно входить в банковское приложение вместо жертвы. Достаточно убедить человека, что деньги нужно срочно отправить на «защищённый» счёт, оплатить вымышленную услугу или выполнить указание якобы знакомого либо сотрудника организации. С точки зрения обычной аутентификации операцию совершает настоящий владелец устройства.
Отсюда следует важное ограничение голосовой и лицевой биометрии: их нельзя превращать в единственный сигнал доверия. Даже качественное подтверждение личности должно сочетаться с оценкой нового получателя, истории устройства, необычности суммы, скорости действий и связей счёта назначения. Ни один из этих признаков сам по себе не доказывает мошенничество; значима их комбинация.
Сетевой анализ добавляет недостающий контекст
Отдельный банк видит отношения клиента со счетами внутри доступного ему контура. Платёжная система потенциально видит более широкую картину: средства от разных отправителей могут сходиться у связанных получателей, быстро перемещаться дальше или образовывать повторяющийся маршрут. Именно такой уровень анализа позволяет искать не только подозрительную операцию, но и инфраструктуру схемы.
Практическую ценность подхода показал совместный эксперимент Инновационного центра Банка международных расчётов и Банка Англии. В проекте Hertha аналитика платёжной сети помогла обнаружить на 12% больше незаконных счетов, а при поиске ранее не встречавшихся моделей поведения улучшение составило 26%.
У этих результатов есть принципиальная оговорка. Испытание проводилось не на реальных клиентских данных, а на синтетическом наборе из 1,8 млн счетов и 308 млн операций, моделирующем розничную платёжную систему одной юрисдикции. Следовательно, цифры нельзя переносить на любой банк как обещанную эффективность готового продукта.
Hertha подтверждает более узкий вывод: сетевой уровень способен дополнить локальные механизмы банка и особенно полезен для выявления новых схем. Для реального внедрения ещё предстоит решить вопросы доступа к данным, законных оснований обработки, распределения ответственности и объяснимости решений.
Как должна выглядеть многослойная защита
Рабочая архитектура строится не вокруг одной «лучшей» модели, а вокруг нескольких контрольных точек. На этапе регистрации проверяются личность, документ и признаки подмены. Во время сеанса оцениваются устройство, способ входа и нетипичные изменения поведения, а непосредственно перед переводом — получатель, сумма и последовательность действий.
Следующий слой сопоставляет операцию с более широкими связями: получал ли этот счёт деньги от множества несвязанных клиентов, как быстро средства уходят дальше, повторяется ли маршрут в других эпизодах. Если организация не имеет доступа к межбанковской картине, часть контекста могут дать подтверждённые результаты расследований, отраслевой обмен индикаторами и сведения платёжной инфраструктуры — в пределах применимого законодательства.
Наконец, системе нужна обратная связь. Подтверждённые случаи мошенничества, ошибочные блокировки и решения специалистов должны возвращаться в процесс настройки. Без качественных меток модель начинает закреплять прежние ошибки или реагировать на признаки, которые уже изменили и преступники, и обычные пользователи.
- Низкий риск: операция проходит без дополнительного трения, если личность, устройство, получатель и поведение согласуются с историей клиента.
- Средний риск: сервис запрашивает независимое подтверждение или показывает конкретное предупреждение, не раскрывая злоумышленнику внутренние правила.
- Высокий риск: перевод временно удерживается и передаётся на проверку, если несколько независимых сигналов указывают на связанную мошенническую инфраструктуру.
Такое разделение важно и для качества обслуживания. Если каждый новый получатель автоматически считается опасным, защита создаёт собственную проблему. Если же высокий риск определяется только известным шаблоном, новая схема успевает масштабироваться до того, как попадёт в правила.
Что изменилось для финтехов и клиентов
Для финтехов главный сдвиг состоит в переходе от проверки отдельного события к оценке последовательности и сети. Конкурентным преимуществом становится не заявление об использовании ИИ, а способность связать данные регистрации, сеанса, платежа и расследования, объяснить решение и быстро исправить ошибочную блокировку.
Для клиента это означает, что успешный вход в приложение больше не должен восприниматься сервисом как окончательное доказательство безопасности. Дополнительная пауза при необычном переводе может быть оправданна, если предупреждение объясняет конкретный риск и оставляет понятный путь для законной операции.
ИИ не отменяет традиционные проверки, но меняет их место в системе. Проверка личности остаётся первым барьером; поведенческие сигналы помогают оценить текущий сеанс; транзакционная и сетевая аналитика ищет связи, невидимые на уровне одного пользователя. Именно сочетание этих уровней сокращает детекционный разрыв, не сводя борьбу с мошенничеством к бесконечному ужесточению одного фильтра.
Читайте также:
Подпишитесь на рассылку
Получайте свежие новости Web3, AI и криптовалют прямо на вашу почту.