يُعد الاحتيال عبر الفواتير المُولَّدة بواسطة الذكاء الاصطناعي هجوماً مالياً يقوم فيه الذكاء الاصطناعي التوليدي بإنتاج فواتير وإيصالات وطلبات دفع مزيفة ومقنعة لا تحتوي على أي رموز برمجية خبيثة. ونظراً لأن التهديد يتمثل في محتوى تجاري مزيف وليس حمولة قابلة للتنفيذ، فإن عمليات الفحص القياسية للبرامج الضارة ومحركات مكافحة الفيروسات وأنظمة أمان ملفات PDF أدوات تُصنف المستند على أنه خالٍ من التهديدات وتسمح بمروره.
الماخذ الرئيسية
- يؤكد فحص الملفات أن المستند آمن للفتح، وليس آمنًا للدفع. تعمل محركات الكشف عن البرامج الضارة وفحوصات ملفات PDF على اكتشاف التهديدات القابلة للتنفيذ؛ لكنها لا تستطيع تقييم ما إذا كان محتوى الأعمال أصليًا أم مزورًا.
- أصبحت الذكاء الاصطناعي الآن قادرة على إنشاء فواتير مقنعة من الناحيتين البصرية والهيكلية على نطاق واسع. وتتمثل عوامل الكشف في حالات الشذوذ في البيانات الوصفية، والتناقضات في التخطيط، وإشارات المحتوى، وليس في توقيعات البرامج الضارة.
- يتطلب الكشف عن الفواتير المزورة وجود ضوابط على ثلاثة مستويات. ويجب أن تعمل كل من عملية تحليل صحة الملفات، والتحقق من سجلات الموردين، وتوجيه الحالات الاستثنائية على مستوى سير العمل، بشكل متكامل قبل وصول المستندات إلى قسم الحسابات الدائنة (AP).
- OPSWATيضيف «مفتش المحتوى بالذكاء الاصطناعي» الخاص بـ [الاسم] تقييمًا لمصداقية المحتوى ضمن مسار العمل الحالي لـ MetaDefender™. ولا يلزم الاستعانة بمورد جديد أو إجراء تكامل إضافي لإضافة عملية التحقق من مصداقية المستندات إلى جانب عمليات الفحص والتطهير.
كيف تبدو عمليات الاحتيال المتعلقة بالفواتير التي تم إنشاؤها بواسطة الذكاء الاصطناعي في سير العمل المالي الحديث
لا يحتاج المهاجمون الذين يستخدمون الذكاء الاصطناعي التوليدي إلى تضمين شفرة خبيثة في المستند. فالهدف هو إنتاج مستند مقنع بما يكفي ليتم اعتماده. وأصبح بإمكان الذكاء الاصطناعي التوليدي الآن محاكاة العلامة التجارية للمورد، وإنتاج تفاصيل معقولة لبنود الفاتورة، ومطابقة تنسيقات المعاملات على نطاق واسع، كل ذلك دون أي حمولة خبيثة مصممة أنظمة الأمن أدوات للكشف عنها.
كيف تدخل هذه المستندات في مسارات العمل المالية
عادةً ما تصل الفواتير التي تم إنشاؤها بواسطة الذكاء الاصطناعي عبر نفس القنوات التي تصل عبرها الفواتير الشرعية: مرفقات PDF عبر البريد الإلكتروني، وبوابات الموردين، وصناديق البريد المشتركة الخاصة بالشؤون المالية، وقوائم الانتظار للتحميل اليدوي المرتبطة بأنظمة تخطيط موارد المؤسسات.
تدخل الوثيقة في مسار المراجعة قبل أن يقوم أي مُصادِر أو نظام مطابقة آلي بتقييم مدى صحة العلاقة مع المورد أو أمر الشراء أو تعليمات الدفع.
كيف يختلف الاحتيال في الفواتير التي يتم إنشاؤها بواسطة الذكاء الاصطناعي عن اختراق البريد الإلكتروني للشركات
عادةً ما يعتمد اختراق البريد الإلكتروني للشركات على الاستيلاء على الحساب أو انتحال هوية المرسل لإعادة توجيه الدفع. أما الاحتيال عبر الفواتير التي يُنشئها الذكاء الاصطناعي فلا يتطلب الوصول إلى أي حساب بريد إلكتروني، فالوثيقة نفسها هي أداة الهجوم. ويمكن لفاتورة مزيفة مقنعة أن تنجح حتى لو وصلت من مرسل غير معروف، لأن المسؤول عن الموافقة يقيّم محتوى الوثيقة بدلاً من سياق المرسل.
يمكن أن يتعدد مستويات هذين التهديدين. فالرسالة الإلكترونية المزيفة أو المخترقة التي تحتوي على فاتورة تم إنشاؤها بواسطة الذكاء الاصطناعي تعزز عملية الخداع على مستويي المرسل والمحتوى في آن واحد، مما يجعل الكشف عنها أكثر صعوبة عند أي نقطة مراقبة منفردة.
لماذا لا يستطيع فحص الملفات الكشف عن محتوى الفواتير المزورة
تقوم محركات مكافحة الفيروسات، وأدوات فحص ملفات PDF بحثًا عن البرامج الضارة، وتحليل الملفات الثابتة أدوات بالكشف عما إذا كان الملف يحتوي على شفرات ضارة أو ثغرات استغلالية. ولا تحتوي الفاتورة التي تم إنشاؤها بواسطة الذكاء الاصطناعي على أي منهما. فالملف عبارة عن ملف PDF عادي أو صورة تحتوي على خطوط عادية، وبنية عادية، ونص تجاري عادي. وستُظهر كل أداة تُقيّم مدى أمان فتح الملف نتيجةً سليمة، لأن الملف، من هذه الناحية، خالٍ من أي مشاكل.
التمييز بين «آمن للفتح» و«آمن للدفع»
يعني مصطلح «آمن للفتح» أن الملف لا يحتوي على برامج ضارة أو ثغرات أمنية أو محتوى نشط غير آمن. أما مصطلح «آمن للدفع» فيعني أن الفاتورة تمثل التزامًا حقيقيًّا من مورد حقيقي مقابل سلع أو الخدمات تم طلبها واستلامها فعليًّا. وهاتان مسألتان مختلفتان تمامًا. تتناول إجراءات أمن الملفات أدوات المسألة الأولى، بينما يُفترض أن تتناول الضوابط المالية المسألة الثانية.
يستغل الاحتيال في الفواتير التي يتم إنشاؤها بواسطة الذكاء الاصطناعي الثغرة الموجودة بين هذين السؤالين. فالمستند الذي يجتاز جميع إجراءات فحص أمان الملفات قد يحتوي مع ذلك على تعليمات دفع احتيالية لا يمكن لأي برنامج فحص للبرامج الضارة اكتشافها.
لماذا لا يُثبت كل من التعرف الضوئي على الحروف (OCR) واستخراج البيانات الوصفية صحة الوثيقة
تقوم تقنية التعرف الضوئي على الأحرف (OCR) باستخراج النص بدقة، دون أن تقدم أي معلومات حول ما إذا كان هذا النص يمثل معاملة حقيقية أم لا. أما استخراج البيانات الوصفية فيكشف عن أدوات الإنشاء وعلامات الطابع الزمني، وهي معلومات مفيدة لكنها لا توفر حكماً نهائياً بشأن موثوقية مصدر المستند. وكلاهما مدخلات مفيدة في مسار الكشف، لكن لا يمكن لأي منهما أن يحل محل تحليل أصالة المحتوى.
ما هي المؤشرات التي يمكن أن تكشف الفواتير التي تم إنشاؤها بواسطة الذكاء الاصطناعي قبل الموافقة عليها؟
تترك المستندات التي تم إنشاؤها بواسطة الذكاء الاصطناعي إشارات يمكن اكتشافها في أربع فئات. ولا تُعد أي إشارة بمفردها دليلاً قاطعاً، لكن وجود عدة إشارات مجتمعة يدعم إصدار حكم بشأن أصالة المستند مصحوباً بتقييم للثقة، مما يتيح إحالة المستندات المشبوهة إلى المراجعة البشرية قبل وصولها إلى قسم الحسابات الدائنة (AP).
فئة الإشارة | ما الذي يجب البحث عنه | ما أهمية ذلك |
البيانات الوصفية وهيكل الملفات | أداة إنشاء غير متوافقة مع البرنامج المعروف للمورد، وحالات شاذة في سجل التعديلات، وبيانات وصفية غير متسقة لمنشئ المستند، ومسارات عرض غير معتادة | تتميز الفواتير الشرعية الصادرة عن مورد معروف بخصائص هيكلية يمكن التنبؤ بها؛ أما المستندات التي يتم إنشاؤها بواسطة الذكاء الاصطناعي، فغالبًا ما تظهر فيها حالات عدم تطابق في الأدوات أو البيانات الوصفية التي لا يمكن للمراجع البشري رصدها |
التصميم والاتساق البصري | اختلاف الخطوط بين الأقسام، وتفاوتات في التباعد، وعيوب في الشعار، وأخطاء في المحاذاة، وتكرار الأنماط البصرية الناتجة عن الخوارزميات التوليدية | يمكن لمولدات الصور والوثائق التي تعمل بالذكاء الاصطناعي إنتاج مخرجات مقنعة بصريًّا، لكنها لا تزال تحتوي على أخطاء طفيفة في الاتساق عبر بنية الوثيقة |
المحتوى والإشارات الدلالية | مجاميع البنود التي لا تتطابق مع المجاميع الفرعية، وحسابات الضرائب غير المتوافقة مع القوانين السارية في الولاية القضائية، وتفاصيل التحويلات التي تختلف عن البيانات الأساسية للمورد، وشروط الدفع غير المعتادة للمورد المطالب به | قد تُنتج الذكاء الاصطناعي التوليدي أرقامًا تبدو معقولة، لكنها لا تصمد أمام التحقق الحسابي أو المقارنة مع أنماط الفوترة التاريخية للمورد |
كيفية عمل ميزة الكشف عن الصور
يتم فحص كل صورة مرسلة عبر ثماني إشارات مستقلة في آن واحد. ولا يحدد أي كاشف بمفرده النتيجة. يقوم المحرك بالتحقق من المصدر المزعوم للملف — مقارنةً بين بيانات الكاميرا وبيانات الاعتماد التي تم إنشاؤها بواسطة الذكاء الاصطناعي — ويبحث عن آثار الضغط التي خلفتها عمليات التحرير وإعادة الحفظ.
يقوم المحرك بتقييم «بصمة المستشعر»: أي نمط الضوضاء الذي تنتجه الكاميرا الحقيقية، والذي لا تظهره الصور التي تم إنشاؤها بواسطة الذكاء الاصطناعي. ويتم تحليل سلوك البكسلات المجاورة، وإحصائيات قنوات الألوان، وأنماط التردد غير المرئية للعين البشرية، كل على حدة كإشارات منفصلة. أما بالنسبة للملفات الصادرة عن مولدات الذكاء الاصطناعي المعروفة، فيقوم المحرك أيضًا بالتحقق من وجود علامات مائية مدمجة مثل Google SynthID.
تقوم طبقة تحديد سياق الاحتيال بتمييز أنواع المستندات عالية المخاطر قبل إصدار الحكم النهائي. خلال الاختبارات، قامت « OPSWAT » بإزالة علامات «SynthID» من أكثر من 21,000 صورة تم إنشاؤها بواسطة الذكاء الاصطناعي. ولم يكتشف كاشف العلامات المائية أيًا منها، لكن إشارات التحليل الجنائي والتصنيف العميق لا تزال تحقق دقة كشف تزيد عن 90٪، مما يؤكد أن المحرك لا يعتمد على العلامات المائية أو البيانات الوصفية وحدها.
من خلال اختبار أكثر من 1.1 مليون صورة مقارنةً بنتائج أكثر من 20 نموذجًا للذكاء الاصطناعي، بلغت الدقة الإجمالية حوالي 95٪. وفي حالة النتائج غير المؤكدة، يتم عرض درجة الثقة وإحالتها للمراجعة البشرية بدلاً من الحظر التلقائي.
كيفية عمل ميزة الكشف عن النص
يعمل فحص النص وفقًا لنفس مبدأ فحص الصور: حيث تقوم ثماني إشارات مستقلة بقراءة نفس المستند في وقت واحد، وتبحث كل منها عن شيء مختلف.
تقيس «قابلية توقع الكلمات» مدى توقع ظهور كل كلمة تالية. أما «إيقاع الجملة» فيتحقق مما إذا كان الإيقاع يتنوع كما هو الحال في الكتابة البشرية. في حين أن النص الذي يكتبه الذكاء الاصطناعي يظل متساوياً بشكل يثير الشك. وتتتبع «إحصائيات الرموز» ترتيب كل كلمة بين جميع الخيارات الممكنة في تلك النقطة من النص. وتقيّم «أنماط المفردات» التنوع والتكرار واختيار الكلمات عبر الوثيقة بأكملها. أما «أسلوب الكتابة وبنيتها» فيبحثان عن «البصمات الأسلوبية» التي تتكرر عبر الوثيقة ككل.
تتحقق البيانات الوصفية ومعلومات المنشأ من «بيانات اعتماد المحتوى» وسجل المستند. ويقوم نظام الكشف عن نماذج الذكاء الاصطناعي بتشغيل مصنفات تم تدريبها على التمييز بين الكتابة البشرية والكتابة التي تنتجها الذكاء الاصطناعي. كما أن بعض النماذج تدمج توقيعات إحصائية مباشرةً في مخرجاتها، ويقوم المحرك بالتحقق من وجودها أيضًا. وقد تم تحقيق دقة كشف تجاوزت 90% في الاختبارات التي أُجريت على مخرجات نماذج OpenAI وAnthropic وLlama وMistral وMeta.
كيف يضيف التحقق من صحة سجلات الموردين طبقة ثانية من الكشف
تُستخدم المؤشرات على مستوى الملف لتقييم مدى مصداقية المستند. أما عملية التحقق من صحة سجل المورد، فهي تُستخدم لتقييم ما إذا كانت العلاقة المزعومة حقيقية أم لا.
إن مطابقة اسم المورد، والرقم الضريبي، وحساب التحويل، وتفاصيل الاتصال مع البيانات الأساسية للموردين المعتمدين تسمح بالكشف عن الفواتير الاحتيالية التي تبدو سليمة من الناحية الشكلية، لكنها تشير إلى مورد غير موجود، أو لديه تفاصيل مصرفية مختلفة مسجلة في النظام، أو يتم الاتصال به من عنوان غير مصرح به.
كيفية التحقق من صحة الفاتورة قبل موافقة قسم الحسابات الدائنة على الدفع
مطابقة أوامر الشراء مع استلام البضائع
تؤكد المطابقة الثنائية أن الفاتورة تشير إلى أمر شراء حقيقي. أما المطابقة الثلاثية فتضيف تأكيدًا على استلام البضائع أو « الخدمات » قبل منح الموافقة.
يجب عزل الفواتير التي تصل دون أمر شراء مطابق، أو التي تتضمن مبالغ خارج النطاق المتفق عليه في العقد، أو المتعلقة بـ« الخدمات » التي لم يتم تأكيد تسليمها، لوضعها قيد المراجعة بدلاً من توجيهها مباشرةً إلى قائمة انتظار الدفع.
معالجة الاستثناءات لطلبات تغيير التفاصيل المصرفية
تعد طلبات تغيير البيانات المصرفية أكثر أنواع المستندات عرضة للمخاطر في أي سير عمل مالي. ولا ينبغي أبدًا معالجة أي طلب لتغيير تفاصيل حساب المستفيد أو أرقام التحويل أو تعليمات التحويل عبر المسار القياسي للموافقة على الفواتير.
يُعد التحقق خارج النطاق، مثل إجراء مكالمة رد إلى جهة اتصال معروفة لدى المورد باستخدام معلومات اتصال تم الحصول عليها من مصدر مستقل، والتفويض المزدوج، وفترة الانتظار الإلزامية، ضوابط مناسبة لهذا السيناريو بغض النظر عن مدى إقناع الوثائق الداعمة.
كيفية إنشاء مسار عمل للفواتير قائم على نهج «الثقة الصفرية» قبل وصول الملفات إلى أنظمة الشؤون المالية
يضع إطار العمل الخاص بمكافحة الاحتيال في الفواتير، الذي يركز على الوقاية في المقام الأول، ضوابط في كل نقطة دخول للوثائق، ويقوم بتقييم صحتها قبل وصول الملفات إلى صناديق البريد الوارد الخاصة بقسم الحسابات الدائنة، أو قوائم الانتظار الخاصة بنظام تخطيط موارد المؤسسة (ERP)، أو أنظمة الدفع الآلية.
طبقة التحكم | التوظيف | ما الذي يتم تقييمه | طرق الاحتيال التي تم التصدي لها |
فحص البريد الإلكتروني والمرفقات | بوابة البريد الإلكتروني أو منصة البريد الإلكتروني الآمنة | سمعة المرسل، ومصداقية النطاق، والامتثال لمعيار DMARC، ونوع المرفقات، وأنماط تسمية الملفات | رسائل بريد إلكتروني مزيفة من الموردين، ونطاقات مشابهة، ومرسلون جدد ذوو قيمة عالية |
تحليل الأصالة على مستوى الملف | نقطة استلام المستندات قبل نظام تخطيط موارد المؤسسة (ERP) أو نظام حسابات الدائنين (AP) | سلامة البيانات الوصفية، الاتساق الهيكلي، الحكم على أصالة المحتوى، مؤشرات التلاعب | ملفات PDF التي تم إنشاؤها بواسطة الذكاء الاصطناعي، والصور التي تم التلاعب بها، ووثائق الفواتير التي تم تغييرها |
فحص البرامج الضارة وإزالتها | نفس مسار الفحص المتبع في تحليل الأصالة | الرموز الخبيثة، الثغرات الأمنية، المحتوى التفاعلي غير الآمن، حمولات الماكرو | برامج ضارة تقليدية تنتقل عبر المستندات وتُوزَّع مع فواتير مزورة |
التحقق من صحة المورد وأمر الشراء | قبل قائمة انتظار الموافقة من وكالة أسوشيتد برس | مطابقة البيانات الأساسية للموردين، والتحقق من وجود أوامر الشراء، وتأكيد استلام البضائع، ومقارنة الفواتير السابقة | فواتير مزيفة من الموردين، وتحويلات مدفوعات غير مصرح بها، وفواتير خارج نطاق العقد |
توجيه الاستثناءات والتحكم المزدوج | قائمة انتظار المستندات عالية المخاطر | تغييرات في البيانات المصرفية، الموردون الجدد، المبالغ التي تتجاوز الحد الأقصى، إشارة عدم المصداقية من المراحل السابقة | الاحتيال المتعلق ببيانات الحسابات المصرفية، انتحال هوية مورد جديد، الهندسة الاجتماعية المتعلقة بالمدفوعات العاجلة |
متى تكون إجراءات التحقق من صحة المستندات مطلوبة
تُعد إجراءات التحقق من صحة المستندات مناسبة في أي مرحلة قد يؤدي فيها مستند مزور إلى إجراء تحويل مالي. وتشمل نقاط الدخول ذات الأولوية العالية استلام فواتير الموردين عبر البريد الإلكتروني، وبوابات تسجيل الموردين الجدد، ونماذج طلب تغيير البيانات المصرفية، وأي قائمة انتظار للتحميل اليدوي مرتبطة بنظام تخطيط موارد المؤسسة (ERP) أو نظام الدفع.
لا تزال المنظمات التي قامت بتحويل معالجة الفواتير إلى شبكات الفواتير الإلكترونية المنظمة بحاجة إلى ضوابط للتحقق من صحة الفواتير خلال الفترة الانتقالية، وكذلك بالنسبة لفئات المستندات التي تظل خارج نطاق الشبكة المنظمة، مثل فواتير الموردين التي تُصدر لمرة واحدة، واتفاقيات الخدمة، والمستندات المقدمة من المقاولين.
كيف يضيف «مفتش المحتوى بالذكاء الاصطناعي» من OPSWATميزة الكشف عن أصالة المستندات إلى MetaDefender
OPSWATيُعد «AI Content Inspector» من OPSWAT محركًا يعتمد على الذكاء الاصطناعي للتحقق من أصالة المحتوى وكشف التزوير في المستندات، ويُستخدم مع الصور وملفات PDF والملفات التي تحتوي على نصوص. ويُضيف هذا المحرك ميزة التحقق من المحتوى مباشرةً إلى مسار فحص الملفات في MetaDefender™، جنبًا إلى جنب مع التقنيات الحالية مثل Metascan™ Multiscanning وتقنية Deep CDR™ وProactive DLP™. ويمكن للمؤسسات التي تستخدم بالفعل منصة MetaDefender إضافة نتائج التحقق من أصالة المستندات دون الحاجة إلى الاستعانة بمزود خارجي منفصل، أو التفاوض على اتفاقية جديدة، أو إنشاء تكامل جديد.
بالنسبة لسير عمل الشؤون المالية والمشتريات، يقدم «AI Content Inspector» تقييمًا يحدد ما إذا كانت كل فاتورة أو إيصال أو طلب تغيير التفاصيل المصرفية بصيغة PDF، التي ترد عبر البريد الإلكتروني أو بوابة التحميل، سليمة أو مشبوهة أو مُنشأة بواسطة الذكاء الاصطناعي، وذلك قبل وصول المستند إلى المسؤول عن الموافقة على حسابات الدفع أو إلى قائمة انتظار إدخال البيانات في نظام تخطيط موارد المؤسسة (ERP). ويتم توجيه المستندات المشبوهة للمراجعة البشرية بدلاً من إدراجها في سير عمل الدفع.
وفقًا لاستطلاع «جمعية المهنيين الماليين» لعام 2026 حول الاحتيال في المدفوعات والضوابط المتعلقة به، تعرضت 76% من المؤسسات لمحاولات احتيال في المدفوعات أو حالات احتيال فعلية في عام 2025، حيث بلغ متوسط الخسارة لكل حادثة 133,000 دولار أمريكي. وتساهم الضوابط التي تعتمد على مبدأ «الوقاية أولاً» — والتي تعمل على اعتراض المستندات الاحتيالية عند نقطة الاستلام — في تقليل التعرض للمخاطر دون تعطيل عملية معالجة الفواتير الخاصة بالموردين الشرعيين.
اكتشف كيف يتكامل «مفتش المحتوى بالذكاء الاصطناعي» (AI Content Inspector) من شركة « OPSWAT»، المزود بخاصية الكشف عن أصالة المستندات، مع البنية الحالية لفحص الملفات لديك.
الأسئلة الشائعة
ما الذي يجعل الفواتير التي يتم إنشاؤها بواسطة الذكاء الاصطناعي أصعب في الكشف عنها مقارنةً بالفواتير المزورة التقليدية؟
عادةً ما كانت الفواتير المزيفة التقليدية تعاني من قصور في التنسيق أو العلامة التجارية أو جودة تفاصيل المعاملة. أما الفواتير التي يتم إنشاؤها بواسطة الذكاء الاصطناعي، فتستخدم نماذج توليدية لتقليد العلامة التجارية للمورد، وإنتاج بنود فواتير معقولة من حيث السياق، وتوسيع نطاق الإنتاج دون الحاجة إلى جهد يدوي. والنتيجة هي مستند مقنع من الناحيتين البصرية والسياقية ولا يحتوي على أي برامج ضارة، مما يعني أنه يجتاز كل إجراءات الرقابة الأمنية التي تقتصر على تقييم ما إذا كان الملف آمنًا لفتحه أم لا.
هل يمكن لبرامج مكافحة الفيروسات أو أنظمة أمان البريد الإلكتروني أدوات الكشف عن حالات الاحتيال في الفواتير التي تم إنشاؤها بواسطة الذكاء الاصطناعي؟
صُممت برامج مكافحة الفيروسات وأمن البريد الإلكتروني القياسية أدوات للكشف عن الأكواد الخبيثة وروابط التصيد الاحتيالي وإشارات انتحال الهوية في رؤوس الرسائل. ولا يحتوي ملف PDF الخاص بالفاتورة الذي تم إنشاؤه بواسطة الذكاء الاصطناعي على أي من هذه العناصر. ويتطلب الكشف عن مثل هذه التهديدات ضوابط تُقيّم مصداقية المحتوى والسياق التجاري، وليس ما إذا كان الملف خبيثًا من الناحية التقنية أم لا.
ما الفرق بين تنقية الملفات والتحقق من صحة المستندات؟
تعمل عملية تنقية الملفات باستخدام تقنية Deep CDR™ على إزالة المحتوى النشط والماكروات والكائنات المضمنة من المستند، وإعادة إنشاء نسخة خالية من العناصر غير المرغوب فيها من الناحية الهيكلية. أما عملية التحقق من أصالة المستند، فتقوم بتقييم ما إذا كان المحتوى يمثل مستندًا أصليًا من المصدر المزعوم، وذلك باستخدام البيانات الوصفية والإشارات الهيكلية والمحتوية. ويتعامل هذان الإجراءان مع نواقل هجوم مختلفة، وينبغي تشغيلهما معًا ضمن نفس مسار الفحص.
ما هي أنواع المستندات التي تنطوي على أعلى مخاطر الاحتيال الناتج عن الذكاء الاصطناعي؟
تُعد الفواتير بصيغة PDF، وإشعارات التحويل، والإيصالات، ونماذج طلب تغيير التفاصيل المصرفية، الأهداف الرئيسية لأنها تؤدي مباشرةً إلى إجراء تحويلات مالية. كما يمكن للذكاء الاصطناعي إنشاء مستندات مقنعة لتسجيل الموردين الجدد، وإضافات للعقود، وتأكيدات التسليم التي تُنشئ علاقة احتيالية قبل تقديم طلب الدفع. وينبغي التعامل مع أي مستند يؤدي قبوله إلى سداد مبلغ أو تغيير تعليمات الدفع على أنه مستند عالي المخاطر.
كيف يمكنك التحقيق في محاولة احتيال مشتبه بها تتعلق بفاتورة تم إنشاؤها بواسطة الذكاء الاصطناعي؟
يجب الحفاظ على الملف الأصلي، ورؤوس رسائل البريد الإلكتروني، وأي بيانات وصفية تم استخراجها أثناء الفحص. كما يجب تسجيل نتيجة التحقق من أصالة المحتوى، ونتائج التحليل الهيكلي، ونتائج مقارنة البيانات الأساسية للمورد، وسجل قرارات التوجيه. ويجب إجراء مقارنة مرجعية بين المورد المُعلن عنه وسجلات الموردين المعتمدين وسجل أوامر الشراء. ويُشكل الجمع بين الأدلة على مستوى الملف وسجلات تدقيق سير العمل دعماً لكل من التحقيقات الداخلية ومتطلبات إعداد التقارير الخارجية.
إن حالات الاحتيال في الفواتير التي يتم إنشاؤها بواسطة الذكاء الاصطناعي تتزايد بالفعل بوتيرة أسرع مما تستطيع المراجعة اليدوية التعامل معه. إن إضافة ميزة الكشف عن أصالة المستندات إلى مسار الفحص الحالي الخاص بـ « MetaDefender » يسد الفجوة بين «آمن للفتح» و«آمن للدفع» دون الحاجة إلى موردين جدد أو إعادة بناء بنية استلام المدفوعات في قسم الشؤون المالية.
