ભારતમાં ડિજિટલ ફ્રોડનો ભયાનક વધારો! AI ટૅકનિક્સ સામે સુરક્ષા ટકી શકી નહીં.

ડિજિટલ ફ્રોડમાં મોટો ઉછાળો

ભારતની ડિજિટલ અર્થવ્યવસ્થા (Digital Economy) ઝડપથી વિકસી રહી છે, પરંતુ તેની સાથે સાયબર ફ્રોડ (Cyber Fraud) નું જોખમ પણ અનેકગણું વધ્યું છે. UPI જેવા પ્લેટફોર્મ પર દર મહિને 22 અબજ થી વધુ ટ્રાન્ઝેક્શન થઈ રહ્યા છે, પરંતુ ફ્રોડને કારણે થતું નુકસાન આસમાને પહોંચ્યું છે. નાણાકીય વર્ષ 2024-25 માં માત્ર બેંક ફ્રોડથી થયેલું નુકસાન ₹36,014 કરોડ થયું છે, જે પાછલા વર્ષની સરખામણીમાં લગભગ ત્રણ ગણું છે. 2025 માં કુલ સાયબર ફ્રોડથી થનારા નુકસાનનો અંદાજ ₹19,812 કરોડ થી ₹22,931 કરોડ વચ્ચે છે.

AI અને નકલી ઓળખથી ફ્રોડની અત્યાધુનિકતા

આ ફ્રોડના વધતા જતા ખતરા પાછળનું મુખ્ય કારણ ફ્રોડસ્ટર્સ (Fraudsters) દ્વારા ઉપયોગમાં લેવાતી અત્યાધુનિક ટેકનોલોજી છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો ઉપયોગ અત્યંત વિશ્વાસપાત્ર નકલી સંદેશા, ઓળખ અને અવાજો બનાવવા માટે થઈ રહ્યો છે, જેનાથી સાચા યુઝર્સ અને છેતરનારાઓ વચ્ચે ભેદ પારખવો મુશ્કેલ બન્યો છે. બનાવટી ઓળખ (Synthetic Identities), જેમાં વાસ્તવિક અને કાલ્પનિક અંગત વિગતોનું મિશ્રણ હોય છે, તેનો ઉપયોગ વધી રહ્યો છે. આ ઓળખ પ્રારંભિક ચકાસણી પ્રક્રિયામાંથી સરળતાથી પસાર થઈ જાય છે અને પછી ક્રેડિટ મેળવીને ગાયબ થઈ જાય છે - જેને 'બસ્ટ-આઉટ' (Bust-out) ફ્રોડ કહેવાય છે. 'ફ્રોડ-એઝ-એ-સર્વિસ' (Fraud-as-a-service) પ્લેટફોર્મ્સ પણ ગુનાખોરીનું પ્રમાણ વધારી રહ્યા છે, જે ચોરાયેલા ડેટા અને નકલી ઓળખ કિટ્સ જેવા તૈયાર સાધનો પૂરા પાડે છે.

સંગઠિત ફ્રોડ નેટવર્કને કારણે RBI એક્શનમાં

ફ્રોડ હવે એક વિશાળ નેટવર્ક તરીકે કાર્યરત છે. લાખો એકાઉન્ટ ટેકઓવર (Account Takeover) ના પ્રયાસો સફળ થઈ રહ્યા છે, અને 11 લાખ થી વધુ શંકાસ્પદ મ્યુલ એકાઉન્ટ્સ (Mule Accounts) - જેનો ઉપયોગ ચોરાયેલા પૈસાના મની લોન્ડરિંગ (Money Laundering) માટે થાય છે - ફ્લેગ કરવામાં આવ્યા છે. આ પૈસાને અનેક સ્તરોમાંથી ઝડપથી ફેરવવામાં આવે છે, જેનાથી તેમને ટ્રેસ (Trace) કરવા અને પાછા મેળવવા મુશ્કેલ બને છે. આ પરિસ્થિતિને ધ્યાનમાં રાખીને, ભારતીય રિઝર્વ બેંક (RBI) નવા સુરક્ષા પગલાં પર વિચાર કરી રહી છે. પ્રસ્તાવિત પગલાંઓમાં ઉચ્ચ-મૂલ્યના એકાઉન્ટ-ટુ-એકાઉન્ટ ટ્રાન્સફર (Account-to-Account Transfers) માટે એક કલાકનો કૂલિંગ-ઓફ પિરિયડ (Cooling-off Period), સંવેદનશીલ યુઝર્સ માટે વધારાની ઓથેન્ટિકેશન (Authentication) અને મ્યુલ એકાઉન્ટ તરીકે ફ્લેગ થયેલા ખાતાઓમાં જમા થતી રકમ પર મર્યાદા (Caps) જેવા પગલાં શામેલ છે.

સિસ્ટમ ડિજિટલ તેજી સામે પાછળ

ભારતના ડિજિટલ ટ્રાન્સફોર્મેશન (Digital Transformation) ની ગતિ, ખાસ કરીને UPI ના વધતા વોલ્યુમ સાથે, ઘણી સંસ્થાઓની ફ્રોડ ડિટેક્શન (Fraud Detection) ક્ષમતાઓ કરતાં વધી ગઈ છે. જૂની સિસ્ટમ્સ (Legacy Systems) રીઅલ-ટાઇમ ટ્રાન્ઝેક્શન (Real-time Transactions) સાથે તાલમેલ રાખી શકતી નથી. Bureau જેવી ફર્મ્સના અંદાજ મુજબ, હાલની ટેકનોલોજીથી ₹1,120 કરોડ નું નુકસાન અટકાવી શકાયું હોત. જોકે, AI નો ઉપયોગ ડિફેન્સિવ (Defensive) ક્ષમતાઓ માટે શક્તિશાળી છે, પરંતુ તેનો દ્વિ-ઉપયોગ (Dual-use) પણ છે; ફ્રોડસ્ટર્સ જનરેટિવ AI (Generative AI) નો ઉપયોગ ડીપફેક (Deepfakes) અને અત્યાધુનિક હુમલાઓ માટે કરી રહ્યા છે. ડીપફેક ફ્રોડથી 2025 માં ₹70,000 કરોડ નું નુકસાન થવાનો અંદાજ છે.

સતત નબળાઈઓ ફ્રોડ સામેની લડાઈને અવરોધે છે

નિયમનકારી પ્રયાસો અને ટેકનોલોજીકલ પ્રગતિ છતાં, નોંધપાત્ર નબળાઈઓ યથાવત છે. મ્યુલ એકાઉન્ટ્સનો વ્યાપક ઉપયોગ ગેરકાયદેસર ભંડોળને ટ્રેસ કરવામાં મોટી મુશ્કેલી ઊભી કરે છે. ફ્રોડ કેસના રિપોર્ટિંગમાં વિલંબ પણ વર્તમાન જોખમોના સાચા સ્કેલ વિશે અનિશ્ચિતતા ઊભી કરે છે. ભારતની ડિજિટલ પેમેન્ટ સિસ્ટમની ઝડપ અને સ્કેલ, જે તેને વૈશ્વિક સ્તરે સફળ બનાવે છે, તે તેને ફ્રોડસ્ટર્સ માટે મુખ્ય લક્ષ્ય પણ બનાવે છે. ફ્રોડ વધુ ઔદ્યોગિકીકૃત અને સ્વયંસંચાલિત બનતાં, AI અને સંકલિત નેટવર્કનો લાભ ઉઠાવીને, જૂની ડિટેક્શન સિસ્ટમ્સ ઓછી અસરકારક બની રહી છે. આ સ્થિતિમાં, વિવિધ સંસ્થાઓમાં ફ્રોડનો એકીકૃત દૃષ્ટિકોણ મેળવવો મુશ્કેલ છે. આ સતત ચાલતી લડાઈમાં, RBI ના પ્રસ્તાવિત પગલાં, મજબૂત અમલીકરણ અને સુરક્ષા પ્રોટોકોલ્સના સતત અનુકૂલન પર નિર્ભર રહેશે. ઉદ્યોગ સહયોગ (Industry Collaboration), ડેટા શેરિંગ (Data Sharing) અને ડિજિટલ સાક્ષરતા (Digital Literacy) પણ નિર્ણાયક બનશે.