人工智能尚未淘汰的五大支付安全教训

金融科技公司 Finastra 的一份 2026 年调查显示，新加坡的银行和金融科技公司正在实时支付操作中使用人工智能，这使该国领先于大多数仍在进行试点项目的区域同行。

随着人工智能在支付系统中的决策、处理和欺诈检测方面承担越来越大的份额，这一领先地位预示着该地区其他国家未来的发展趋势。

真正的风险所在

如今支付领域的大多数欺诈控制措施都是为了回答一个问题：此人是否是其声称的本人？

随着人工智能在发起和批准支付方面扮演更重要的角色，这个问题变得更加难以回答，因为标记异常的系统是围绕人类行为设计的，而不是围绕已获授权的自动化技术设计的。

当前正在发生的更重大的转变与流程有关，而非检测。

一个人工智能系统可能完全按照其配置运行，但仍会造成财务损失，因为问题在于流程是否获得授权，而不在于它最初是否应该被允许。

这是一种不同于支付安全领域过去二十年来一直防御的故障模式，也是大多数压力测试尚未能捕捉到的模式。

Sumsub 的 2026 年亚太区欺诈报告发现，合成身份欺诈同比增长了 142%，自动化攻击则增长了 388%。

另外，Mastercard 对亚太区中小企业的研究发现，47% 的企业将欺诈和安全防护列为他们最希望金融服务提供商具备的人工智能能力。

然而，尽管有 70% 的中小企业称其为高度优先事项，但只有 39% 的企业使用网络安全工具。

市场对人工智能驱动的防御措施有需求，但许多组织尚未配备与之匹配的控制措施。

新加坡的监管机构已经意识到了这一点。

《新加坡金融管理局提出的人工智能风险管理指导方针》正将人工智能风险的问责制推向董事会层面，并特别指出提示词注入和数据泄露是金融机构必须主动管理而非仅仅监控的风险。

企业实际应采取的措施

支付卡行业 (PCI) 安全标准委员会在其 9 月份的信息补充文件《人工智能系统的安全考量》中阐述的方法是经过深思熟虑的。

该方法并非将人工智能视为需要一套全新规则的领域，而是强调扩展那些已构成支付信任基础的控制领域，包括访问权限、数据保护、日志记录和事件响应，以专门覆盖人工智能系统。

评估人员和商户已经理解这一框架；将其一致地应用于人工智能可以更快地弥合差距。

在实践中，最常见的故障与创新的新型攻击关系不大，而是源于人工智能系统被赋予了超出其周边控制措施所能处理的访问权限和自主权。

五大教训

第一，在现有控制措施的框架内管理人工智能，而不是绕开它们。

无论人工智能在何处接触到持卡人数据或支付基础设施，都应全面应用基本原则：最小权限访问、静态和过境中的数据保护，以及足够详细以重构系统行为和原因的日志记录。

人工智能系统不能豁免于这些原则。

第二，确保有指定的个人对结果负责。人工智能可以为任务提供信息或执行任务，但结果的责任必须由人承担，而不是系统。

明确的签核节点，以及考虑到人工智能系统出现意外行为或被操纵的事件响应计划，可以弥补这一问责差距。

在审计或违规调查中，“是人工智能干的”不能成为一个可接受的答案。

第三，持续验证，而非仅在启动时验证一次。

人工智能系统在吸收新数据时会发生漂移和行为不一致。一个六个月前通过测试的控制措施，不一定仍在执行其设计初衷，因此必须将验证视为一项持续的运营必要工作。

第四，为遏制风险而设计，并明确人工智能的使用限制。只给予人工智能系统任务所需的访问权限和凭证，确保访问权限可以迅速撤销，并建立一个在出现问题时能直接禁用系统的简单方法。

一个基本的指导问题是：当它失灵时会发生什么？

至少，人工智能系统不应有权访问未加密的机密信息，不应做出无人能负责的决策，也不应有权访问其操作非必需的系统。

第五，加强防范操纵。面向支付的人工智能现已成为提示词注入及类似技术的目标，这些技术旨在提取数据或触发欺诈行为。

人工智能系统接受的输入和其可操作的输出，都需要与任何其他暴露的接口一样受到严格审查，因为人工智能系统通常被赋予比同类传统软件更多的隐性授权。

企业应抵制将人工智能视为需要定制化治理的特殊情况的诱惑，而应反问一个更古老、更简单的问题：这个系统是否达到了支付环境中其他所有事物都已遵守的同等注意标准？

对于新加坡及整个区域的大多数组织而言，诚实的答案是：不，还没有。

弥合这一差距需要同时关注支付环境中的人工智能系统安全，以及传统系统抵御人工智能驱动攻击的安全性。

将已有的保护持卡人数据和支付基础设施的控制措施，以同样的严谨性应用于人工智能，可以弥合大部分关键差距。

这最终考验的是，企业是否愿意将现有规则应用于其环境中一个发展速度已超越其监管能力的部分。

作者常驻新加坡，是支付卡行业 (PCI) 安全标准委员会负责亚太、欧洲、中东和非洲以及拉丁美洲和加勒比地区的区域副总裁