به گزارش روز یکشنبه اگزیم نیوز از روابط عمومی شرکت کاشف، حسین قرایی در مراسم افتتاحیه این کنفرانس که به میزبانی دانشگاه آزاد اسلامی اصفهان برگزار شد، با اشاره به تغییرات بانکداری در نسل های مختلف، اظهار داشت: در یک دسته بندی کلی می توان چهار دوره برای بانکداری در دنیا در نظر گرفت، از قرن ۱۴ میلادی تا اواخر قرن بیستم و سه نسل بعدی که با دوره های کوتاهتر از نسل دوم تا چهارم را شامل می شوند.

وی تصریح کرد: براساس زمان بندی مطروحه، نسل چهارم بانکداری از سال ۲۰۱۷ میلادی شروع شده و همچنان ادامه دارد که ویژگی اصلی این نسل از بانکداری را می توان چند کاناله بودن، ماژولار بودن، بانکداری در بستر بلاکچین، بانکداری شبکه های اجتماعی، رواج بانکداری باز و استفاده گسترده از ابزارهای هوشمند در بانکداری دانست.

قرایی با بیان اینکه بانکداری هوشمند به عنوان بارزترین ترم بانکداری در نسل چهارم در واقع به معنای ادغام فناوری های هوشمند و راه حل های نوآورانه برای ارتقای تجربه کلی بانکی مطرح است، افزود: همانطور که از این شاخص قابل فهم است بانکداری هوشمند فراتر از کانال های دیجیتالی پایه بوده و عناصر هوش مصنوعی، تجزیه و تحلیل داده ها و سایر فناوری های هوشمند را در خود جای می دهد. تحلیل داده ها در بانکداری هوشمند پا را از سطح توصیف و تشخیص فراتر گذاشته و عرصه های پیشگویی و تجویز مبتنی بر داده با بکارگیری ماشین های هوشمند در محوریت کسب و کار قرار گرفته است.

دانشیار پژوهشگاه ارتباطات و فناوری اطلاعات با تاکید بر ارتباط موضوع امنیت هوش مصنوعی و چالش های پیش رو در بانکداری هوشمند، گفت: هوش مصنوعی همانگونه که منجر به ایجاد تحولات گسترده در صنایع مختلف شده، امنیت سایبری را نیز تحت تاثیر قرار داده است. به عبارت دیگر در مقابل مزایای بهره برداری از هوش مصنوعی در امنیت سایبری، تهدیدات و زمینه های سوءاستفاده های گسترده ای نیز فراهم شده است.

مدیرعامل کاشف اضافه کرد: یکی از تهدیدهای رایج و خطرناک در حوزه بانکی تقلب است، تقلب های بانکی، شرکتی و بیمه ای متداول ترین تقلب های مالی هستند. بانک ها و سایر شرکت هایی که تعداد قابل توجهی تراکنش های مالی دریافت می کنند، در معرض ریسک تقلب مالی قرار دارند.

قرایی با مروری بر استراتژی های تضمین امنیت هوش مصنوعی در بانکداری هوشمند، اظهار داشت: پیشگیری از تقلب اولین خط دفاعی در کاهش ریسک تقلب است. هدف ساخت یک سیستم سالم در راستای کاهش انگیزه، محدودسازی فرصت ها و منطقی سازی اعمال متقلبانه است. شناسایی، اقدامات پیشگیرانه جهت جلوگیری از کلاهبرداری کافی نیست، تشخیص سریع تقلب برای کاهش آسیب به عنوان یک عامل بازدارنده برای کلاهبرداران عمل می کند. رسیدگی راهبردهای رسیدگی به تقلب برای به حداقل رساندن خسارات ناشی از تقلب ضروری هستند و در نهایت اصلاح استراتژی کنترل تقلب در جایی که نقاط ضعف شناسایی شده، ممکن است برای جلوگیری از رفتار مشابه ضروری باشد.

وی امنیت هوش مصنوعی، ملاحظات اخلاقی، اعتماد و پذیرش مشتری، نبود داده های با کیفیت، چالش های فنی و هزینه های اجرایی زیاد را چالش های بکارگیری هوش مصنوعی در بانکداری هوشمند ذکر و تصریح کرد: موارد استفاده از هوش مصنوعی در کشف تقلب بسیار گسترده و موثر است، اما در عین حال بکارگیری هوش مصنوعی در حوزه امنیت بانکی چالش هایی نیز بدنبال دارد.

مدیرعامل کاشف در پایان افزود: مانند هر فناوری دیگر، هوش مصنوعی می تواند برای اهداف خوب یا مخرب استفاده شود. عوامل تهدید می توانند از برخی از ابزارهای هوش مصنوعی برای ارتکاب کلاهبردای و سایر جرایم سایبری استفاده کنند. تولید محتوای جعلی نظیر ویدئوهای جعلی می توانند برای فریب دادن یا دستکاری مورد استفاده قرار گیرند. علاوه بر این احتمال بکارگیری نادرست و سوءاستفاده، ایجاد بدافزار، بات نت های هوشمند، فیشینگ هدفدار، شناسایی خودکار اهداف و دیپ فیک از جمله تهدیدهایی است که هوش مصنوعی در بانکداری بدنبال دارد و دقیقا اینجاست که شکل گیری و اثرگذاری نهادهای رگولاتوری در این حوزه می تواند در ارتقا امنیت این بخش نقش موثری ایفا کند.

چهارردهمین کنفرانس بین المللی فناوری اطلاعات و دانش از تاریخ ۵ دی تا ۷ دی ماه به میزانی دانشگاه آزاد اسلامی واحد اصفهان و با مشارکت انجمن فناوری اطلاعات و ارتباطات ایران برگزار گردید.