پرش به محتوای اصلی
پرش به محتوای مقاله

مسترکارت: شناسایی تراکنش‌های عامل‌های هوش مصنوعی با امتیاز احتمال

·۱۳ مهر ۱۴۰۵۲ دقیقه مطالعه۱ بازدید
مسترکارت می‌داند کدام عامل بوده است. اینجا ببینید چطور شما هم می‌فهمید.
مسترکارت می‌داند کدام عامل بوده است. اینجا ببینید چطور شما هم می‌فهمید.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

تغییر پارادایم از «مسدود کردن تراکنش‌های غیرانسانی» به «امتیازدهی به اعتبار عامل‌ها»؛ مسترکارت برای نخستین بار لایهٔ اعتمادی لازم برای استقلال مالی عامل‌های هوش مصنوعی را پیاده‌سازی کرد.

تصور کنید دستیار هوش مصنوعی شما بدون اینکه دکمهٔ تأیید را بزنید، بلیط هواپیما بخرد و پرداخت کند؛ اما بانک این تراکنش را به‌دلیل «الگوی غیرانسانی» مسدود کند. برای حل این چالش، مسترکارت (Mastercard) در ۳۰ سپتامبر ۲۰۲۶ یک سامانه امتیازدهی احتمالی را برای برنامهٔ Agent Pay راه‌اندازی کرد.

این سازوکار به بانک‌ها اجازه می‌دهد تراکنش‌های قانونی عامل‌محور (Agentic) — یعنی عملیاتی که توسط یک عامل (Agent) — شبیه به کارمندی دیجیتال که می‌تواند به‌جای شما تصمیم بگیرد و ابزارها را اجرا کند — انجام شده را شناسایی و تأیید کنند. طبق اعلام مسترکارت، این سیستم مانع از آن می‌شود که تراکنش‌های خودکار به‌دلیل احتیاط بیش از حد بانک‌ها، به‌عنوان کلاهبرداری علامت‌گذاری و رد شوند. این اقدام در راستای پروتکل‌های فنی جدیدی است که ویزا و مسترکارت برای استانداردسازی تجارت عامل‌ها معرفی کرده‌اند تا مفاهیم انتزاعی این حوزه را به واقعیت تبدیل کنند.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی استقلال مالی مدل‌های زبانی اشاره کردیم، شبکه‌های پرداخت سال‌هاست که هر الگوی غیرانسانی را یک ریسک می‌بینند. اما اکنون صنعت در حال تغییر رویکرد است تا تجارت‌های آغازشده توسط عامل‌ها را به‌عنوان یک دسته‌بندی درجه‌یک به‌رسمیت بشناسد.

به گزارش Relay Shield، سیستم فعلی مسترکارت فقط تشخیص می‌دهد که یک عامل در تراکنش دخیل بوده است، اما نمی‌تواند هویت دقیق آن عامل را شناسایی کند. برای رفع این نقص، Relay Shield یک چارچوب اعتمادی دو بخشی را پیشنهاد داده است:

  • هویت قابل تأیید: استفاده از امضاهای پیام HTTP (RFC 9421) و کلیدهای Ed25519 برای اثبات هویت و اعتبار یک عامل.
  • امتیاز ترکیبی: یک امتیاز ریسک از ۰ تا ۱۰۰ که با بررسی یک مجموعه دادهٔ اطلاعات تهدید، مشروعیت فروشنده یا کیف پول را می‌سنجد.

این مجموعه داده بسیار گسترده است و ۱۲۳ بازار تلگرامی را رصد می‌کند و شامل ۸.۴ میلیون استناد و ۶۶۱ هزار شاخص است. این سیستم حتی کیت‌های فیشینگ را با استفاده از شناسه‌های sha256 ردیابی می‌کند تا حملات پیامکی و ایمیلی را در لحظه متوقف کند.

این چرخش به معنای آن است که «اقتصاد عامل‌ها» از مرحلهٔ پرامپت‌های آزمایشی به استقلال مالی واقعی می‌رسد. برای کاربر، این یعنی کاهش اصطکاک در اتوماسیون؛ برای بانک، یعنی جایگزینی احتیاط کورکورانه با اعتماد داده‌محور. پیامد بعدی این تحول، انفجار تراکنش‌های خرد خودکار در مدل‌های B2B و B2C خواهد بود. البته این استقلال مالی باید با دقت در صحت عملیات همراه باشد، مشابه آنچه در سیستم لایه‌بندی شواهد BookingTruth برای جلوگیری از توهمات عامل‌ها در رزرو سفر مشاهده می‌کنیم.

گام بعدی شما

  • اگر توسعه‌دهنده هستید، استانداردهای RFC 9421 را برای امضای پیام‌ها بررسی کنید.
  • روی مدل‌های عامل‌محوری تمرکز کنید که قابلیت مدیریت کیف پول‌های دیجیتال را دارند.
  • تغییرات در سیاست‌های ضد کلاهبرداری (Fraud Detection) بانک‌های بین‌المللی را رصد کنید.

اما نبرد اصلی بر سر لایهٔ «هویت عامل» است؛ برای درک اینکه چه کسی جریان پول خودکار را کنترل می‌کند، تحلیل ما درباره استانداردهای شناسایی دیجیتال را بخوانید.

چرا این موضوع مهم است؟

این اقدام مسترکارت با تکیه بر زیرساخت‌های امنیتی سطح جهانی، ریسک پذیرش پرداخت‌های خودکار را برای بانک‌ها کاهش می‌دهد. اعتبار این مؤسسه می‌تواند باعث شود استانداردهای Agent Pay به پروتکل پیش‌فرض تجارت خودکار در جهان تبدیل شود.

تأثیر برای ایران

به‌دلیل تحریم‌های بانکی و عدم دسترسی به شبکه مسترکارت، این زیرساخت اثر مستقیمی بر تراکنش‌های داخلی ایران ندارد؛ اما برای توسعه‌دهندگان ایرانی که برای بازارهای جهانی عامل می‌سازند، تعریف استانداردهای جدید شناسایی ضروری است.

·نگاه ما
تحریریه دات‌هوش

انتقال از شناسایی «انسان یا ربات» به شناسایی «عامل معتبر یا کلاهبردار»، زیربنای مالی برای Agentic Workflowها را می‌سازد. این یعنی هوش مصنوعی از یک ابزار تولید محتوا به یک موجود اقتصادی با قدرت خرید تبدیل می‌شود. احتمالاً شاهد ظهور «اعتبار tínit» برای عامل‌های هوش مصنوعی خواهیم بود، جایی که سابقهٔ تراکنش‌های موفق یک عامل، دسترسی آن به سقف خرید بالاتری را فراهم می‌کند.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.