تعتمد الأنظمة المصرفية الحديثة بشكل متزايد على مجموعة محدودة من مزودي الذكاء الاصطناعي (AI vendors) لمهام هامة مثل رصد الاحتيال، واتخاذ قرارات الائتمان، والامتثال لمكافحة غسيل الأموال، وتحليلات العملاء. وفي دراسة جديدة، تم استكشاف كيفية تأثير اختراق في أحد هؤلاء المزودين على النظام بشكل شامل، حيث يمكن أن ينتشر التأثير عبر سلسلة من الترابطات التشغيلية والمعلوماتية والمالية.

تقديم نموذج CFC-Prop، وهو نموذج للإصابات والعلاج يعكف على بناء شبكة تتكون من أربعة طبقات تربط بين مزودي الذكاء الاصطناعي والمؤسسات المالية والتعرضات بين البنوك وحسابات العملاء. هذا النموذج، الذي تم اختباره على مجموعة بيانات صناعية تضم حوالي 60 مزودًا و220 بنكًا، يُظهر كيف أن التوزيعات الثقيلة للخسائر تعتمد بشكل حاد على التأخيرات في التدخل.

علاوة على ذلك، تم تطوير نموذج إنذار مبكر، CFC-GNN، الذي يعتمد على بيانات الحوادث من جانب المزود وهيكل الشبكة لاستباق المخاطر العالية في الانهيار. استطاع هذا النموذج تحقيق نتائج مميزة تتضمن AUROC 0.82 و AUPRC 0.60، بجانب المحافظة على أخطاء التقدير ضمن الحدود المقبولة.

تسلط هذه النتائج الضوء على أن التركيز السيبراني بين مزودي الذكاء الاصطناعي يمثل مشكلة كبيرة من حيث الاستقرار المالي، مما يوفر أدوات كمية للجهات التنظيمية لمتابعة هذا الخطر.