భారత్‌లో డిజిటల్ మోసాలు: AIతో దూకుడు.. భద్రతా చర్యలు వెనుకబడటంతో భారీ నష్టాలు

BANKINGFINANCE
Whalesbook Logo
AuthorKritika Jain|Published at:
భారత్‌లో డిజిటల్ మోసాలు: AIతో దూకుడు.. భద్రతా చర్యలు వెనుకబడటంతో భారీ నష్టాలు
Overview

భారత్ డిజిటల్ ఆర్థిక వ్యవస్థ ప్రమాదకర పరిస్థితులను ఎదుర్కొంటోంది. మోసాల సంఖ్య తగ్గినప్పటికీ, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) ఆధారిత అత్యాధునిక ఎత్తుగడలు, సింథటిక్ ఐడెంటిటీలు, 'ఫ్రాడ్-యాజ్-ఎ-సర్వీస్' మోడల్స్ వంటివి పెద్ద మొత్తంలో నష్టాలకు దారితీస్తున్నాయి. ఇవి ప్రస్తుతం ఉన్న డిటెక్షన్ సిస్టమ్స్‌ను దాటిపోతున్నాయి. ఈ నేపథ్యంలో, భారత రిజర్వ్ బ్యాంక్ (RBI) కొత్త రక్షణ చర్యలను ప్రతిపాదించింది.

Instant Stock Alerts on WhatsApp

Used by 10,000+ active investors

1

Add Stocks

Select the stocks you want to track in real time.

2

Get Alerts on WhatsApp

Receive instant updates directly to WhatsApp.

  • Quarterly Results
  • Concall Announcements
  • New Orders & Big Deals
  • Capex Announcements
  • Bulk Deals
  • And much more

డిజిటల్ మోసాలు పరాకాష్టకు!

భారతదేశం యొక్క వేగవంతమైన డిజిటల్ ఆర్థిక వృద్ధికి ఇప్పుడు ఒక పెద్ద ముప్పు పొంచి ఉంది: అది సైబర్ మోసాల సామ్రాజ్యం. UPI వంటి ప్లాట్‌ఫారమ్‌ల ద్వారా జరిగే లావాదేవీలు నిరంతరం రికార్డులు సృష్టిస్తున్నప్పటికీ, మోసాల కారణంగా కోల్పోతున్న సొమ్ము విపరీతంగా పెరిగింది. కేవలం బ్యాంకింగ్ మోసాల రూపంలోనే 2024-25 ఆర్థిక సంవత్సరంలో ₹36,014 కోట్ల నష్టం వాటిల్లింది. ఇది అంతకుముందు సంవత్సరంతో పోలిస్తే దాదాపు మూడు రెట్లు ఎక్కువ. ఈ పెరుగుదల, చిన్నపాటి మోసాల నుండి భారీ విలువైన లక్ష్యాల వైపు మళ్లడాన్ని సూచిస్తోంది. 2025లో మొత్తం సైబర్ మోసాల నష్టాలు ₹19,812 కోట్ల నుండి ₹22,931 కోట్ల మధ్య ఉంటాయని అంచనా వేస్తున్నారు. ప్రపంచవ్యాప్తంగా డిజిటల్ మోసాల వల్ల జరిగే నష్టాలు వార్షికంగా $5 ట్రిలియన్ దాటుతాయని అంచనా.

AI, నకిలీ గుర్తింపులతో మోసాల విsophistication

ఈ పెరుగుదలకు ప్రధాన కారణం మోసగాళ్లు వాడుతున్న అత్యాధునిక టెక్నాలజీనే. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) సహాయంతో, నిజమైన వినియోగదారులకు, నకిలీలకు మధ్య తేడాను గుర్తించడం కష్టతరం చేసే నకిలీ సందేశాలు, గుర్తింపులు, చివరికి స్వరాలను కూడా సృష్టిస్తున్నారు. సింథటిక్ ఐడెంటిటీలు, అంటే నిజమైన, కల్పిత వ్యక్తిగత వివరాల కలయిక, ఇప్పుడు మోసాలకు ప్రధాన సాధనంగా మారింది. ఈ నకిలీ ప్రొఫైల్స్ ప్రాథమిక ధృవీకరణలను దాటి, క్రమంగా క్రెడిట్ లైన్లను పెంచుకుని, ఆపై మాయమైపోతాయి. దీనిని 'బస్ట్-అవుట్' ఫ్రాడ్ అంటారు. 'ఫ్రాడ్-యాజ్-ఎ-సర్వీస్' ప్లాట్‌ఫారమ్‌ల ద్వారా మోసాలు సులభతరం కావడం, నేరగాళ్లకు దారులు మరింత సుగమం చేస్తోంది.

వ్యవస్థీకృత మోసాలు.. RBI చర్యలకు సిద్ధం

మోసాలు ఇప్పుడు ఒక వ్యవస్థీకృత నెట్‌వర్క్‌లా పనిచేస్తున్నాయి. మిలియన్ల కొద్దీ అకౌంట్ టేకోవర్ ప్రయత్నాలు విజయవంతమవుతున్నాయి. అలాగే, దొంగిలించిన డబ్బును లాండరింగ్ చేయడానికి ఉపయోగించే 1.1 మిలియన్లకు పైగా అనుమానిత మ్యూల్ ఖాతాలను గుర్తించారు. ఈ డబ్బును అనేక స్థాయిల ద్వారా వేగంగా మళ్ళించడం వల్ల, వాటిని గుర్తించడం, రికవరీ చేయడం చాలా కష్టమవుతోంది. ఈ పెరుగుతున్న నష్టాన్ని గుర్తించిన భారత రిజర్వ్ బ్యాంక్ (RBI), కీలకమైన రక్షణ చర్యలను పరిశీలిస్తోంది. అధిక విలువ కలిగిన ఖాతా-నుండి-ఖాతా బదిలీలకు ఒక గంట కూలింగ్-ఆఫ్ పీరియడ్, అనుమానాస్పద వినియోగదారులకు అదనపు ధృవీకరణ, మ్యూల్ ఖాతాలుగా మారగల ఖాతాలకు క్రెడిట్స్ పై పరిమితులు వంటివి ప్రతిపాదనల్లో ఉన్నాయి. ప్రతి నెలా బిలియన్ల లావాదేవీలు జరిగే UPI వంటి తక్షణ చెల్లింపు వ్యవస్థలలో, గుర్తించి, జోక్యం చేసుకోవడానికి ఈ చర్యలు కొంత అడ్డంకిని సృష్టిస్తాయి.

డిజిటల్ వేగానికి భద్రతలో అంతరం

భారతదేశం యొక్క వేగవంతమైన డిజిటల్ పరివర్తన, ముఖ్యంగా UPI లావాదేవీలు గణనీయంగా పెరగడం, చాలా సంస్థల మోసాల గుర్తింపు సామర్థ్యాలను మించిపోయింది. పాత సిస్టమ్స్ రియల్-టైమ్ ట్రాన్సాక్షన్స్ వేగాన్ని అందుకోలేక, డబ్బు తరలిపోయిన తర్వాత మాత్రమే స్పందిస్తున్నాయి. బ్యూరో (Bureau) అంచనాల ప్రకారం, ప్రస్తుత టెక్నాలజీలతోనే ₹1,120 కోట్ల నష్టాలను నివారించవచ్చు. బ్యాంకులు, ఫిన్‌టెక్‌లు, చట్టాన్ని అమలు చేసే సంస్థల మధ్య డేటా విచ్ఛిన్నం కూడా, అభివృద్ధి చెందుతున్న మోసాల నెట్‌వర్క్‌లపై సమగ్ర దృక్పథాన్ని పొందడాన్ని అడ్డుకుంటోంది. ప్రపంచవ్యాప్తంగా, మోసాల గుర్తింపు ఖచ్చితత్వాన్ని 40% వరకు మెరుగుపరచడానికి AIని ఉపయోగిస్తున్నారు. అయితే, AI కూడా ఒక ద్వంద్వ-ప్రయోజన సవాలును అందిస్తోంది. మోసగాళ్లు జనరేటివ్ AIని ఉపయోగించి డీప్‌ఫేక్‌లు, అధునాతన దాడులను సృష్టిస్తున్నారు. 2025లో డీప్‌ఫేక్ మోసాల వల్లనే ₹70,000 కోట్ల నష్టం వాటిల్లుతుందని అంచనా.

వ్యవస్థాగత బలహీనతలు, నిరంతర పోరాటం

నియంత్రణ ప్రయత్నాలు, సాంకేతిక పురోగతులు ఉన్నప్పటికీ, గణనీయమైన వ్యవస్థాగత బలహీనతలు అలాగే ఉన్నాయి. ఆర్థిక సంస్థలలో IT గవర్నెన్స్‌లో లోపాలున్నాయని RBI పదేపదే హెచ్చరించింది, దీనివల్ల జరిమానాలు కూడా పడుతున్నాయి. మ్యూల్ ఖాతాల విస్తృత వినియోగం, తరచుగా ఆర్థిక నిస్సహాయత లేదా తప్పుడు సమాచారం వల్ల నడిచేది, అక్రమ నిధులను గుర్తించడంలో ఒక చిక్కుముడిని సృష్టిస్తోంది. రికవరీ రేట్లు చాలా తక్కువగా ఉన్నాయి. అంతేకాకుండా, మోసం కేసుల రిపోర్టింగ్ ఆలస్యం, అంటే నివేదించబడిన చాలా నష్టాలు మునుపటి ఆర్థిక సంవత్సరాలకు సంబంధించినవి, ప్రస్తుత బెదిరింపుల నిజమైన స్థాయిపై అనిశ్చితిని సృష్టిస్తోంది. భారతదేశ డిజిటల్ చెల్లింపు వ్యవస్థను ప్రపంచ విజయవంతం చేసే వేగం, స్కేల్, అదే సమయంలో దానిని ఒక ప్రధాన లక్ష్యంగా మార్చుతున్నాయి. మోసాలు మరింత పారిశ్రామీకరించబడి, AI, సమన్వయ నెట్‌వర్క్‌లను ఉపయోగించుకుని ఆటోమేట్ అవుతున్నందున, పాత డిటెక్షన్ సిస్టమ్స్, వివిక్త నియంత్రణలు తీవ్రంగా అసమర్థమవుతున్నాయి. వివిధ సంస్థలలో మోసంపై ఒక సమగ్ర దృక్పథాన్ని పొందడంలో కష్టాలు ఈ సవాలును మరింత క్లిష్టతరం చేస్తాయి, ఇది నిజంగా సమగ్ర ప్రతిస్పందనను దూరం చేస్తుంది.

టెక్నాలజీ ఆయుధాల పరుగు

భారతదేశంలో డిజిటల్ మోసాలకు వ్యతిరేకంగా పోరాటం నిరంతర సాంకేతిక ఆయుధాల పరుగు. AI శక్తివంతమైన రక్షణాత్మక సామర్థ్యాలను అందిస్తున్నప్పటికీ, దాని ద్వంద్వ-ప్రయోజన స్వభావం కారణంగా, మోసగాళ్లు కూడా ఆవిష్కరణలు చేస్తూనే ఉంటారు. RBI ప్రతిపాదించిన చర్యలు, అవసరమైనప్పటికీ, భారతదేశ డిజిటల్ విజయానికి కీలకమైన లావాదేవీల వేగాన్ని ప్రభావితం చేయవచ్చు. ఈ జోక్యాల ప్రభావం, బలమైన అమలు, భద్రతా ప్రోటోకాల్‌ల నిరంతర అనుసరణపై ఆధారపడి ఉంటుంది. పరిశ్రమ సహకారం, మెరుగైన డేటా భాగస్వామ్యం, డిజిటల్ అక్షరాస్యతపై దృష్టి సారించడం కీలకం. భవిష్యత్తులో, అధునాతన AI-ఆధారిత విశ్లేషణలతో మానవ పర్యవేక్షణను కలపడం, ఆవిష్కరణల వేగం, భద్రత వేగం మధ్య అంతరాన్ని తగ్గించడానికి నిరంతర ప్రయత్నం వంటి మరింత సమీకృత విధానం ఉండే అవకాశం ఉంది.

Get stock alerts instantly on WhatsApp

Quarterly results, bulk deals, concall updates and major announcements delivered in real time.

Disclaimer:This content is for educational and informational purposes only and does not constitute investment, financial, or trading advice, nor a recommendation to buy or sell any securities. Readers should consult a SEBI-registered advisor before making investment decisions, as markets involve risk and past performance does not guarantee future results. The publisher and authors accept no liability for any losses. Some content may be AI-generated and may contain errors; accuracy and completeness are not guaranteed. Views expressed do not reflect the publication’s editorial stance.