Искусственный интеллект помогает мошенникам атаковать финансовые учреждения – Минфин США
Фото: Unsplash

В отчете Министерства финансов США отмечается, что искусственный интеллект помогает мошенникам совершать более сложные атаки на финансовые компании. Об этом сообщает Bloomberg.

Преступники используют новые достижения в области искусственного интеллекта для более реалистичной имитации голоса или видео, чтобы получить доступ к счетам людей. Кроме того, искусственный интеллект помогает злоумышленникам создавать более сложные фишинговые атаки на электронную почту с улучшенным форматированием и меньшими ошибками.

Подписывайтесь на LIGA.Tech в Telegram: главные новости мира технологий

Регуляторы финансового сектора, включая Федеральную резервную систему США, Комиссию по ценным бумагам и биржам и Бюро финансовой защиты потребителей, выразили обеспокоенность искусственным интеллектом, поскольку он может нести как риски, так и возможности.

Министерство финансов США провело расширенные исследования и интервью с более чем 40 представителями финансового и информационно-технологического секторов, компаниями, занимающимися борьбой с мошенничеством и отмыванием денег. В ходе исследования выявлено, что меньшим финансовым фирмам необходим доступ к большему количеству информации и ресурсов для разработки собственных систем искусственного интеллекта. В целях обеспечения развития инновационных решений Американская ассоциация банкиров разрабатывает пилотную программу для обмена отраслевой информацией о мошенничестве и других незаконных действиях, а правительство США может предоставить доступ к историческим отчетам о мошенничестве для обучения искусственным интеллектуальным моделям.

Кроме того, Казначейство США рекомендует правительству и промышленности рассмотреть ряд других шагов, чтобы обеспечить безопасность финансовых учреждений. Эти шаги включают разработку общего языка по искусственному интеллекту и использование стандартизированных описаний для систем искусственного интеллекта, предоставляемых поставщиками, для определения источников и хода обучения моделей.