RBI चे नवीन नियम: फसवणूक रोखणार की सायबर गुन्हेगार जिंकणार?

फसवणुकीचे आकडे वाढले, RBI ने उचलले पाऊल

देशातील बँकिंग क्षेत्रात सायबर फसवणुकीचे (Cyber Fraud) प्रमाण चिंताजनक वेगाने वाढत आहे. आर्थिक वर्ष 2024-25 मध्ये अशा फसवणुकीमुळे झालेले नुकसान ₹34,771 कोटी इतके मोठे आहे, जे मागील वर्षीच्या ₹11,261 कोटींच्या तुलनेत खूप जास्त आहे. रिझर्व्ह बँक ऑफ इंडियाच्या (RBI) अहवालानुसार, या वाढत्या फसवणुकीमुळे केवळ आर्थिक नुकसानच नाही, तर लोकांचा बँकिंगवरील विश्वासही कमी होऊ शकतो, ज्यामुळे आर्थिक समावेशकतेच्या (Financial Inclusion) प्रगतीला खीळ बसू शकते. याच पार्श्वभूमीवर, आरबीआयने नवीन धोरणात्मक पावले उचलण्याचा निर्णय घेतला आहे.

स्थिर नियमांपुढे चतुर गुन्हेगार

आरबीआयच्या नवीन नियमांनुसार, 'पुश पेमेंट फ्रॉड' (Push Payment Fraud) सारख्या फसवणुकीत ग्राहकांना दिलासा मिळू शकतो. यामध्ये ₹25,000 पर्यंत किंवा व्यवहाराच्या 80% रकमेपर्यंत (जास्तीत जास्त ₹50,000) नुकसान भरपाई दिली जाऊ शकते. प्रतिबंधात्मक उपायांमध्ये, ₹10,000 पेक्षा जास्त रकमेच्या व्यवहारांना 1 तास थांबवले जाईल आणि ₹50,000 पेक्षा जास्त रकमेच्या व्यवहारांसाठी, विशेषतः ज्येष्ठ नागरिक किंवा दिव्यांग व्यक्तींसाठी, अधिक कडक ओळख पडताळणी (ID Verification) केली जाईल. या उपायांमुळे ग्राहकांना विचार करण्यास वेळ मिळेल. मात्र, तज्ञांचे म्हणणे आहे की हे नियम ग्राहकांच्या स्थिर माहितीवर (Static Customer Details) आधारित आहेत. दुसरीकडे, सायबर गुन्हेगार अत्यंत चपळ (Adaptable) असून, एक पद्धत ब्लॉक झाल्यास ते लगेच नवीन मार्ग शोधून काढतात. त्यामुळे, स्थिर नियमांना ते सहजपणे चकवू शकतात. म्हणूनच, आता AI (Artificial Intelligence) आणि ML (Machine Learning) सारख्या तंत्रज्ञानावर अधिक लक्ष केंद्रित केले जात आहे, जे वापरकर्त्याच्या वर्तणुकीनुसार (User Behavior) आणि असामान्य व्यवहार (Unusual Activity) ओळखून रियल-टाइम जोखीम मूल्यांकन (Real-time Risk Assessment) करू शकतात.

AI: भविष्यातील सुरक्षिततेची गुरुकिल्ली

भारतातील बँकिंग क्षेत्र जसे जसे अधिक डिजिटल होत आहे, तसेच ते सायबर गुन्हेगारांसाठी नवनवीन संधीही निर्माण करत आहे. जुन्या, नियम-आधारित (Rule-based) सुरक्षा प्रणाली विकसित होणाऱ्या धोक्यांसमोर कमी प्रभावी ठरत आहेत. म्हणूनच, भारतीय बँका आता AI/ML टूल्सचा वापर करून आर्थिक गुन्हेगारीला रोखण्यासाठी वेगाने पावले उचलत आहेत. स्टेट बँक ऑफ इंडिया (SBI) आणि HDFC बँक यांसारख्या मोठ्या बँकांनी AI सोल्यूशन्स आधीच लागू केले आहेत, ज्यामुळे फसवणूक आणि चुकीचे अलर्ट कमी झाले आहेत. जगभरातील मध्यवर्ती बँका आणि वित्तीय संस्था देखील फसवणूक व मनी लाँडरिंगसारख्या गुन्ह्यांना रोखण्यासाठी AI चा वापर करत आहेत. विश्लेषकांच्या मते, खरी सुरक्षा ही सतत अपडेट होणारी, सर्वसमावेशक (System-wide) आणि माहितीची देवाणघेवाण करणारी प्रणालीच देऊ शकते. आरबीआयचे स्वतःचे 'डिजिटल पेमेंट्स इंटेलिजन्स प्लॅटफॉर्म' (Digital Payments Intelligence Platform) देखील याच दिशेने संकेत देत आहे, पण ते प्रस्तावित उपायांशी कसे जोडले जाईल हे पाहणे महत्त्वाचे ठरेल.

स्थिर नियमांमधील त्रुटी आणि AI वापराचे अडथळे

आरबीआयचा ग्राहकांना सुरक्षित ठेवण्याचा उद्देश स्पष्ट असला तरी, प्रस्तावित स्थिर उपायांमध्ये काही मोठ्या अडचणी आहेत. सर्वात मोठा धोका हा आहे की गुन्हेगार या नियमांना चकवण्याचे नवीन मार्ग शोधतील, जसे की तरुण ग्राहकांना लक्ष्य करणे किंवा नवीन स्कॅमिंग तंत्रज्ञान वापरणे. याशिवाय, AI/ML तंत्रज्ञान प्रत्यक्षात आणण्यातही अनेक अडचणी आहेत. सुरुवातीचा मोठा खर्च (High Upfront Costs), प्रशिक्षित कर्मचाऱ्यांची कमतरता, डेटा गोपनीयतेची (Data Privacy) चिंता आणि अल्गोरिदममधील पक्षपातीपणा (Unfair Algorithms) यांमुळे भारतातील विशाल वित्तीय क्षेत्रात AI चा अवलंब मंदावू शकतो. प्रस्तावित दायित्व (Liability) फ्रेमवर्क एक सुरक्षा कवच असले तरी, त्याचा गैरवापर होण्याची शक्यता नाकारता येत नाही. बँका, टेलिकॉम कंपन्या आणि पोलीस यांच्यात समन्वयाचा (Coordination) अभाव हे देखील फसव्या खात्यांना रोखण्यात आणि पैसे परत मिळवण्यात एक मोठी समस्या आहे. एकात्मिक आणि लवचिक प्रणालीऐवजी (Flexible System) केवळ स्वतंत्र उपायांवर लक्ष केंद्रित केल्यास, गुन्हेगारांशी सततची ही शर्यत सुरूच राहील, ज्यामुळे आरबीआयचे आर्थिक समावेशकतेचे उद्दिष्ट धोक्यात येऊ शकते.

पुढील वाटचाल: चपळ संरक्षण प्रणाली

भविष्यात भारत डिजिटल पेमेंट फसवणुकीला कसे तोंड देईल, हे केवळ स्थिर आणि प्रतिक्रियात्मक (Reactive) उपायांच्या पलीकडे जाऊन किती लवचिक संरक्षण प्रणाली (Agile Defense) विकसित केली जाते यावर अवलंबून असेल. बँकिंगमध्ये AI/ML चा वाढता वापर एक सकारात्मक चिन्ह आहे, जे सतत अपडेट्स आणि प्रगत धोका ओळखण्याच्या (Advanced Threat Detection) गरजेला समर्थन देते. तथापि, आरबीआयच्या नवीन धोरणांचे यश हे त्यांच्या लवचिकतेवर, प्रगत तंत्रज्ञानाशी ते किती चांगल्या प्रकारे जोडले जातात यावर आणि खऱ्या अर्थाने 'सिस्टम-वाइड' सुरक्षा निर्माण करण्याच्या क्षमतेवर अवलंबून असेल. तातडीच्या वापरकर्ता संरक्षणाला (User Protection) दीर्घकालीन, बदलत्या धोक्यांशी जुळवून घेणाऱ्या संरक्षण प्रणालींशी संतुलित करणे आवश्यक आहे.