Jak zauważają Autorzy raportu, sektor bankowy jest jednym z najbardziej wrażliwych i narażonych na cyberataki. Technologie stosowane przez cyberprzestępców stają się coraz bardziej zaawansowane, wykorzystują AI i uczenie maszynowe. Pojawiają się nowe modele fraudów, a celem ataków częściej stają się urządzenia mobilne.
Rozwój rozwiązań w zakresie AI powoduje, że narzędzia wykorzystujące metody z tego obszaru są coraz szerzej stosowane przez przestępców. Z drugiej strony, sektor bankowy dysponuje coraz większym wolumenem danych o zachowaniu użytkowników lub przeprowadzonych transakcjach. Zastosowanie metod pozwalających na automatyczne przetwarzanie tych danych oraz automatycznie wnioskowanie, pozwoli na wczesną neutralizację zagrożeń.
Celem raportu jest przedstawienie algorytmów sztucznej inteligencji i uczenia maszynowego, które aktualnie są wykorzystywane dla celów zapewnienia cyberbezpieczeństwa oraz analiza potencjalnych możliwości przeniesienia rozwiązań opartych na AI do sektora bankowego. W dokumencie przedstawiono m.in. przegląd metod uczenia maszynowego i uczenia głębokiego (Deep Learning), zagadnienie profilowania behawioralnego oraz pojęcie śladu cyfrowego, jedno z najistotniejszych zastosowań data science w cyberbezpieczeństwie, tj. metody wykrywania anomalii oraz działalności botów.