Gian lận hóa đơn do AI tạo ra là một hình thức tấn công tài chính, trong đó AI tạo sinh tạo ra các hóa đơn, biên lai và yêu cầu thanh toán giả mạo trông rất thuyết phục nhưng không chứa mã độc. Do mối đe dọa này xuất phát từ nội dung kinh doanh bị làm giả chứ không phải là mã độc có thể thực thi, nên các công cụ quét phần mềm độc hại tiêu chuẩn, các công cụ chống vi-rút và các công cụ bảo mật PDF sẽ báo cáo tài liệu đó là an toàn và cho phép nó đi qua.
Những điểm chính
- Quá trình quét tệp xác nhận rằng một tài liệu an toàn để mở, chứ không phải an toàn để thanh toán. Các công cụ phát hiện phần mềm độc hại và tính năng kiểm tra PDF có thể phát hiện các mối đe dọa dưới dạng tệp thực thi; tuy nhiên, chúng không thể đánh giá liệu nội dung kinh doanh có phải là thật hay giả mạo.
- Hiện nay, trí tuệ nhân tạo (AI) có thể tạo ra các hóa đơn có hình thức và cấu trúc thuyết phục trên quy mô lớn. Các bất thường về siêu dữ liệu , sự không nhất quán trong bố cục và các dấu hiệu nội dung chính là các yếu tố được sử dụng để phát hiện, chứ không phải các dấu hiệu nhận dạng phần mềm độc hại.
- Việc phát hiện các hóa đơn giả mạo đòi hỏi phải có các biện pháp kiểm soát ở ba cấp độ. Phân tích tính xác thực ở cấp độ tệp, xác thực hồ sơ nhà cung cấp và xử lý các trường hợp ngoại lệ ở cấp độ quy trình làm việc phải phối hợp nhịp nhàng với nhau trước khi các tài liệu được chuyển đến bộ phận AP (kế toán phải trả).
- OPSWATTính năng AI Content Inspector của [tên công ty] bổ sung kết quả đánh giá tính xác thực của nội dung vào quy trình MetaDefender™ hiện có. Không cần phải sử dụng nhà cung cấp mới hay tích hợp thêm để thực hiện kiểm tra tính xác thực của tài liệu song song với quá trình quét và làm sạch dữ liệu.
Hình thức gian lận hóa đơn do trí tuệ nhân tạo (AI) tạo ra trong các quy trình tài chính hiện đại
Những kẻ tấn công sử dụng trí tuệ nhân tạo tạo sinh (generative AI) không cần phải nhúng mã độc vào tài liệu. Mục tiêu của chúng là tạo ra một tài liệu đủ thuyết phục để được phê duyệt. Hiện nay, trí tuệ nhân tạo tạo sinh có thể sao chép thương hiệu của nhà cung cấp, tạo ra các chi tiết mục hàng hợp lý và phù hợp với định dạng giao dịch trên quy mô lớn, tất cả đều không chứa bất kỳ mã độc nào mà các công cụ bảo mật được thiết kế để phát hiện.
Cách các tài liệu này được đưa vào quy trình làm việc trong lĩnh vực tài chính
Các hóa đơn do trí tuệ nhân tạo (AI) tạo ra thường được gửi qua các kênh tương tự như các hóa đơn hợp lệ: tệp đính kèm PDF qua email, cổng thông tin nhà cung cấp, hộp thư chung của bộ phận tài chính và các hàng đợi tải lên thủ công được kết nối với hệ thống hoạch định nguồn lực doanh nghiệp (ERP).
Tài liệu được đưa vào quy trình rà soát trước khi bất kỳ người phê duyệt nào hoặc hệ thống đối chiếu tự động nào đánh giá xem mối quan hệ với nhà cung cấp, đơn đặt hàng (PO) hay chỉ thị thanh toán có thực hay không.
Sự khác biệt giữa gian lận hóa đơn do trí tuệ nhân tạo (AI) tạo ra và lừa đảo qua email doanh nghiệp
Hành vi lừa đảo qua email doanh nghiệp thường dựa vào việc chiếm quyền kiểm soát tài khoản hoặc mạo danh email để chuyển hướng khoản thanh toán. Trong khi đó, hành vi lừa đảo bằng hóa đơn do trí tuệ nhân tạo (AI) tạo ra không yêu cầu quyền truy cập vào bất kỳ tài khoản email nào. Chính tài liệu đó chính là công cụ tấn công. Một hóa đơn giả mạo đủ thuyết phục vẫn có thể thành công ngay cả khi được gửi từ một người gửi không quen thuộc, bởi vì người phê duyệt sẽ đánh giá nội dung tài liệu thay vì bối cảnh của người gửi.
Cả hai mối đe dọa này đều có thể được thực hiện theo nhiều lớp. Một email bị giả mạo hoặc bị xâm nhập chứa hóa đơn do trí tuệ nhân tạo (AI) tạo ra sẽ củng cố hành vi lừa đảo đồng thời ở cả lớp người gửi và lớp nội dung, khiến việc phát hiện trở nên khó khăn hơn tại bất kỳ điểm kiểm soát đơn lẻ nào.
Tại sao việc quét tệp không thể phát hiện nội dung hóa đơn giả mạo
Các công cụ chống vi-rút, trình quét phần mềm độc hại trong tệp PDF và công cụ phân tích tệp tĩnh sẽ phát hiện xem một tệp có chứa mã độc hay lỗ hổng khai thác hay không. Một hóa đơn do trí tuệ nhân tạo (AI) tạo ra không chứa cả hai yếu tố này. Tệp đó là một tệp PDF hoặc hình ảnh bình thường với phông chữ thông thường, cấu trúc thông thường và nội dung văn bản kinh doanh thông thường. Mọi công cụ đánh giá xem một tệp có an toàn để mở hay không đều sẽ đưa ra kết luận “sạch”, bởi vì xét về khía cạnh đó, tệp này thực sự “sạch”.
Sự khác biệt giữa “An toàn để mở cửa” và “An toàn để thanh toán”
“An toàn khi mở” có nghĩa là tệp tin đó không chứa phần mềm độc hại, lỗ hổng bảo mật hay nội dung động không an toàn. “An toàn khi thanh toán” có nghĩa là hóa đơn thể hiện nghĩa vụ thanh toán thực sự từ một nhà cung cấp thực sự đối với hàng hóa hoặc dịch vụ đã thực sự được đặt hàng và nhận. Đây là hai vấn đề hoàn toàn khác nhau. Các công cụ phát hiện mối đe dọa ( Bảo mật tập tin ) giải quyết vấn đề thứ nhất. Các biện pháp kiểm soát tài chính được thiết kế để giải quyết vấn đề thứ hai.
Hành vi gian lận hóa đơn do trí tuệ nhân tạo (AI) tạo ra lợi dụng lỗ hổng giữa hai câu hỏi đó. Một tài liệu dù vượt qua mọi kiểm tra xác thực hóa đơn ( Bảo mật tập tin ) vẫn có thể chứa lệnh thanh toán gian lận mà không có phần mềm quét mã độc nào được thiết kế để phát hiện.
Tại sao OCR và việc trích xuất siêu dữ liệu không thể chứng minh tính xác thực của tài liệu
OCR (nhận dạng ký tự quang học) trích xuất văn bản một cách chính xác nhưng không cung cấp thông tin nào về việc liệu văn bản đó có đại diện cho một giao dịch thực sự hay không. Việc trích xuất siêu dữ liệu giúp xác định công cụ tạo ra tài liệu và các dấu hiệu về thời gian, những thông tin này tuy hữu ích nhưng không thể đưa ra kết luận đáng tin cậy về nguồn gốc của tài liệu. Cả hai đều là những dữ liệu đầu vào hữu ích cho quy trình phát hiện, nhưng không thể thay thế cho việc phân tích tính xác thực của nội dung.
Những dấu hiệu nào có thể giúp phát hiện hóa đơn do trí tuệ nhân tạo (AI) tạo ra trước khi phê duyệt?
Các tài liệu do trí tuệ nhân tạo (AI) tạo ra để lại các dấu hiệu có thể phát hiện được thuộc bốn loại. Không có dấu hiệu nào riêng lẻ là quyết định, nhưng sự kết hợp của nhiều dấu hiệu sẽ hỗ trợ cho một kết luận về tính xác thực được chấm điểm độ tin cậy, từ đó có thể chuyển các tài liệu đáng ngờ sang bộ phận kiểm tra thủ công trước khi chúng được chuyển đến bộ phận AP (khoản phải trả).
Loại tín hiệu | Những điều cần lưu ý | Tại sao nó trọng yếu |
Siêu dữ liệu và cấu trúc tệp | Công cụ tạo tài liệu không phù hợp với phần mềm đã biết của nhà cung cấp, có những điểm bất thường trong lịch sử chỉnh sửa, siêu dữ liệu của người tạo tài liệu không nhất quán, các đường dẫn hiển thị bất thường | Các hóa đơn hợp lệ từ một nhà cung cấp uy tín thường có những đặc điểm cấu trúc dễ nhận biết; trong khi đó, các tài liệu do trí tuệ nhân tạo (AI) tạo ra thường xuất hiện những điểm không khớp về công cụ hoặc siêu dữ liệu mà người kiểm duyệt không thể phát hiện được |
Bố cục và tính nhất quán về mặt hình ảnh | Sự lệch phông chữ giữa các phần, khoảng cách không đều, hiện tượng méo mó trên logo, lỗi căn chỉnh, các mẫu hình ảnh lặp lại từ kết quả tạo ra bởi thuật toán | Các công cụ tạo hình ảnh và tài liệu bằng trí tuệ nhân tạo (AI) có thể tạo ra các sản phẩm có tính thuyết phục về mặt thị giác, nhưng vẫn chứa những sai sót nhỏ về tính nhất quán trong cấu trúc tài liệu |
Nội dung và các tín hiệu ngữ nghĩa | Tổng các khoản mục không khớp với tổng phụ, cách tính thuế không phù hợp với quy định của địa phương, thông tin chuyển khoản khác với dữ liệu cơ sở của nhà cung cấp, điều khoản thanh toán bất thường đối với nhà cung cấp được yêu cầu thanh toán | Trí tuệ nhân tạo tạo sinh (Generative AI) có thể tạo ra các con số trông có vẻ hợp lý nhưng lại không qua được kiểm tra tính toán hoặc so sánh với các mẫu hóa đơn lịch sử của nhà cung cấp |
Cơ chế hoạt động của tính năng phát hiện hình ảnh
Mỗi hình ảnh được gửi lên đều được kiểm tra đồng thời trên tám tín hiệu độc lập. Không có bộ phát hiện nào đơn lẻ quyết định kết quả. Hệ thống sẽ kiểm tra nguồn gốc được khai báo của tệp — so sánh dữ liệu từ máy ảnh với thông tin xác thực do AI tạo ra — và tìm kiếm các dấu vết nén còn sót lại sau quá trình chỉnh sửa và lưu lại.
Hệ thống này phân tích “dấu vân tay” của cảm biến: đó là mẫu nhiễu mà máy ảnh thật tạo ra nhưng hình ảnh do AI tạo ra thì không có. Hành vi của các pixel lân cận, thống kê kênh màu và các mẫu tần số mà mắt người không thể nhận biết đều được xử lý như các tín hiệu riêng biệt. Đối với các tệp từ các công cụ tạo hình ảnh AI đã biết, hệ thống cũng kiểm tra xem có chứa các hình mờ nhúng như Google SynthID hay không.
Lớp phân tích bối cảnh gian lận sẽ đánh dấu các loại tài liệu có rủi ro cao trước khi đưa ra kết luận. Trong quá trình thử nghiệm, công cụ “ OPSWAT ” đã loại bỏ các dấu hiệu SynthID khỏi hơn 21.000 hình ảnh do trí tuệ nhân tạo (AI) tạo ra. Công cụ phát hiện hình mờ không phát hiện ra bất kỳ hình ảnh nào trong số đó, nhưng các tín hiệu phân tích pháp y và phân loại sâu vẫn đạt độ chính xác phát hiện trên 90%, khẳng định rằng hệ thống này không chỉ dựa vào hình mờ hay siêu dữ liệu.
Trên tổng số hơn 1,1 triệu hình ảnh được kiểm tra so với kết quả đầu ra từ hơn 20 mô hình AI, độ chính xác tổng thể đạt khoảng 95%. Các kết quả không chắc chắn sẽ được gắn điểm tin cậy và chuyển sang cho con người xem xét thay vì bị chặn tự động.
Cơ chế hoạt động của tính năng phát hiện văn bản
Việc kiểm tra văn bản hoạt động theo nguyên lý tương tự như kiểm tra hình ảnh: tám tín hiệu độc lập cùng lúc quét cùng một tài liệu, mỗi tín hiệu tập trung vào một nội dung khác nhau.
Khả năng dự đoán từ đo lường mức độ dự đoán được của từng từ tiếp theo. Nhịp điệu câu kiểm tra xem nhịp độ có thay đổi theo cách tương tự như văn bản do con người viết hay không. Văn bản do AI tạo ra thường có nhịp điệu đều đặn một cách đáng ngờ. Thống kê đơn vị từ theo dõi thứ hạng của từng từ so với tất cả các lựa chọn khả dĩ tại vị trí đó trong văn bản. Các mẫu từ vựng đánh giá phạm vi, mức độ lặp lại và cách lựa chọn từ trong toàn bộ tài liệu. Phong cách và cấu trúc văn bản tìm kiếm những dấu ấn phong cách nhất quán xuyên suốt toàn bộ tài liệu.
Siêu dữ liệu và nguồn gốc giúp kiểm tra Thông tin xác thực nội dung và lịch sử tài liệu. Quá trình phát hiện mô hình AI sử dụng các bộ phân loại được huấn luyện để phân biệt văn bản do con người viết với văn bản do AI tạo ra. Một số mô hình còn nhúng các dấu hiệu thống kê trực tiếp vào kết quả đầu ra của chúng. Hệ thống cũng kiểm tra các dấu hiệu này. Trong các thử nghiệm đối chiếu với kết quả đầu ra từ các mô hình của OpenAI, Anthropic, Llama, Mistral và Meta, độ chính xác phát hiện đã đạt trên 90%.
Cách xác thực hồ sơ nhà cung cấp tạo thêm một lớp phát hiện thứ hai
Các tín hiệu ở cấp độ tệp giúp đánh giá xem tài liệu có vẻ xác thực hay không. Việc xác thực hồ sơ nhà cung cấp giúp đánh giá xem mối quan hệ được khai báo có thực sự tồn tại hay không.
Việc đối chiếu tên nhà cung cấp, mã số thuế, tài khoản chuyển tiền và thông tin liên hệ với dữ liệu cơ sở nhà cung cấp đã được phê duyệt sẽ giúp phát hiện các hóa đơn gian lận – những hóa đơn có cấu trúc hợp lệ nhưng lại đề cập đến một nhà cung cấp không tồn tại, có thông tin ngân hàng lưu trong hồ sơ khác với thực tế, hoặc được gửi từ một địa chỉ không được ủy quyền.
Cách xác minh tính xác thực của hóa đơn trước khi bộ phận kế toán phải trả phê duyệt thanh toán
Đối chiếu đơn đặt hàng và phiếu nhập hàng
Việc đối chiếu hai bên giúp xác nhận rằng hóa đơn đó liên quan đến một đơn đặt hàng thực tế. Việc đối chiếu ba bên giúp xác nhận thêm rằng hàng hóa hoặc dịch vụ đã được nhận trước khi phê duyệt được cấp.
Các hóa đơn được gửi đến mà không kèm theo đơn đặt hàng tương ứng, có số tiền nằm ngoài phạm vi đã thỏa thuận trong hợp đồng, hoặc liên quan đến các dịch vụ chưa được xác nhận là đã hoàn thành cần được tạm giữ để xem xét thay vì chuyển thẳng vào hàng đợi thanh toán.
Xử lý ngoại lệ đối với các yêu cầu thay đổi thông tin chi tiết tài khoản ngân hàng
Các yêu cầu thay đổi thông tin tài khoản ngân hàng là loại tài liệu có mức độ rủi ro cao nhất trong bất kỳ quy trình tài chính nào. Yêu cầu thay đổi thông tin tài khoản người thụ hưởng, mã định tuyến hoặc hướng dẫn chuyển tiền tuyệt đối không được xử lý thông qua quy trình phê duyệt hóa đơn tiêu chuẩn.
Các biện pháp xác minh ngoài kênh, chẳng hạn như gọi lại cho một người liên hệ đã biết tại nhà cung cấp bằng thông tin liên hệ thu thập từ nguồn độc lập, xác thực kép và thời gian tạm giữ bắt buộc, là các biện pháp kiểm soát phù hợp cho tình huống này, bất kể tài liệu chứng minh có vẻ thuyết phục đến đâu.
Cách xây dựng quy trình xử lý hóa đơn theo mô hình Zero-Trust trước khi các tệp tin được chuyển đến hệ thống tài chính
Một khung giải pháp phòng chống gian lận hóa đơn lấy phòng ngừa làm ưu tiên hàng đầu sẽ triển khai các biện pháp kiểm soát tại mọi điểm nhập liệu tài liệu và đánh giá tính xác thực trước khi các tệp tin được chuyển đến hộp thư đến của bộ phận thanh toán, hàng đợi nhập liệu hệ thống ERP (quản lý nguồn lực doanh nghiệp) hoặc các hệ thống thanh toán tự động.
Lớp điều khiển | Vị trí | Những nội dung được đánh giá | Các phương thức lừa đảo đã được xử lý |
Kiểm tra email và tệp đính kèm | Cổng email hoặc nền tảng email an toàn | Danh tiếng người gửi, tính xác thực của tên miền, sự tuân thủ DMARC, loại tệp đính kèm và các mẫu đặt tên | Email giả mạo từ nhà cung cấp, tên miền trông giống hệt, người gửi lần đầu có giá trị cao |
Phân tích tính xác thực ở cấp độ tệp | Điểm nhập liệu trước hệ thống ERP hoặc AP | Tính toàn vẹn của siêu dữ liệu, tính nhất quán về cấu trúc, kết luận về tính xác thực của nội dung, các chỉ số cho thấy có sự can thiệp | Các tệp PDF do trí tuệ nhân tạo (AI) tạo ra, hình ảnh bị chỉnh sửa, hóa đơn bị thay đổi |
Quét và khử mã độc | Quy trình kiểm tra giống như quy trình phân tích tính xác thực | Mã độc, lỗ hổng bảo mật, nội dung tương tác không an toàn, tải trọng macro | Phần mềm độc hại truyền thống lây lan qua tài liệu được gửi kèm theo các hóa đơn lừa đảo |
Xác minh nhà cung cấp và đơn đặt hàng | Trước hàng đợi phê duyệt AP | So khớp dữ liệu chủ về nhà cung cấp, kiểm tra sự tồn tại của đơn đặt hàng, xác nhận nhận hàng, so sánh hóa đơn trong quá khứ | Hóa đơn giả mạo của nhà cung cấp, chuyển hướng thanh toán trái phép, lập hóa đơn ngoài phạm vi hợp đồng |
Định tuyến ngoại lệ và kiểm soát kép | Hàng đợi tài liệu có rủi ro cao | Thay đổi thông tin tài khoản ngân hàng, nhà cung cấp mới, các khoản tiền vượt ngưỡng, cờ cảnh báo về tính xác thực từ các tầng kiểm tra trước đó | Gian lận thông tin tài khoản ngân hàng, mạo danh nhà cung cấp mới, kỹ thuật xã hội liên quan đến thanh toán khẩn cấp |
Khi nào cần thực hiện các biện pháp kiểm soát tính xác thực của tài liệu
Các biện pháp kiểm soát tính xác thực của tài liệu là cần thiết tại bất kỳ khâu nào mà tài liệu giả mạo có thể dẫn đến giao dịch chuyển tiền. Các điểm kiểm soát ưu tiên cao bao gồm việc tiếp nhận hóa đơn nhà cung cấp qua email, các cổng thông tin đăng ký nhà cung cấp, biểu mẫu yêu cầu thay đổi thông tin tài khoản ngân hàng, và bất kỳ hàng đợi tải lên thủ công nào được kết nối với hệ thống ERP hoặc hệ thống thanh toán.
Các tổ chức đã chuyển sang xử lý hóa đơn thông qua các mạng lưới hóa đơn điện tử có cấu trúc vẫn cần thực hiện các biện pháp kiểm soát tính xác thực trong giai đoạn chuyển tiếp và đối với các loại tài liệu vẫn nằm ngoài mạng lưới có cấu trúc này, chẳng hạn như hóa đơn một lần từ nhà cung cấp, hợp đồng dịch vụ và các tài liệu do nhà thầu nộp.
Cách công cụ AI Content Inspector của OPSWATbổ sung tính năng phát hiện tính xác thực của tài liệu vào MetaDefender
OPSWATCông cụ Kiểm tra Nội dung bằng Trí tuệ Nhân tạo (AI Content Inspector) của OPSWAT là công cụ dựa trên trí tuệ nhân tạo chuyên phát hiện tính xác thực của nội dung và gian lận tài liệu đối với hình ảnh, tệp PDF và các tệp chứa văn bản. Công cụ này tích hợp tính năng xác minh nội dung trực tiếp vào quy trình kiểm tra tệp của MetaDefender™, cùng với các công nghệ hiện có như Metascan™ Multiscanning, Công nghệ Deep CDR™ và Proactive DLP™. Các tổ chức đang sử dụng nền tảng MetaDefender có thể bổ sung kết quả đánh giá tính xác thực của tài liệu mà không cần triển khai nhà cung cấp bên thứ ba, đàm phán thỏa thuận mới hoặc xây dựng tích hợp mới.
Đối với các quy trình làm việc trong lĩnh vực tài chính và mua sắm, AI Content Inspector đưa ra kết luận “hợp lệ”, “nghi ngờ” hoặc “do AI tạo ra” cho từng hóa đơn PDF, biên lai hoặc yêu cầu thay đổi thông tin tài khoản ngân hàng được gửi qua email hoặc cổng tải lên, trước khi tài liệu đó đến tay người phê duyệt khoản phải trả hoặc vào hàng đợi nhập liệu của hệ thống ERP. Các tài liệu nghi ngờ sẽ được chuyển đến bộ phận kiểm tra thủ công thay vì được đưa vào quy trình thanh toán.
Theo Khảo sát về Gian lận và Kiểm soát Thanh toán năm 2026 của Hiệp hội Chuyên gia Tài chính (AFP), 76% tổ chức đã gặp phải các vụ gian lận thanh toán (dưới hình thức cố gắng thực hiện hoặc đã xảy ra) trong năm 2025, với mức thiệt hại trung bình mỗi vụ lên tới 133.000 USD. Các biện pháp kiểm soát ưu tiên phòng ngừa, giúp phát hiện và chặn các tài liệu gian lận ngay tại khâu nhập liệu, giúp giảm thiểu rủi ro mà không làm gián đoạn quy trình xử lý hóa đơn đối với các nhà cung cấp hợp pháp.
Khám phá cách công cụ AI Content Inspector của OPSWAT, với tính năng phát hiện tính xác thực của tài liệu, có thể tích hợp vào kiến trúc kiểm tra tệp hiện tại của bạn như thế nào.
Hỏi đáp
Điều gì khiến các hóa đơn do trí tuệ nhân tạo (AI) tạo ra khó phát hiện hơn so với các hóa đơn giả mạo truyền thống?
Các hóa đơn giả mạo truyền thống thường có sai sót về định dạng, nhận diện thương hiệu hoặc chất lượng chi tiết giao dịch. Hóa đơn do AI tạo ra sử dụng các mô hình sinh thành để tái tạo nhận diện thương hiệu của nhà cung cấp, tạo ra các mục chi tiết phù hợp với ngữ cảnh và mở rộng quy mô sản xuất mà không cần can thiệp thủ công. Kết quả là một tài liệu thuyết phục cả về mặt hình thức lẫn ngữ cảnh và không chứa phần mềm độc hại, điều này có nghĩa là nó sẽ vượt qua mọi biện pháp kiểm soát an ninh chỉ đánh giá xem tệp có an toàn để mở hay không.
Các công cụ chống vi-rút hoặc bảo mật email có thể phát hiện hành vi gian lận hóa đơn do trí tuệ nhân tạo tạo ra không?
Các công cụ chống vi-rút và bảo mật email tiêu chuẩn được thiết kế để phát hiện mã độc, liên kết lừa đảo và các dấu hiệu mạo danh trong tiêu đề tin nhắn. Một tệp PDF hóa đơn do trí tuệ nhân tạo (AI) tạo ra không chứa bất kỳ yếu tố nào trong số đó. Việc phát hiện đòi hỏi các biện pháp kiểm soát đánh giá tính xác thực của nội dung và bối cảnh kinh doanh, chứ không phải dựa trên việc tệp đó có phải là mã độc về mặt kỹ thuật hay không.
Sự khác biệt giữa việc làm sạch tệp và xác minh tính xác thực của tài liệu là gì?
Quá trình làm sạch tệp bằng công nghệ Deep CDR™ loại bỏ nội dung hoạt động, macro và các đối tượng nhúng khỏi tài liệu, đồng thời tái tạo một phiên bản có cấu trúc sạch. Quá trình xác minh tính xác thực của tài liệu đánh giá xem nội dung đó có phải là tài liệu chính hãng từ nguồn được tuyên bố hay không, thông qua việc phân tích siêu dữ liệu, cấu trúc và các dấu hiệu nội dung. Cả hai biện pháp kiểm soát này đều nhằm đối phó với các phương thức tấn công khác nhau và nên được thực hiện song song trong cùng một quy trình kiểm tra.
Những loại tài liệu nào có nguy cơ gian lận do trí tuệ nhân tạo (AI) tạo ra cao nhất?
Hóa đơn PDF, thông báo chuyển tiền, biên lai và mẫu đơn yêu cầu thay đổi thông tin tài khoản ngân hàng là những mục tiêu chính vì chúng trực tiếp kích hoạt các giao dịch chuyển tiền. Trí tuệ nhân tạo (AI) cũng có thể tạo ra các tài liệu đăng ký nhà cung cấp, phụ lục hợp đồng và xác nhận giao hàng có vẻ thuyết phục, nhằm thiết lập một mối quan hệ gian lận trước khi yêu cầu thanh toán được gửi đi. Bất kỳ tài liệu nào, nếu được chấp nhận, sẽ dẫn đến việc thanh toán hoặc thay đổi hướng dẫn thanh toán đều cần được coi là có rủi ro cao.
Làm thế nào để điều tra một vụ nghi ngờ gian lận hóa đơn do trí tuệ nhân tạo (AI) tạo ra?
Bảo toàn bản gốc của tệp tin, các tiêu đề email và mọi siêu dữ liệu được trích xuất trong quá trình kiểm tra. Ghi lại kết luận về tính xác thực của nội dung, kết quả phân tích cấu trúc, kết quả so sánh dữ liệu chủ của nhà cung cấp và nhật ký quyết định chuyển tiếp. Đối chiếu nhà cung cấp được đề cập với hồ sơ nhà cung cấp đã được phê duyệt và lịch sử đơn đặt hàng. Sự kết hợp giữa bằng chứng ở cấp độ tệp tin và hồ sơ kiểm toán quy trình làm việc sẽ hỗ trợ cả việc điều tra nội bộ lẫn các yêu cầu báo cáo bên ngoài.
Tình trạng gian lận hóa đơn do trí tuệ nhân tạo (AI) tạo ra đang gia tăng với tốc độ nhanh hơn khả năng xử lý của quy trình kiểm tra thủ công. Việc tích hợp tính năng phát hiện tính xác thực của tài liệu vào quy trình kiểm tra “ MetaDefender ” hiện có của quý công ty sẽ giúp thu hẹp khoảng cách giữa “an toàn để mở” và “an toàn để thanh toán” mà không cần phải sử dụng nhà cung cấp mới hay tái cấu trúc hệ thống tiếp nhận tài chính của quý công ty.
