olimposec.com
tema

#fraude

4 publicações marcadas com esta tag.

panoramaOS-2026-881 · 2026-11-06
0

Modelo formal de scambaiting agêntico sugere que a corrida armamentista entre fraude e defesa por IA favorece o defensor

Um estudo formaliza a interação entre golpistas que usam agentes de IA para escalar fraudes e agentes defensivos de «scambaiting» que se infiltram nessas conversas para extrair inteligência de ameaças, como contas de mulas e carteiras cripto. O modelo indica que a lucratividade da fraude cai abaixo de zero a partir de certo limiar de prevalência de agentes defensivos, e que, quando ambos os lados melhoram no mesmo ritmo, o investimento do defensor em qualidade de mímica supera, proporcionalmente, os ganhos do atacante em capacidade de detecção.

Fonte ↗
risco médioOS-2026-678 · 2026-10-14
0

Como preparar sua empresa para o dia em que uma voz clonada por IA chamar a área financeira

O artigo propõe um exercício estruturado de 'deepfake readiness drill' para testar, antes de um incidente real, como equipes de segurança e finanças reagem a chamadas de voz e vídeo clonadas usadas em fraudes de pagamento, reset de senha e pedidos de acesso. A ideia central é simular o cenário clássico de golpe do CEO/CFO com voz sintética para encontrar falhas no processo de verificação antes que um atacante real o explore.

Fonte ↗
risco altoOS-2026-553 · 2026-09-30
0

Benchmark expõe falhas graves de detecção de fraude em agentes de IA com autonomia para gastar dinheiro

O Agentic Commerce Bench avalia detectores de fraude contra vinte classes de golpes voltadas a agentes de IA que fazem pagamentos autônomos, incluindo casos em que a contraparte é legítima mas cobra a mais. Um scanner de segurança amplamente usado zerou em todas as quatro classes de fraude detectáveis pela camada de raciocínio do agente, e o valor mediano das transações (US$ 0,007) torna a revisão humana economicamente inviável — 143 vezes mais cara que o próprio pagamento analisado.

Fonte ↗
risco médioOS-2026-465 · 2026-09-18
0

Pesquisa identifica provedores de LLM inflando cobranças ao alongar respostas artificialmente, e 7 de 15 APIs reais são sinalizadas

Em serviços de LLM cobrados por token, provedores desonestos podem manipular a geração para inflar o número de tokens de saída preservando a utilidade da tarefa — o que os autores batizam de Provider-Side Token Inflation Attack (PTIA). Um método de auditoria por sonda única, sem precisar de modelo de referência confiável, detecta esse comportamento com 85,1% de acerto médio e menos de 2% de falsos positivos, e ao aplicá-lo a 15 serviços comerciais reais de API LLM, sinalizou 7 deles como consistentes com PTIA.

Fonte ↗