Case study MoMo: AI chống lừa đảo hoạt động thế nào

10/11/2026·6 phút đọc

MoMo vừa được vinh danh tại AI Awards 2026 với hệ thống AI chống lừa đảo nhiều lớp. Theo doanh nghiệp, mỗi ngày hơn 10.000 người dùng được cảnh báo trước khi chuyển tiền, và 99,5% đã dừng lại.

Case study MoMo: AI chống lừa đảo hoạt động thế nào

MoMo vừa có tên trong 5 doanh nghiệp AI tiêu biểu tại AI Awards 2026, công bố ngày 05/11/2026. Một trong các sản phẩm được nhắc tới là hệ thống AI chống lừa đảo nhiều lớp. Điểm khác biệt nằm ở cách đặt AI: cảnh báo người dùng ngay trước khi chuyển tiền, thay vì chỉ tìm cách chặn kẻ gian.

Bối cảnh: lừa đảo trực tuyến và "phút thứ 89"

MoMo thành lập năm 2010, phục vụ hơn 30 triệu người dùng và 500.000 doanh nghiệp, tiểu thương. Theo VnExpress, công ty có hơn 1.000 kỹ sư, trong đó khoảng 300 chuyên gia AI và dữ liệu. Các sản phẩm AI của MoMo gồm trợ lý tài chính Moni, chấm điểm tín dụng và hệ thống chống gian lận.

Theo số liệu của Bộ Công an được Báo Pháp luật dẫn lại, người Việt mất hơn 8.000 tỷ đồng vì lừa đảo trực tuyến riêng trong năm 2025. Áp lực đặt lên các ví điện tử và ngân hàng vì vậy rất lớn.

Bài toán: ví điện tử chỉ thấy bước cuối của vụ lừa

MoMo mô tả tình huống này bằng hình ảnh "phút thứ 89". Kịch bản lừa đảo thường bắt đầu từ mạng xã hội hoặc ứng dụng nhắn tin. Khi tới ví điện tử, nạn nhân đã bị thuyết phục và chỉ còn bước bấm chuyển tiền.

Ở thời điểm đó, giao dịch thường do chính chủ tài khoản thực hiện, trên thiết bị quen thuộc. Chặn theo kiểu truyền thống, tức tìm tài khoản giả mạo hay thiết bị lạ, không đủ. Ông Nguyễn Mạnh Tường, đồng sáng lập kiêm CEO MoMo, nói với Vietstock rằng vấn đề "không đơn thuần là giao dịch gian lận" (lược dịch).

Cách làm: hệ thống AI chống lừa đảo 3 lớp

MoMo đổi mục tiêu từ "chặn kẻ xấu" sang "giúp người tốt khỏi mắc sai lầm". Theo các nguồn đã công bố, hệ thống gồm ba lớp chính.

Minh hoạ hệ thống AI chống lừa đảo nhiều lớp kết nối tài khoản và cảnh báo người dùng

Ảnh minh hoạ: LinhEdu

Lớp giao dịch: chấm rủi ro theo thời gian thực

Hàng chục mô hình AI chấm điểm rủi ro cho từng giao dịch ngay khi phát sinh. Mô hình xét hành vi, thiết bị, kết nối mạng và ngữ cảnh của giao dịch, thay vì chỉ dựa vào một vài quy tắc cố định.

Lớp xác thực: phát hiện deepfake khi định danh

Ở khâu định danh điện tử (eKYC), công nghệ Flashmask được dùng để phát hiện deepfake và giả mạo khuôn mặt. Đây là lớp chặn tài khoản mạo danh ngay từ lúc mở ví.

Lớp mạng lưới: nhìn ra cả đường dây

Mô hình đồ thị (graph network) nối tài khoản, thiết bị, địa chỉ IP và vị trí để tìm các cụm tài khoản có liên hệ bất thường. Cách nhìn theo mạng lưới giúp phát hiện đường dây lừa đảo thay vì xử lý từng tài khoản riêng lẻ.

Điểm chạm: cảnh báo đúng lúc người dùng sắp bấm

Khi phát hiện rủi ro, ứng dụng tạm chặn giao dịch, hiện cảnh báo rõ ràng và hướng dẫn người dùng gọi tổng đài chính thức. MoMo cho biết tự xây công nghệ lõi thay vì dùng mô hình đóng gói sẵn, đồng thời chia sẻ tín hiệu rủi ro với A05 (Cục An ninh mạng) và Hiệp hội An ninh mạng quốc gia.

Kết quả bằng số (theo MoMo)

Các số liệu dưới đây do MoMo công bố từ tháng 5/2026, được báo chí dẫn lại và chưa có kiểm toán độc lập.

Chỉ sốGiá trịNguồn
Giao dịch đáng ngờ được gắn cờkhoảng 29.000 mỗi ngàyBáo Pháp luật, Vietstock (5/2026)
Người dùng được cảnh báo chủ độnghơn 10.000 mỗi ngàyBáo Pháp luật, Vietstock, VnExpress
Tỷ lệ người nhận cảnh báo đã tạm dừng99,5%Báo Pháp luật (14/05/2026)
Giá trị ước tính được bảo vệhơn 15.000 tỷ đồng mỗi nămBáo Pháp luật, Vietstock, VnExpress

Con số 99,5% cho thấy phần lớn người dùng dừng lại khi được nhắc đúng lúc. Tuy vậy, các nguồn không nêu bao nhiêu trường hợp sau đó vẫn tiếp tục chuyển tiền và bị lừa.

Bài học từ case study AI chống lừa đảo

  1. Đặt AI vào đúng điểm chạm. Giá trị lớn nhất không nằm ở mô hình phức tạp mà ở khoảnh khắc can thiệp: ngay trước khi người dùng xác nhận.
  2. Dữ liệu hành vi quan trọng hơn quy tắc cứng. Rủi ro được đánh giá theo ngữ cảnh, nên hệ thống bắt được cả giao dịch "hợp lệ về hình thức".
  3. Thiết kế thông điệp cũng là một phần của AI. Cảnh báo phải rõ, ngắn và chỉ ra việc cần làm tiếp theo.
  4. Phối hợp nhiều bên. Chia sẻ tín hiệu với cơ quan chức năng và hiệp hội giúp nhìn thấy những phần kịch bản nằm ngoài ứng dụng.
  5. Đo bằng hành vi người dùng. Tỷ lệ người tạm dừng sau cảnh báo là chỉ số dễ hiểu để đánh giá hiệu quả.

Với người đi làm, bài học thực tế rất đơn giản: gặp màn hình cảnh báo khi chuyển tiền thì dừng lại, không làm theo hướng dẫn của người lạ qua điện thoại, và chỉ liên hệ tổng đài chính thức đăng trên website của ví hoặc ngân hàng. Kiến thức nền về an toàn tài khoản có trong chuyên mục kỹ năng số cho người đi làm.

Muốn làm tương tự

Doanh nghiệp nhỏ không cần tự xây mô hình như MoMo. Bước đầu là liệt kê các điểm chạm dễ phát sinh rủi ro, như xác nhận đơn hàng, đổi thông tin thanh toán hay hoàn tiền. Sau đó thiết kế lời nhắc đúng lúc và dùng công cụ AI có sẵn để phát hiện dấu hiệu bất thường trong dữ liệu.

Người mới có thể bắt đầu từ kiến thức AI cơ bản, sau đó xem các tình huống ứng dụng trong chuyên mục AI Thực chiến. Muốn phân tích dữ liệu giao dịch đơn giản, có thể tham khảo hướng dẫn dùng Google Sheets kết hợp AI.

Hỏi nhanh

MoMo dùng AI chống lừa đảo như thế nào?

Theo MoMo, hệ thống gồm ba lớp: chấm rủi ro từng giao dịch theo thời gian thực, phát hiện deepfake khi định danh, và mô hình đồ thị tìm cụm tài khoản lừa đảo.

Cảnh báo giao dịch bất thường có hiệu quả không?

MoMo cho biết 99,5% người nhận cảnh báo đã tạm dừng trước khi tiếp tục giao dịch. Số liệu do doanh nghiệp tự công bố.

Gặp cảnh báo khi chuyển tiền thì nên làm gì?

Nên dừng giao dịch, không làm theo yêu cầu của người lạ và gọi tổng đài chính thức đăng trên website momo.vn hoặc của ngân hàng.

Doanh nghiệp nhỏ học được gì từ case study này?

Điều quan trọng là xác định đúng điểm chạm rủi ro và thiết kế lời nhắc kịp thời, không nhất thiết phải tự xây mô hình AI riêng.

Đọc thêm trên LinhEdu: AI Thực chiến · Kỹ năng số · Tin tức AI

Cập nhật lần cuối: 08/11/2026

Nguồn tham khảo

  1. VnExpress – 5 doanh nghiệp AI tiêu biểu tại AI Awards 2026 (05/11/2026)
  2. Báo Pháp luật – Cách làm khác biệt để bảo vệ người dùng số từ MoMo (14/05/2026)
  3. Vietstock – AI-era fraud pushes digital finance to user protection (22/05/2026)
  4. MoMo – Chức năng chặn giao dịch bất thường (12/05/2026)
Đọc xong, học luôn?Bài học game 15 phút: dùng AI làm ra sản phẩm thật.
Vào AI Thực chiến →

Bài liên quan