Pandemia zmieniła sposób, w jaki przestępcy ukrywają swoje pieniądze — a narzędzia sztucznej inteligencji próbują je wywęszyć

Pani Tech | Getty

Kiedy gospodarki na całym świecie zamknęły się na początku tego roku, nie tylko właściciele przedsiębiorstw oraz konsumenci kto musiał się dostosować. Przestępcy nagle mieli problem ze swoimi rękami. Jak przenieść swoje pieniądze?

Zyski z przestępczości zorganizowanej są zazwyczaj przekazywane przez legalne firmy, często wymieniając ręce kilka razy i przekraczając granice, dopóki nie ma wyraźnego śladu z powrotem do ich źródła – jest to proces znany jako pranie brudnych pieniędzy.

Ale gdy wiele firm zostało zamkniętych lub widząc mniejsze niż zwykle strumienie przychodów, ukrywanie pieniędzy na widoku przez naśladowanie codziennej działalności finansowej stało się trudniejsze. Pieniądze wciąż napływają, ale nie ma ich gdzie umieścić, mówi Isabella Chase, która pracuje nad przestępczością finansową w RUSI, brytyjskim think tanku zajmującym się obroną i bezpieczeństwem.

Pandemia zmusiła gangi przestępcze do wymyślenia nowych sposobów przemieszczania pieniędzy. To z kolei podniosło stawkę dla zespołów zajmujących się przeciwdziałaniem praniu pieniędzy (AML), których zadaniem jest wykrywanie podejrzanych transakcji finansowych i śledzenie ich z powrotem do źródła.

Kluczem do ich strategii są nowe narzędzia AI. Podczas gdy niektóre większe, starsze instytucje finansowe wolniej dostosowywały swoje starsze systemy oparte na regułach, mniejsze, nowsze firmy wykorzystują uczenie maszynowe, aby wykrywać anomalne działania, cokolwiek by to nie było.

Trudno oszacować dokładną skalę problemu. Jednak według Biura Narodów Zjednoczonych ds. Narkotyków i Przestępczości od 2% do 5% światowego PKB — od 800 miliardów do 2 bilionów dolarów według obecnych danych — to prane co roku . Większość pozostaje niewykryta. Szacunki wskazują, że przejmowanych jest tylko około 1% zysków wypracowanych przez przestępców.

I to było przed uderzeniem Covid-19. Oszustwa są coraz częstsze, a obawy związane z Covid-19 tworzą lukratywny rynek na podrabiany sprzęt ochronny lub leki. Więcej osób spędzających czas online tworzy również większą pulę ataków phishingowych i innych oszustw. I oczywiście nadal kupuje się i sprzedaje narkotyki.

Lockdown utrudnił ukrycie wpływów – przynajmniej na początku. Problem dla przestępców polega na tym, że wiele z najlepszych firm do prania pieniędzy to również te, które najbardziej ucierpiały w wyniku pandemii. Preferowane są małe sklepy, restauracje, bary i kluby, ponieważ są one obciążone dużą ilością gotówki, co ułatwia mieszanie nieuczciwie uzyskanych zysków z legalnymi dochodami.

Z zamkniętymi oddziałami bankowymi trudniej było dokonywać dużych wpłat gotówkowych. Usługi przelewów, takie jak Western Union – które zwykle pozwalają każdemu wejść z ulicy i wysłać pieniądze za granicę – również zamykają swoje lokale.

Ale przestępcy są niczym innym, jak tylko oportunistami. Gdy zamknęły się normalne kanały prania pieniędzy, otworzyły się nowe. Ogromne sumy pieniędzy znów zaczęły napływać do małych firm dzięki rządowym ratom. Powoduje to lawinę działalności finansowej, która zapewnia przykrywkę dla prania brudnych pieniędzy.

Łamać zasady

W rezultacie technologie AML stawiają coraz większe wymagania. Starsze systemy opierają się na ręcznie opracowanych zasadach, na przykład, że transakcje powyżej określonej kwoty powinny wywołać ostrzeżenie. Jednak te zasady prowadzą do wielu fałszywych flag, a prawdziwe transakcje przestępcze giną w zgiełku. Ostatnio podejścia oparte na uczeniu maszynowym próbują identyfikować wzorce normalnej aktywności i zgłaszać flagi tylko wtedy, gdy zostaną wykryte wartości odstające. Są one następnie oceniane przez ludzi, którzy odrzucają lub zatwierdzają alert.

Ta informacja zwrotna może zostać wykorzystana do dostrojenia modelu sztucznej inteligencji, tak aby dostosowywał się z czasem. Niektóre firmy, w tym Featurespace, firma z siedzibą w USA i Wielkiej Brytanii, która wykorzystuje uczenie maszynowe do wykrywania podejrzanych działań finansowych, oraz Napier, inna firma, która buduje narzędzia uczenia maszynowego dla AML, opracowują podejścia hybrydowe, w których prawidłowe alerty generowane przez sztuczną inteligencję mogą zostać przekształcone w nowe zasady, które kształtują ogólny model.

Gwałtowne zmiany zachowań w ostatnich miesiącach uwidoczniły zalety bardziej elastycznych systemów. Organy nadzoru finansowego na całym świecie opublikowały nowe wytyczne dotyczące rodzaju działań, na które powinny zwrócić uwagę zespoły ds. AML, ale dla wielu było już za późno, mówi Araliya Sammé, szefowa ds. przestępczości finansowej w Featurespace. Kiedy dzieje się coś takiego jak covid, kiedy schematy płatności wszystkich zmieniają się nagle, nie masz czasu na wprowadzenie nowych zasad.

Potrzebujesz technologii, która może to wyłapać, gdy się dzieje, mówi: W przeciwnym razie, zanim coś wykryjesz i zaalarmujesz ludzi, którzy muszą wiedzieć, pieniądze znikną.

Dla Dave'a Burnsa, głównego doradcy podatkowego w Napier, covid-19 spowodował wygotowanie się długo gotujących się problemów. Ta pandemia była pod wieloma względami punktem krytycznym, mówi. To trochę pobudka, że ​​naprawdę musimy myśleć inaczej. I dodaje, że niektórzy więksi gracze w branży zostali przyłapani na płaskiej stopie.

Ale to nie oznacza po prostu przyjęcia najnowszej technologii. Nie możesz po prostu robić AI ze względu na sztuczną inteligencję, ponieważ to wypluwa śmieci, mówi Burns. Potrzebne jest, jak mówi, indywidualne podejście dla każdego banku lub dostawcy usług płatniczych.

Przed technologią AML jest jeszcze długa droga. Pandemia ujawniła pęknięcia w istniejących systemach, które niepokoją ludzi, mówi Burns. A to oznacza, że ​​rzeczy mogą się zmienić szybciej, niż miały zamiar. Widzimy większą pilność, mówi. To, co jest tradycyjnie bardzo długie, biurokratyczne podejmowanie decyzji zostaje radykalnie przyspieszone.

ukryć