RBI కొత్త నియమాలు: సైబర్ నేరగాళ్లకు కళ్లెం పడుతుందా? భారీ మోసాలపై రిజర్వ్ బ్యాంక్ కీలక చర్యలు

భారీ మోసాలు, RBI స్పందన

భారతీయ బ్యాంకింగ్ రంగం ఇటీవల భారీ మోసాలను ఎదుర్కొంటోంది. 2024-25 ఆర్థిక సంవత్సరంలోనే బ్యాంకింగ్ మోసాల వల్ల ₹34,771 కోట్ల నష్టం వాటిల్లింది. గత ఏడాదితో పోలిస్తే ఇది గణనీయమైన పెరుగుదల. ఈ పరిస్థితిపై స్పందించిన RBI, వినియోగదారుల బాధ్యతను పరిమితం చేసేందుకు, పెద్ద లావాదేవీలను ఆలస్యం చేసేందుకు, వినియోగదారుల ధృవీకరణను పటిష్టం చేసేందుకు కొత్త విధానాలను పరిశీలిస్తోంది.

స్థిర నిబంధనలు vs. మారుతున్న నేరాలు

RBI ప్రతిపాదించిన ఈ కొత్త నిబంధనలలో, తక్కువ విలువ గల 'పుష్ పేమెంట్ ఫ్రాడ్స్' బాధితులకు పరిహారం అందించే యంత్రాంగం ఉంటుంది. దీని ప్రకారం, లావాదేవీ విలువలో 80% వరకు లేదా గరిష్టంగా ₹50,000 వరకు (₹25,000 పరిమితితో) నష్టపరిహారం దక్కవచ్చు. అలాగే, ₹10,000 కంటే ఎక్కువ విలువైన లావాదేవీలకు 1 గంట పాటు ఆలస్యం, ₹50,000 పైన జరిగే లావాదేవీలకు మరింత కఠినమైన ధృవీకరణ వంటివి అమలులోకి రానున్నాయి. అయితే, ఈ నిబంధనలు స్థిరమైన (static) కస్టమర్ వివరాలపై ఆధారపడి ఉంటాయి. మోసగాళ్లు ఎప్పటికప్పుడు కొత్త పద్ధతులను కనిపెడుతుంటారు కాబట్టి, ఈ స్థిర నిబంధనలను వారు సులభంగా దాటవేసే ప్రమాదం ఉందని నిపుణులు అభిప్రాయపడుతున్నారు. అందుకే, రియల్ టైమ్ లో వినియోగదారుల ప్రవర్తన ఆధారంగా రిస్క్ ను అంచనా వేసే ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) మరియు మెషిన్ లెర్నింగ్ (ML) ఆధారిత వ్యవస్థలపై దృష్టి పెరుగుతోంది.

AIతో సమగ్ర రక్షణ

డిజిటల్ లావాదేవీలు పెరుగుతున్న కొద్దీ, ఆర్థిక నేరాలు మరింత అత్యాధునికంగా మారుతున్నాయి. పాత రూల్-బేస్డ్ సిస్టమ్స్ కంటే AI/ML టూల్స్ ను ఉపయోగించడం ద్వారా నేరాలను సమర్థవంతంగా ఎదుర్కోవచ్చని బ్యాంకులు గుర్తిస్తున్నాయి. స్టేట్ బ్యాంక్ ఆఫ్ ఇండియా (SBI), HDFC బ్యాంక్ వంటివి ఇప్పటికే AI సొల్యూషన్స్ ను అమలు చేసి, మోసాలను తగ్గించడంలో విజయం సాధించాయి. ప్రపంచవ్యాప్తంగా కూడా సెంట్రల్ బ్యాంకులు, ఆర్థిక సంస్థలు మోసాలు, మనీ లాండరింగ్ ను అరికట్టడానికి AIని, మొత్తం సిస్టమ్ లో పర్యవేక్షణను పెంచుతున్నాయి.

సవాళ్లు, భవిష్యత్ మార్గం

RBI లక్ష్యం వినియోగదారులను రక్షించడమే అయినప్పటికీ, ప్రతిపాదిత స్థిర నిబంధనలు కొన్ని సవాళ్లను ఎదుర్కోవచ్చు. ముఖ్యంగా, మోసగాళ్లు కొత్త పద్ధతులు (ఉదాహరణకు, యువతను లక్ష్యంగా చేసుకోవడం) కనిపెట్టడం వల్ల ఈ నిబంధనలు నిరుపయోగం కావచ్చు. AI/ML ను అమలు చేయడంలో అధిక ఖర్చు, శిక్షణ పొందిన సిబ్బంది కొరత, డేటా ప్రైవసీ వంటి అంశాలు కూడా ఆటంకాలుగా మారవచ్చు. అంతేకాకుండా, బ్యాంకులు, టెలికాం ప్రొవైడర్లు, పోలీసుల మధ్య సమన్వయ లోపం కూడా మోసపూరిత ఖాతాలను నిరోధించడంలో, డబ్బును తిరిగి రాబట్టడంలో సమస్యలను సృష్టిస్తోంది.

భవిష్యత్తులో డిజిటల్ పేమెంట్ మోసాలను ఎదుర్కోవడానికి, RBI కేవలం స్థిరమైన, రియాక్టివ్ చర్యలపై కాకుండా, చురుకైన (agile) రక్షణ వ్యవస్థలపై దృష్టి సారించాల్సి ఉంటుంది. AI/ML వినియోగం పెరగడం, నిరంతర అప్డేట్స్, అధునాతన థ్రెట్ డిటెక్షన్ అవసరాన్ని తెలియజేస్తున్నాయి. RBI కొత్త విధానాల విజయం, వాటి ఫ్లెక్సిబిలిటీ, అధునాతన టెక్నాలజీతో అనుసంధానం, మరియు నిజమైన సిస్టమ్-వైడ్ సెక్యూరిటీని నిర్మించడంలో ఎంతవరకు సఫలీకృతం అవుతాయనే దానిపైనే ఆధారపడి ఉంటుంది.