Die Betrugsverluste im Vereinigten Königreich haben 1,3 Milliarden £ erreicht und verdeutlichen damit das zunehmende Ausmaß des Problems, während kriminelle Netzwerke immer leistungsfähigere Technologien einsetzen. Künstliche Intelligenz hilft Angreifern dabei, Betrugsmaschen schneller, überzeugender und einfacher umsetzbar zu machen, wodurch Banken und andere Finanzinstitute vor eine neue Herausforderung gestellt werden.

Generative KI kann Social Engineering industrialisieren, indem sie die Kosten für anspruchsvolle Angriffe senkt. Techniken, für die früher spezialisierte kriminelle Gruppen erforderlich waren, werden zunehmend breiter zugänglich. Dadurch können Betrüger synthetische Identitäten erstellen, glaubwürdige Kredithistorien aufbauen und Prüfungen zur Kundenidentifizierung (Know Your Customer) bestehen, bevor sie über längere Zeit unentdeckt bleiben.

Auch Deepfake-gestützte Angriffe werden eingesetzt, um Stimmen und Videos so überzeugend zu imitieren, dass Menschen dazu gebracht werden, Transaktionen zu autorisieren oder Zugangsdaten preiszugeben. Diese Methoden zielen auf das, was der Artikel als „Vertrauensebene“ beschreibt: den Punkt, an dem eine Person oder ein System entscheidet, dass eine Handlung legitim ist.

Dies stellt für herkömmliche Sicherheitskontrollen ein besonderes Problem dar. Statt die Systeme einer Bank direkt zu umgehen, können Kriminelle Kunden dazu manipulieren, Transaktionen selbst zu autorisieren. Wenn die Aktivität die Infrastruktur des Instituts erreicht, kann sie technisch legitim erscheinen, obwohl sie durch Täuschung ausgelöst wurde.

Während Banken ihre KI-gestützte Erkennung verbessern, könnten Angreifer ihre Aufmerksamkeit zunehmend direkt auf die Institute richten. Der Artikel warnt davor, dass sich der Sektor von einer Phase, in der Technologie vor allem zur Manipulation von Menschen eingesetzt wird, hin zu einer Phase bewegen könnte, in der KI Finanzorganisationen direkt sondiert und angreift.

Statische Sicherheitsmaßnahmen sind für Gegner schlecht geeignet, die ihre Methoden kontinuierlich testen, anpassen und verfeinern. KI-gesteuerte Angriffe können die Grenzen von Erkennungssystemen ausloten und absichtlich außerhalb dieser Grenzen bleiben. Dadurch wird die Betrugsprävention zu einer fortlaufenden Forschungsaufgabe und nicht zu einem Prozess, der sich ausschließlich auf die Reaktion auf einzelne Vorfälle konzentriert.

Als besonders effektiv werden Teams beschrieben, die Veränderungen im Verhalten untersuchen, welche darauf hindeuten könnten, dass ein Angriff getestet wird. Dieser Ansatz erfordert, dass Fachleute statistisches Denken, gegnerisches Denken, Systemdesign und Rückkopplungsschleifen verstehen, anstatt sich ausschließlich auf die Kenntnisse bestimmter Sicherheitstools zu verlassen.

Organisationen, denen diese Fähigkeiten fehlen, können externe KI-Tools in ihre bestehenden Abläufe integrieren. Der Artikel betont die Bedeutung von Lösungen, die statistische Analyse, Schlussfolgerungen und Erklärbarkeit miteinander verbinden, und zugleich sicherstellen, dass neu eingesetzte Systeme von Anfang an als potenzielle Angriffsflächen bewertet werden.

KI-basierte Abwehrmaßnahmen müssen außerdem schnell genug arbeiten, um Transaktionen innerhalb von Millisekunden zu bewerten, ohne Kunden zu beeinträchtigen. Echtzeitanalysen können Hunderte von Signalen mit historischen Mustern vergleichen, um Anomalien zu erkennen. So können Institute auf zunehmend automatisierte Angriffe reagieren und gleichzeitig ein nutzerfreundliches Bankerlebnis aufrechterhalten.

Quellen: TechRadar.