Indian Banks 'ਚ ਫਰਾਡ (Fraud) ਦਾ ਕਹਿਰ! AI ਅਤੇ UPI ਬਣੇ ਵੱਡਾ ਖਤਰਾ

ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਸੈਕਟਰ (Banking Sector) ਲਈ ਇੱਕ ਚਿੰਤਾਜਨਕ ਖ਼ਬਰ ਸਾਹਮਣੇ ਆਈ ਹੈ। ਇੱਕ ਨਵੀਂ ਰਿਪੋਰਟ ਮੁਤਾਬਕ, **84%** ਭਾਰਤੀ ਬੈਂਕਾਂ ਨੇ ਫਰਾਡ (Fraud) ਕਾਰਨ ਹੋਣ ਵਾਲੇ ਨੁਕਸਾਨ ਵਿੱਚ ਵਾਧਾ ਦਰਜ ਕੀਤਾ ਹੈ। ਇਸ ਦਾ ਮੁੱਖ ਕਾਰਨ ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਨਾਲ ਹੋਣ ਵਾਲੇ ਸਕੈਮ (Scam) ਅਤੇ ਤੁਰੰਤ ਭੁਗਤਾਨ (Instant Payment) ਪਲੇਟਫਾਰਮਾਂ ਦੀਆਂ ਕਮਜ਼ੋਰੀਆਂ ਹਨ।

ਕੀ ਹੈ ਮਾਮਲਾ?

ਇੰਡਸਟਰੀ ਦੇ ਤਾਜ਼ਾ ਅੰਕੜਿਆਂ ਮੁਤਾਬਕ, ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਸੰਸਥਾਵਾਂ ਵਿੱਤੀ ਧੋਖਾਧੜੀ (Financial Fraud) ਦੇ ਮਾਮਲਿਆਂ ਵਿੱਚ ਭਾਰੀ ਵਾਧਾ ਦੇਖ ਰਹੀਆਂ ਹਨ। ਭਾਰਤ ਵਿੱਚ 84% ਬੈਂਕਿੰਗ ਲੀਡਰਾਂ ਨੇ ਪਿਛਲੇ ਇੱਕ ਸਾਲ ਵਿੱਚ ਫਰਾਡ ਕਾਰਨ ਹੋਏ ਨੁਕਸਾਨ ਵਿੱਚ ਵਾਧਾ ਹੋਣ ਦੀ ਪੁਸ਼ਟੀ ਕੀਤੀ ਹੈ। ਇਹ ਅੰਕੜਾ ਗਲੋਬਲ ਔਸਤ 76% ਤੋਂ ਕਾਫੀ ਜ਼ਿਆਦਾ ਹੈ, ਜੋ ਭਾਰਤ ਨੂੰ ਦੁਨੀਆ ਭਰ ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਧ ਪ੍ਰਭਾਵਿਤ ਬਾਜ਼ਾਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣਾਉਂਦਾ ਹੈ। ਡਿਜੀਟਾਈਜ਼ੇਸ਼ਨ (Digitization) ਦੇ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਕਾਰਨ, ਇਹ ਨਾਜਾਇਜ਼ ਗਤੀਵਿਧੀਆਂ ਸੈਕਟਰ ਲਈ ਇੱਕ ਵੱਡੀ ਚੁਣੌਤੀ ਬਣ ਗਈਆਂ ਹਨ।

ਇੰਸਟੈਂਟ ਪੇਮੈਂਟਸ (Instant Payments) ਦੀ ਭੂਮਿਕਾ

ਜਿੱਥੇ ਯੂਨੀਫਾਈਡ ਪੇਮੈਂਟਸ ਇੰਟਰਫੇਸ (UPI) ਵਰਗੇ ਪਲੇਟਫਾਰਮਾਂ ਨੇ ਭਾਰਤ ਵਿੱਚ ਪੈਸੇ ਦੇ ਲੈਣ-ਦੇਣ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਕ੍ਰਾਂਤੀ ਲਿਆਂਦੀ ਹੈ, ਉੱਥੇ ਹੀ ਇਹ ਧੋਖੇਬਾਜ਼ਾਂ ਲਈ ਵੀ ਇੱਕ ਪਸੰਦੀਦਾ ਰਸਤਾ ਬਣ ਗਏ ਹਨ। ਲਗਭਗ 66% ਭਾਰਤੀ ਬੈਂਕਿੰਗ ਐਗਜ਼ੀਕਿਊਟਿਵਜ਼ ਨੇ ਇੰਸਟੈਂਟ ਪੇਮੈਂਟ ਪਲੇਟਫਾਰਮਾਂ ਨੂੰ ਫਰਾਡ ਦੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਵਧਣ ਦਾ ਮੁੱਖ ਸਰੋਤ ਦੱਸਿਆ ਹੈ। ਇਨ੍ਹਾਂ ਲੈਣ-ਦੇਣਾਂ ਦੀ ਤੇਜ਼ੀ ਸਮੱਸਿਆ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ। ਕਿਉਂਕਿ ਪੈਸੇ ਤੁਰੰਤ ਟ੍ਰਾਂਸਫਰ ਹੋ ਜਾਂਦੇ ਹਨ, ਇਸ ਲਈ ਜਦੋਂ ਤੱਕ ਧੋਖਾਧੜੀ ਦਾ ਪਤਾ ਲੱਗਦਾ ਹੈ, ਪੈਸੇ ਅਕਾਊਂਟ ਵਿੱਚੋਂ ਨਿਕਲ ਚੁੱਕੇ ਹੁੰਦੇ ਹਨ, ਜਿਸ ਕਾਰਨ ਉਨ੍ਹਾਂ ਨੂੰ ਵਾਪਸ ਪ੍ਰਾਪਤ ਕਰਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੋ ਜਾਂਦਾ ਹੈ।

AI - ਦੋ-ਧਾਰੀ ਤਲਵਾਰ

ਆਰਟੀਫਿਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਮੌਜੂਦਾ ਵਿੱਤੀ ਲੈਂਡਸਕੇਪ (Financial Landscape) ਵਿੱਚ ਦੋਹਰੀ ਭੂਮਿਕਾ ਨਿਭਾ ਰਿਹਾ ਹੈ। ਜਿੱਥੇ ਬੈਂਕ ਸ਼ੱਕੀ ਪੈਟਰਨਾਂ (Suspicious Patterns) ਦਾ ਪਤਾ ਲਗਾਉਣ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ, ਉੱਥੇ ਹੀ ਅਪਰਾਧੀ ਇਸਨੂੰ ਹੋਰ ਵੀ ਸੂਖਮ ਸਕੀਮਾਂ ਬਣਾਉਣ ਲਈ ਵਰਤ ਰਹੇ ਹਨ। ਭਾਰਤ ਵਿੱਚ ਲਗਭਗ 93% ਇੰਡਸਟਰੀ ਲੀਡਰਾਂ ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ AI ਨੇ ਫਰਾਡ ਦੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਨੂੰ ਪਛਾਣਨਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਬਣਾ ਦਿੱਤਾ ਹੈ। ਆਧੁਨਿਕ ਸਕੈਮਾਂ ਵਿੱਚ ਹੁਣ ਬਹੁਤ ਹੀ ਯਥਾਰਥਵਾਦੀ AI-ਜਨਰੇਟਿਡ ਸੰਚਾਰ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ ਜੋ ਗਾਹਕਾਂ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਧੋਖਾ ਦੇ ਸਕਦਾ ਹੈ।

ਵਿੱਤੀ ਅਤੇ ਸੰਚਾਲਨ ਪ੍ਰਭਾਵ

ਇਨ੍ਹਾਂ ਧੋਖਾਧੜੀ ਵਾਲੀਆਂ ਗਤੀਵਿਧੀਆਂ ਦੀ ਲਾਗਤ ਸੰਸਥਾਵਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਗਾਹਕਾਂ ਦੋਵਾਂ ਲਈ ਕਾਫੀ ਜ਼ਿਆਦਾ ਹੈ। ਲਗਭਗ 48% ਬੈਂਕਾਂ ਨੇ ਫਰਾਡ ਕਾਰਨ ਸਾਲਾਨਾ $10 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦਾ ਵਿੱਤੀ ਨੁਕਸਾਨ ਦਰਜ ਕੀਤਾ ਹੈ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਅੱਧੇ ਤੋਂ ਵੱਧ ਸਰਵੇਖਣ ਕੀਤੇ ਗਏ ਲੀਡਰਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ ਕਿ ਗਾਹਕਾਂ ਨੂੰ ਸਾਲਾਨਾ $5 ਮਿਲੀਅਨ ਤੋਂ ਵੱਧ ਦਾ ਨੁਕਸਾਨ ਹੋਇਆ ਹੈ।

ਬਿਹੇਵੀਅਰਲ ਐਨਾਲਿਸਿਸ (Behavioral Analysis) ਵੱਲ ਬਦਲਾਅ

ਇਨ੍ਹਾਂ ਚੁਣੌਤੀਆਂ ਦੇ ਜਵਾਬ ਵਿੱਚ, ਬੈਂਕਿੰਗ ਸੈਕਟਰ ਰਵਾਇਤੀ ਸੁਰੱਖਿਆ ਤਰੀਕਿਆਂ ਜਿਵੇਂ ਕਿ ਸਟੈਟਿਕ ਪਾਸਵਰਡ (Static Passwords) ਜਾਂ ਸਧਾਰਨ ਵਨ-ਟਾਈਮ ਪਾਸਵਰਡ (OTPs) ਤੋਂ ਦੂਰ ਜਾ ਰਿਹਾ ਹੈ। ਹੁਣ ਬਿਹੇਵੀਅਰਲ ਐਨਾਲਿਸਿਸ ਵੱਲ ਇੱਕ ਵੱਡਾ ਉਦਯੋਗਿਕ ਬਦਲਾਅ ਦੇਖਣ ਨੂੰ ਮਿਲ ਰਿਹਾ ਹੈ। ਇਹ ਤਕਨਾਲੋਜੀ ਸਿਰਫ ਇਹ ਨਹੀਂ ਦੇਖਦੀ ਕਿ ਤੁਸੀਂ ਕੌਣ ਹੋ, ਬਲਕਿ ਇਹ ਵੀ ਦੇਖਦੀ ਹੈ ਕਿ ਤੁਸੀਂ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦੇ ਹੋ। ਜੇਕਰ ਕੋਈ ਕਾਰਵਾਈ ਗਾਹਕ ਦੇ ਸਥਾਪਿਤ ਵਿਵਹਾਰ ਪ੍ਰੋਫਾਈਲ (Behavioral Profile) ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੀ, ਤਾਂ ਸਿਸਟਮ ਟ੍ਰਾਂਜ਼ੈਕਸ਼ਨ ਪੂਰੀ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਇਸਨੂੰ ਇੱਕ ਸੰਭਾਵੀ ਜੋਖਮ ਵਜੋਂ ਫਲੈਗ ਕਰ ਦਿੰਦਾ ਹੈ।

ਰੈਗੂਲੇਟਰੀ ਅਤੇ ਸੈਕਟਰ ਸੰਦਰਭ

ਭਾਰਤੀ ਰਿਜ਼ਰਵ ਬੈਂਕ (RBI) ਦੇ ਮਾਰਗਦਰਸ਼ਨ ਹੇਠ, ਭਾਰਤੀ ਵਿੱਤੀ ਸੈਕਟਰ ਮਜ਼ਬੂਤ ਡਿਜੀਟਲ ਸੁਰੱਖਿਆ ਜਾਲਾਂ (Digital Safety Nets) ਲਈ ਜ਼ੋਰ ਦੇ ਰਿਹਾ ਹੈ। ਇਸ ਵਿੱਚ ਡਿਜੀਟਲ ਪੇਮੈਂਟ ਇੰਟੈਲੀਜੈਂਸ ਪਲੇਟਫਾਰਮਾਂ ਦਾ ਵਿਕਾਸ ਸ਼ਾਮਲ ਹੈ ਜੋ ਬੈਂਕਾਂ ਨੂੰ ਰੀਅਲ-ਟਾਈਮ ਥ੍ਰੈਟ ਡਾਟਾ (Real-time Threat Data) ਸਾਂਝਾ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਟੀਚਾ ਪ੍ਰਤੀਕਿਰਿਆਸ਼ੀਲ ਉਪਾਵਾਂ (Reactive Measures) ਤੋਂ ਅੱਗੇ ਵਧਣਾ ਹੈ, ਜਿੱਥੇ ਪੈਸੇ ਚੋਰੀ ਹੋਣ ਤੋਂ ਬਾਅਦ ਬੈਂਕ ਕਾਰਵਾਈ ਕਰਦੇ ਹਨ, ਤੋਂ ਪ੍ਰੋਐਕਟਿਵ ਉਪਾਵਾਂ (Proactive Measures) ਤੱਕ ਪਹੁੰਚਣਾ ਹੈ, ਜਿੱਥੇ ਧੋਖਾਧੜੀ ਦੀਆਂ ਕੋਸ਼ਿਸ਼ਾਂ ਨੂੰ ਹੋਣ ਤੋਂ ਪਹਿਲਾਂ ਹੀ ਰੋਕਿਆ ਜਾਂਦਾ ਹੈ।

ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਨਿਗਰਾਨੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ?

ਨਿਵੇਸ਼ਕਾਂ ਅਤੇ ਹਿੱਸੇਦਾਰਾਂ ਨੂੰ ਇਹ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਬੈਂਕ ਇਨ੍ਹਾਂ ਸੁਰੱਖਿਆ ਅਪਗ੍ਰੇਡਾਂ ਦੀ ਲਾਗਤ ਨੂੰ ਆਪਣੀ ਸਮੁੱਚੀ ਮੁਨਾਫੇਬਾਜ਼ੀ (Profitability) ਨਾਲ ਕਿਵੇਂ ਸੰਤੁਲਿਤ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ AI-ਅਧਾਰਤ ਫਰਾਡ ਡਿਟੈਕਸ਼ਨ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਨਾ ਜ਼ਰੂਰੀ ਹੈ, ਇਸ ਵਿੱਚ ਕਾਫੀ ਪੂੰਜੀ ਖਰਚ ਸ਼ਾਮਲ ਹੈ। ਮੁੱਖ ਮਾਨੀਟਰ ਕਰਨ ਵਾਲੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਇਹ ਸਿਸਟਮ ਸਮੇਂ ਦੇ ਨਾਲ ਫਰਾਡ ਦੇ ਨੁਕਸਾਨ ਨੂੰ ਘਟਾਉਣ ਵਿੱਚ ਕਿੰਨੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੁੰਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜਿਹੜੇ ਬੈਂਕ ਉੱਚ ਪੱਧਰੀ ਭਰੋਸਾ ਅਤੇ ਸੁਰੱਖਿਆ ਬਣਾਈ ਰੱਖਣ ਵਿੱਚ ਕਾਮਯਾਬ ਹੁੰਦੇ ਹਨ, ਉਹ ਬਿਹਤਰ ਗਾਹਕ ਧਾਰਨ (Customer Retention) ਦੇਖ ਸਕਦੇ ਹਨ।