Ngân hàng cần bảo vệ gì khi dùng AI?

Khi ngân hàng đưa AI vào chăm sóc khách hàng, phát hiện gian lận, phân tích hồ sơ hay hỗ trợ nhân viên, câu hỏi bảo mật thường được đặt theo cách quá hẹp: mô hình có an toàn không? Trên thực tế, một mô hình tốt vẫn có thể trở thành mắt xích rủi ro nếu được dùng với dữ liệu không phù hợp, được cấp quá nhiều quyền, kết nối thiếu kiểm soát hoặc không có người chịu trách nhiệm khi xảy ra sai sót. Vì vậy, bảo mật AI trong ngân hàng không thể chỉ là việc của nhóm công nghệ. Đây là bài toán quản trị toàn bộ cách AI tiếp nhận dữ liệu, tạo câu trả lời và tác động đến hệ thống.

Rủi ro này ngày càng đáng chú ý vì AI vừa hỗ trợ phòng thủ, vừa làm tăng năng lực của bên tấn công. Báo cáo của Ngân hàng Thanh toán Quốc tế công bố tháng 9 năm 2026 cho rằng các hệ thống AI tiên tiến có thể rút ngắn thời gian tìm lỗ hổng, phát triển cách khai thác và thực hiện nhiều bước tấn công. Điều đó làm thời gian phản ứng của tổ chức tài chính ngắn hơn. Nhưng cũng chính AI có thể giúp phát hiện lỗ hổng, nhận biết tín hiệu bất thường và phản ứng nhanh hơn. Vấn đề không phải là ngân hàng có nên dùng AI hay không, mà là dùng trong giới hạn nào và kiểm soát ra sao.

1. Bảo vệ dữ liệu trước khi bảo vệ mô hình

Tài sản nhạy cảm nhất không phải lúc nào cũng là mô hình. Đó thường là dữ liệu khách hàng, thông tin tài khoản, lịch sử giao dịch, hồ sơ tín dụng, tài liệu nội bộ và các dữ liệu dùng để xác thực. Nếu nhân viên đưa những thông tin này vào một công cụ AI chưa được phê duyệt, ngân hàng có thể mất quyền kiểm soát dữ liệu ngay cả khi công cụ tạo ra câu trả lời đúng.

Điểm khởi đầu nên là phân loại dữ liệu theo mức độ nhạy cảm và xác định rõ loại dữ liệu nào được phép đi vào từng hệ thống AI. Dữ liệu dùng để thử nghiệm cần được giảm thiểu, che thông tin nhận dạng hoặc thay bằng dữ liệu giả lập khi có thể. Các kho tài liệu mà AI được phép tìm kiếm cũng cần tách biệt theo vai trò; nhân viên chỉ nên nhận được nội dung mà họ vốn có quyền xem. Nguyên tắc đơn giản là: AI không được trở thành con đường vòng để tiếp cận dữ liệu bị hạn chế.

2. Kiểm soát quyền truy cập và khả năng hành động

Một hệ thống chỉ tạo bản nháp có mức rủi ro khác với hệ thống có thể khóa tài khoản, sửa hồ sơ, gửi thông báo hoặc khởi tạo giao dịch. Vì vậy, quyền của AI cần được cấp theo nguyên tắc tối thiểu: mặc định chỉ đọc, chỉ dùng đúng nguồn dữ liệu cần thiết và không được tự thực hiện hành động có hậu quả lớn.

Con người cần phê duyệt trước các quyết định ảnh hưởng đến tiền, quyền lợi hoặc khả năng tiếp cận dịch vụ của khách hàng. Các thông tin bí mật như mật khẩu, khóa truy cập và thông tin kết nối không nên được đặt trong câu lệnh hay phần hướng dẫn của mô hình. Mọi lần truy cập dữ liệu và gọi công cụ cần được ghi lại để có thể truy vết ai đã yêu cầu, hệ thống đã dùng nguồn nào và hành động nào đã xảy ra.

3. Bảo vệ câu lệnh và các kết nối

AI có thể bị dẫn dắt bởi nội dung độc hại nằm trong câu hỏi, email, tài liệu hoặc trang web mà hệ thống được yêu cầu đọc. NIST gọi nhóm rủi ro này là tấn công vào mô hình học máy và nêu cả hình thức chèn chỉ dẫn trực tiếp lẫn gián tiếp. Một tài liệu tưởng như bình thường có thể chứa chỉ dẫn khiến AI bỏ qua quy tắc, tiết lộ thông tin hoặc sử dụng công cụ theo cách ngoài dự kiến.

Vì thế, ngân hàng không nên xem mọi nội dung đầu vào là đáng tin. Hệ thống cần tách dữ liệu khỏi chỉ dẫn, giới hạn loại công cụ mà mô hình được gọi, kiểm tra đầu ra trước khi chuyển sang bước tiếp theo và chặn các yêu cầu vượt ngoài phạm vi. Với quy trình quan trọng, ngân hàng nên dùng danh sách hành động cho phép thay vì để AI tự chọn bất kỳ thao tác nào.

4. Quản lý rủi ro từ nhà cung cấp

Một ứng dụng AI hiếm khi chỉ có một nhà cung cấp. Phía sau có thể là mô hình, giao diện kết nối, kho dữ liệu tìm kiếm, dịch vụ giám sát, tiện ích mở rộng và hạ tầng điện toán của nhiều bên. Chỉ cần một mắt xích thay đổi chính sách lưu dữ liệu, chậm vá lỗi hoặc ngừng dịch vụ, rủi ro vận hành của ngân hàng có thể tăng lên.

Ngân hàng cần có danh mục đầy đủ các thành phần AI đang sử dụng, phiên bản hiện hành, loại dữ liệu được chuyển đến từng bên và người chịu trách nhiệm. Hợp đồng cần làm rõ việc lưu trữ và sử dụng dữ liệu, thời hạn thông báo sự cố, yêu cầu vá lỗi, quyền kiểm tra và cách rút khỏi dịch vụ. Đây cũng là tinh thần của bộ thực hành đang được Hội đồng Ổn định Tài chính tham vấn: quản trị AI phải bao phủ toàn tổ chức và theo suốt quá trình phát triển, triển khai và sử dụng.

5. Theo dõi hành vi, không chỉ kiểm tra câu trả lời

Kiểm tra một vài câu trả lời trước khi đưa hệ thống vào sử dụng là chưa đủ. Rủi ro có thể xuất hiện khi mô hình được cập nhật, nguồn dữ liệu thay đổi, số lượng người dùng tăng hoặc kẻ tấn công thử những cách khai thác mới. Ngân hàng cần theo dõi hành vi của hệ thống theo thời gian: AI đang truy cập nguồn nào, tần suất gọi công cụ có bất thường không, tỷ lệ bị con người từ chối có tăng không và có dấu hiệu gửi dữ liệu ra ngoài dự kiến hay không.

Các biện pháp thực tế gồm kiểm thử tấn công định kỳ, giới hạn số lần yêu cầu, cảnh báo hành vi bất thường, lưu dấu vết đầy đủ và cơ chế dừng nhanh. Mỗi thay đổi về mô hình, câu lệnh hệ thống, nguồn dữ liệu hoặc quyền truy cập cần có phiên bản rõ ràng để có thể quay lại trạng thái an toàn. Báo cáo của BIS về AI tạo sinh và an ninh mạng cũng cho thấy lợi ích về phát hiện mối đe dọa luôn đi cùng lo ngại về lừa đảo xã hội và tiết lộ dữ liệu trái phép.

Nên bắt đầu từ đâu?

Một cách thận trọng là bắt đầu bằng quy trình nội bộ có giá trị rõ nhưng hậu quả thấp, chẳng hạn trợ lý tìm kiếm quy định và hướng dẫn nghiệp vụ. Ở giai đoạn đầu, hệ thống chỉ nên đọc nguồn đã duyệt, không tiếp cận dữ liệu giao dịch thật và không có quyền thực hiện giao dịch. Sau đó, ngân hàng đo chất lượng câu trả lời, tỷ lệ cần sửa, tình huống vượt phạm vi và khả năng truy vết trước khi mở rộng.

Mỗi trường hợp sử dụng nên được đánh giá theo ba câu hỏi: AI được thấy dữ liệu gì, AI được hỗ trợ quyết định gì và AI được phép làm gì. Nếu cả ba đều ở mức nhạy cảm cao, yêu cầu kiểm soát phải cao hơn đáng kể. Không nên mở rộng chỉ vì thử nghiệm ban đầu tạo cảm giác thuận tiện; mở rộng cần dựa trên bằng chứng về độ chính xác, khả năng kiểm soát và phương án xử lý sự cố.

Kết luận

Bảo mật AI trong ngân hàng không phải là dựng thêm một lớp bảo vệ quanh mô hình. Ngân hàng cần đồng thời bảo vệ dữ liệu, giới hạn quyền truy cập, kiểm soát các kết nối, quản lý nhà cung cấp và theo dõi hành vi trong suốt quá trình vận hành. Mô hình càng có khả năng hành động, trách nhiệm của con người càng phải rõ. Một hệ thống AI an toàn không phải là hệ thống không bao giờ sai, mà là hệ thống được thiết kế để lỗi không dễ biến thành thiệt hại và khi có sự cố, tổ chức có thể phát hiện, dừng và khôi phục nhanh.

Tài liệu tham khảo

Bank for International Settlements. (2026). When machines attack: Frontier AI cyber threats and policy responses in the financial sector.

Financial Stability Board. (2026). Sound practices for the responsible adoption of artificial intelligence.

National Institute of Standards and Technology. (2025). Adversarial machine learning: A taxonomy and terminology of attacks and mitigations.