کوچ بزرگ کلاه‌برداران به حوزه موبایل؛ افزایش ۳۵ درصدی کلاه‌برداری‌های بانکی در بستر گوشی‌های هوشمند

بر اساس گزارش تحلیلی جدید شرکت تحقیقاتی BioCatch، حملات و تلاش‌های کلاه‌بردارانه در بستر خدمات بانکی طی ۱۲ ماه گذشته با رشد بی‌سابقه ۳۵ درصدی مواجه شده است. نتایج این پژوهش نشان می‌دهد که مجرمان سایبری استراتژی‌های خود را از روش‌های سنتی مانند تماس با تلفن ثابت یا ایمیل‌های فیشینگ، به سمت اکوسیستم‌های همراه سوق داده‌اند؛ به‌طوری‌که اکنون ۹۰ درصد از کل فرآیندهای مهندسی اجتماعی و کلاه‌برداری‌های مالی مستقیم، روی گوشی‌های هوشمند رخ می‌دهد.

تحلیل آمار و الگوی نفوذ کلاه‌برداران در حوزه موبایل

توسعه و نفوذ اپلیکیشن‌های همراه بانکی و تسهیل انتقال سریع پول، نه‌تنها دسترسی کاربران به خدمات مالی را ساده‌تر کرده، بلکه بستر فوق‌العاده‌ای را برای بازیگران مخرب فراهم آورده است. گزارش شاخص‌های تهدید BioCatch مشخص می‌سازد که کلاه‌برداران دیگر نیازی به اکسپلویت‌های پیچیده فنی یا آسیب‌پذیری‌های صفر-روزی (Zero-Day) برای نفوذ مستقیم به حساب‌های بانکی ندارند، بلکه با هدف قرار دادن «انسان» به‌عنوان ضعیف‌ترین حلقه زنجیره امنیت، قربانیان را متقاعد می‌کنند تا خودشان تراکنش را انجام دهند.

طبق داده‌های آماری ثبت‌شده در سال ۱۴۰۳ شمسی (۲۰۲۴-۲۰۲۵ میلادی)، کلاه‌برداری‌های مربوط به خریدهای اینترنتی (Purchase Scams) با اختصاص ۳۳ درصد از کل آمار، بیشترین سهم را در میان تهدیدات فعال دارند. همچنین کلاه‌برداری‌های عاطفی (Romance Scams) با ۲۳ درصد رشد نسبت به سال قبل همراه بوده و کلاه‌برداری‌های سرمایه‌گذاری (Investment Scams) به عنوان زیان‌بارترین نوع حمله شناخته شده‌اند؛ به‌طوری‌که میانگین خسارت مالی در هر پرونده سرمایه‌گذاری بالغ بر ۶,۶۰۰ دلار برآورد شده است.

نقش هوش مصنوعی generative در کاهش حد آستانه ورود مهاجمان

یکی از نکات کلیدی در اظهارات توماس پیکاک (Thomas Peacock)، مدیر ارشد هوش سرقت و کلاه‌برداری جهانی در BioCatch، نقش پررنگ مدل‌های زبانی بزرگ (LLM) و هوش مصنوعی مولد است. فناوری AI به ابزاری دوطرفه در این نبرد تبدیل شده است. از یک سو، مهاجمان با بهره‌گیری از ابزارهای هوش مصنوعی توانسته‌اند سناریوهای مهندسی اجتماعی فوق‌العاده متقاعدکننده، سناریوهای جعل هویت (Impersonation) و پیام‌های بی‌نقص از نظر دستوری را در مقیاسی بسیار وسیع تولید کنند.

این کاهش «حد آستانه ورود» (Barrier to Entry) باعث شده است که حتی افراد غیرمتخصص نیز بتوانند کمپین‌های کلاه‌برداری پیچیده‌ای را هدایت کنند. از سوی دیگر، بانک‌ها و مؤسسات مالی برای مقابله با این موج نیازمند به‌کارگیری سیستم‌های هوش مصنوعی مبتنی بر بیومتریک رفتاری (Behavioral Biometrics) شده‌اند تا رفتارهای غیرعادی کاربر را در لحظه تشخیص دهند.

تغییر پارادایم از جبران خسارت به پیشگیری در لحظه تراکنش

جاناتان فراست (Jonathan Frost)، مدیر مشاوره جهانی BioCatch می‌گوید: «زمانی که مجرم بتواند مشتری را متقاعد کند تا پول را شخصاً منتقل کند، نیازی به شکستن پروتکل‌های امنیتی یا هک حساب کاربری ندارد.» این مسئله چالش اصلی زیرساخت‌های بانکی مدرن است. قربانی به دلیل اجبار، شستشوی مغزی یا اضطراب ایجادشده توسط کلاه‌بردار، تراکنش را با اعتبارنامه‌های معتبر خود (محیط امن، رمز دو مرحله‌ای و بیومتریک گوشی) تأیید می‌کند.

در کشورهایی مانند بریتانیا، قوانین حمایتی استرداد وجه (Reimbursement) پس از وقوع خسارت اجرا می‌شود، اما کارشناسان امنیت سایبری بر این باورند که استرداد مالی تنها اثرات ثانویه را پوشش می‌دهد و جلوی موفقیت فنی کلاه‌برداری را نمی‌گیرد. هوش مصنوعی رفتاری به بانک‌ها کمک می‌کند تا الگوهایی نظیر «طولانی شدن غیرعادی زمان تراکنش»، «تغییر در نحوه لمس صفحه نمایش»، «تایپ لرزان یا مکث‌های طولانی» و «هدایت شدن هم‌زمان با تماس تلفنی» را شناسا کرده و پیش از نهایی شدن انتقال وجه، جلوی آن را بگیرند.

جمع‌بندی و راهکارهای حفاظت در برابر تهدیدات بانکی موبایل

با تمرکز روزافزون مهاجمان بر برنامه‌های بانکی موبایل، افزایش آگاهی عمومی و پیاده‌سازی مکانیزم‌های دفاعی لایه‌بندی‌شده در اپلیکیشن‌ها امری حیاتی است. مؤسسات مالی باید فراتر از احراز هویت دو مرحله‌ای (2FA) حرکت کرده و به سمت پایش مداوم (Continuous Authentication) مبتنی بر تحلیل رفتار کاربر بروند. کاربران نیز باید در مواجهه با پیشنهادهای شغلی با درآمدهای عجیب، فرآیندهای سرمایه‌گذاری غیرواقعی و درخواست‌های فوری انتقال وجه در بستر شبکه‌های اجتماعی و پیام‌رسان‌ها، حداکثر هشیاری را به خرج دهند.