ಪಾವತಿಗಳಲ್ಲಿ ಎ: ಇದು ಇನ್ನು ಮುಂದೆ ವಂಚನೆಯನ್ನು ಪತ್ತೆ ಮಾಡುವುದಿಲ್ಲ, ಅದು ನೀವಲ್ಲದಿದ್ದಾಗ ನೀವು ಶಾಪಿಂಗ್ ಮಾಡುವುದು ಹೇಗೆ ಎಂಬುದನ್ನು ಗುರುತಿಸಲು ಈಗ ಕಲಿಯುತ್ತದೆ

ಡಿಜಿಟಲ್ ಪಾವತಿಗಳ ಬೆಳವಣಿಗೆಯು ಹಣಕಾಸಿನ ವಂಚನೆಯ ಮೌನ ರೂಪಾಂತರದೊಂದಿಗೆ ಸೇರಿಕೊಂಡಿದೆ. ಒಂದು ಕಾಲದಲ್ಲಿ ಮುಖ್ಯವಾಗಿ ರುಜುವಾತು ಕಳ್ಳತನ ಅಥವಾ ಕಾರ್ಡ್ ಕ್ಲೋನಿಂಗ್ ಅನ್ನು ಅವಲಂಬಿಸಿದ್ದವು ಈಗ ಸಾಮಾಜಿಕ ಎಂಜಿನಿಯರಿಂಗ್, ಸಂಶ್ಲೇಷಿತ ಗುರುತುಗಳು ಮತ್ತು ದಾಳಿಗಳನ್ನು ಹೆಚ್ಚು ಮನವರಿಕೆಯಾಗುವ ಮತ್ತು ಸ್ಕೇಲೆಬಲ್ ಮಾಡುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಾಧನಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಈ ಸನ್ನಿವೇಶದಲ್ಲಿ, ಬ್ಯಾಂಕುಗಳು, ಫಿನ್‌ಟೆಕ್‌ಗಳು ಮತ್ತು ಕಂಪನಿಗಳು ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾದ ಸವಾಲನ್ನು ಎದುರಿಸುತ್ತಿವೆ: ಡಿಜಿಟಲ್ ಪಾವತಿಗಳನ್ನು ನಿರೂಪಿಸುವ ವೇಗ ಮತ್ತು ಸರಳತೆಗೆ ಧಕ್ಕೆಯಾಗದಂತೆ ಬಳಕೆದಾರರನ್ನು ರಕ್ಷಿಸುವುದು.

ಬ್ರೆಜಿಲಿಯನ್ ಫೋರಮ್ ಫಾರ್ ಪಬ್ಲಿಕ್ ಸೆಕ್ಯುರಿಟಿ (FBSP) ಜೊತೆಗಿನ ಸಹಭಾಗಿತ್ವದಲ್ಲಿ ಡಾಟಾಫೋಲ್ಹಾ ಇನ್ಸ್ಟಿಟ್ಯೂಟ್ ನಡೆಸಿದ ಸಮೀಕ್ಷೆಯ ಪ್ರಕಾರ, ಜುಲೈ 2024 ಮತ್ತು ಜುಲೈ 2025 ರ ನಡುವೆ ಸುಮಾರು 24 ಮಿಲಿಯನ್ ಬ್ರೆಜಿಲಿಯನ್ನರು ಪಿಕ್ಸ್, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್‌ಗಳು ಮತ್ತು ಪಾವತಿ ಸ್ಲಿಪ್‌ಗಳನ್ನು ಒಳಗೊಂಡ ಹಣಕಾಸಿನ ಹಗರಣಗಳಿಗೆ ಬಲಿಯಾಗಿದ್ದಾರೆ, ಇದು ಸುಮಾರು R$29 ಬಿಲಿಯನ್ ನಷ್ಟವನ್ನುಂಟುಮಾಡಿದೆ ಎಂದು ಅಂದಾಜಿಸಲಾಗಿದೆ. ಇದಲ್ಲದೆ, ಭ್ರಷ್ಟಾಚಾರ ಮತ್ತು ಹಣ ವರ್ಗಾವಣೆಯನ್ನು ಎದುರಿಸಲು ರಾಷ್ಟ್ರೀಯ ಕಾರ್ಯತಂತ್ರದ (ENCCLA) ಮಾಹಿತಿಯು ಅರ್ಧಕ್ಕಿಂತ ಹೆಚ್ಚು ಬ್ರೆಜಿಲಿಯನ್ನರು ಈಗಾಗಲೇ ಕೆಲವು ರೀತಿಯ ಆರ್ಥಿಕ ವಂಚನೆಯನ್ನು ಅನುಭವಿಸಿದ್ದಾರೆ ಎಂದು ಸೂಚಿಸುತ್ತದೆ.

ಇಂದು, ಹಣಕಾಸು ವಲಯದಲ್ಲಿ ಅಪಾಯ ನಿರ್ವಹಣೆಯನ್ನು ಮೂರು ಪ್ರವೃತ್ತಿಗಳು ಮರು ವ್ಯಾಖ್ಯಾನಿಸುತ್ತಿವೆ. ಒಂದೆಡೆ, ವಂಚನೆ ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿದೆ ಮತ್ತು ಸಾಮಾಜಿಕ ಎಂಜಿನಿಯರಿಂಗ್ ಮತ್ತು ಉತ್ಪಾದಕ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಬಳಕೆಯಿಂದ ನಡೆಸಲ್ಪಡುವ ಸ್ವಭಾವದಲ್ಲಿ ಬದಲಾಗಿದೆ. ಮತ್ತೊಂದೆಡೆ, ನಿಯಂತ್ರಣವು ನೈಜ-ಸಮಯ, ಪಾರದರ್ಶಕ ಮತ್ತು ಲೆಕ್ಕಪರಿಶೋಧಿಸಬಹುದಾದ ಮೇಲ್ವಿಚಾರಣಾ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಬಯಸುತ್ತದೆ. ಮತ್ತು ಅಂತಿಮವಾಗಿ, ರಕ್ಷಣೆಯು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಪಾವತಿ ಅನುಭವವನ್ನು ರಾಜಿ ಮಾಡಿಕೊಳ್ಳದೆ ಬಳಕೆದಾರರನ್ನು ರಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಕಡಿಮೆ-ಘರ್ಷಣೆ ದೃಢೀಕರಣ ಕಾರ್ಯವಿಧಾನಗಳ ಮೇಲೆ ಹೆಚ್ಚು ಅವಲಂಬಿತವಾಗುತ್ತಿದೆ.

ಪ್ರತಿದಿನ ಬೆಳಿಗ್ಗೆ, ಅದೇ ಸಮಯದಲ್ಲಿ ಮತ್ತು ಅದೇ ಕಾಫಿ ಅಂಗಡಿಯಲ್ಲಿ ಕಾಫಿ ಖರೀದಿಸುವ ಗ್ರಾಹಕರನ್ನು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ಇದ್ದಕ್ಕಿದ್ದಂತೆ, ಕೆಲವು ನಿಮಿಷಗಳ ನಂತರ, ಬೇರೆ ಸಾಧನದಲ್ಲಿ ಮತ್ತು ಬೇರೆ ನಗರದಲ್ಲಿ ಮಾಡಲಾದ ಹೆಚ್ಚಿನ ಮೌಲ್ಯದ ಖರೀದಿ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ. ಆ ಕ್ಷಣದಲ್ಲಿ, ಪ್ರಮುಖ ಪ್ರಶ್ನೆ "ಪಾಸ್‌ವರ್ಡ್ ಏನು?" ಅಲ್ಲ, ಆದರೆ "ಈ ಗ್ರಾಹಕರಿಗೆ ಈ ನಡವಳಿಕೆ ಅರ್ಥಪೂರ್ಣವಾಗಿದೆಯೇ?". ಇದು ವಂಚನೆ ತಡೆಗಟ್ಟುವಿಕೆಯ ಹೊಸ ಗಡಿಯಾಗಿದೆ: ಪಾಸ್‌ವರ್ಡ್‌ಗಳು ಅಥವಾ ರುಜುವಾತುಗಳನ್ನು ಮಾತ್ರ ಅವಲಂಬಿಸುವ ಬದಲು, ಪಾವತಿಸುವ ವ್ಯಕ್ತಿಯು ಅವರಲ್ಲದಿದ್ದಾಗ ಪ್ರತಿಯೊಬ್ಬ ವ್ಯಕ್ತಿಯು ಹೇಗೆ ಶಾಪಿಂಗ್ ಮಾಡುತ್ತಾರೆ ಎಂಬುದನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಕಲಿಯುತ್ತದೆ.

ಉದ್ಯಮದ ಪ್ರತಿಕ್ರಿಯೆಯು ಪೂರ್ವನಿರ್ಧರಿತ ನಿಯಮಗಳನ್ನು ಅನ್ವಯಿಸುವುದಲ್ಲದೆ, ನಡವಳಿಕೆಗಳನ್ನು ಅರ್ಥೈಸುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಮಾದರಿಗಳನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಖರೀದಿ ಆವರ್ತನ, ಸಾಮಾನ್ಯ ಮೌಲ್ಯಗಳು, ಸಮಯಗಳು, ಸ್ಥಳ, ಬಳಸಿದ ಸಾಧನಗಳು ಮತ್ತು ಸ್ಥಾಪನೆಗಳ ಪ್ರಕಾರಗಳು ಕ್ರಿಯಾತ್ಮಕ ಗ್ರಾಹಕ ಅಪಾಯದ ಪ್ರೊಫೈಲ್‌ಗಳನ್ನು ನಿರ್ಮಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುವ ಕೆಲವು ಸಂಕೇತಗಳಾಗಿವೆ. ವಹಿವಾಟು ಈ ಮಾದರಿಯಿಂದ ಗಮನಾರ್ಹವಾಗಿ ವಿಚಲನಗೊಂಡಾಗ, ಕಾರ್ಯಾಚರಣೆಯನ್ನು ಅಧಿಕೃತಗೊಳಿಸುವ ಮೊದಲು ವ್ಯವಸ್ಥೆಗಳು ವೈಪರೀತ್ಯಗಳನ್ನು ಗುರುತಿಸಬಹುದು ಮತ್ತು ಅಪಾಯದ ಮಟ್ಟವನ್ನು ನಿರ್ಣಯಿಸಬಹುದು.

ಈ ಬದಲಾವಣೆಯು ಆರ್ಥಿಕ ಅಗತ್ಯಕ್ಕೂ ಸ್ಪಂದಿಸುತ್ತದೆ. ವಂಚನೆಯನ್ನು ಎದುರಿಸುವುದರ ಜೊತೆಗೆ, ಸಂಸ್ಥೆಗಳು ಸುಳ್ಳು ಧನಾತ್ಮಕ ಎಂದು ಕರೆಯಲ್ಪಡುವ, ಶಂಕಿತ ಅಪಾಯದಿಂದಾಗಿ ತಿರಸ್ಕರಿಸಲ್ಪಟ್ಟ ಕಾನೂನುಬದ್ಧ ವಹಿವಾಟುಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಬೇಕಾಗುತ್ತದೆ. ಬ್ಯಾಂಕುಗಳು, ಫಿನ್‌ಟೆಕ್‌ಗಳು ಮತ್ತು ಕಂಪನಿಗಳಿಗೆ, ಸವಾಲು ಎಂದರೆ ಮೋಸದ ಚಟುವಟಿಕೆಗಳನ್ನು ನಿರ್ಬಂಧಿಸುವುದು ಮಾತ್ರವಲ್ಲ, ಅನಗತ್ಯ ಘರ್ಷಣೆಯನ್ನು ಉಂಟುಮಾಡದೆ ಅಥವಾ ಕಾನೂನುಬದ್ಧ ಪಾವತಿಗಳ ಪರಿವರ್ತನೆಯ ಮೇಲೆ ಪರಿಣಾಮ ಬೀರದಂತೆ ಮಾಡುವುದು.

ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯ ಮೇಲಿನ ಒತ್ತಡ ಹೆಚ್ಚಾಗುವ ನಿರೀಕ್ಷೆಯಿದೆ. ಗ್ಲೋಬಲ್‌ಡೇಟಾ ನಡೆಸಿದ ಅಧ್ಯಯನವು, ಪಿಕ್ಸ್ ಮೂಲಕ ವಂಚನೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ನಷ್ಟಗಳು 2028 ರ ವೇಳೆಗೆ ವರ್ಷಕ್ಕೆ ಸುಮಾರು R$11 ಬಿಲಿಯನ್ ತಲುಪಬಹುದು ಎಂದು ಅಂದಾಜಿಸಿದೆ, ಆದರೆ ಸೆರಾಸಾ ಎಕ್ಸ್‌ಪೀರಿಯನ್‌ನ ದತ್ತಾಂಶವು 2025 ರಲ್ಲಿ ಬ್ರೆಜಿಲಿಯನ್ ವಾಣಿಜ್ಯದಲ್ಲಿ ಪ್ರತಿ ಎರಡು ನಿಮಿಷಕ್ಕೆ ವಂಚನೆಗೆ ಪ್ರಯತ್ನ ನಡೆಯುತ್ತಿದೆ ಎಂದು ತೋರಿಸುತ್ತದೆ. ಈ ಸನ್ನಿವೇಶದಲ್ಲಿ, ಅಪಾಯ ನಿರ್ವಹಣೆ ಕೇವಲ ರಕ್ಷಣಾತ್ಮಕ ಕಾರ್ಯವಾಗುವುದನ್ನು ನಿಲ್ಲಿಸುತ್ತದೆ ಮತ್ತು ಡಿಜಿಟಲ್ ಹಣಕಾಸು ಅನುಭವದ ಕಾರ್ಯತಂತ್ರದ ಅಂಶವಾಗುತ್ತದೆ.

*ರೊಡ್ರಿಗೋ ರಾಡ್ರಿಗಸ್, ಸಿಒಒ ಮತ್ತು ಅಕುವಾದ ಸಹ-ಸಂಸ್ಥಾಪಕ