NicoElNino - stock.adobe.com
La importancia de la analítica en tiempo real contra el fraude
A medida que el mundo continúa digitalizándose, las estafa evolucionan y también deben hacerlo las defensas que nos protegen. Al tomar decisiones en tiempo real, las instituciones financieras pueden cambiar el panorama de daños causados por fraude.
Hemos llegado a aceptar que los delitos financieros pasen desapercibidos durante días. Hace pocos años, las noticias de fraude se propagaban rápidamente; hoy en día, el fraude puede extenderse sin restricciones, antes de que se evidencien patrones, debido al retraso en los informes o a la falta de conocimiento por parte de las víctimas. Además, las víctimas pueden sentirse avergonzadas por la pérdida y negarse a denunciar. El fraude ejerce un impacto importante en el crecimiento económico, ya que una de cada tres empresas reconoce utilizar métodos reactivos y manuales para detectar las estafas.
A medida que el mundo continúa digitalizándose, se simplifican los procesos de estafa para hacerse con la información bancaria y de las tarjetas de crédito, o incluso comprar paquetes de datos personales en la dark web. Esto ha llevado a un aumento drástico en la cantidad de dinero robado a nivel mundial cada año. Los avances de los estafadores siguen creciendo, al igual que los canales y métodos que pueden usar para atacar a sus víctimas.
La automatización del fraude de identidad sintética implica la creación masiva de cuentas, conocidas como "mulas", que sirven como intermediarios para llevar a cabo actividades fraudulentas y se utilizan para blanquear dinero. Tan solo en la primera mitad del 2023, el número de intentos de estafa en España había crecido un 30 % en las transacciones analizadas por Transunion, en comparación con el año anterior.
Aquellas personas que han sido víctimas de estafas entienden que este tipo de situaciones puede causar problemas, como la incapacidad para cumplir con pagos de préstamos, la posibilidad de enfrentar la bancarrota y la persistencia de dificultades financieras a largo plazo.
Por estas razones, tanto los consumidores, como las empresas están adoptando una postura más selectiva al elegir las instituciones financieras en las que depositan su confianza. Aquellas entidades que ofrecen niveles más elevados de seguridad tienen mayores probabilidades de retener a sus clientes a lo largo del tiempo.
Detección en tiempo real en acción
Tradicionalmente, la detección de fraudes se basaba en analizar ataques pasados y crear reglas predefinidas para abordarlos. Sin embargo, este método ha demostrado no ser efectivo; observar patrones pasados deja a las empresas vulnerables a tácticas de fraude emergentes. Además, cada nuevo ataque debe estudiarse para identificar la forma de bloquear el ataque. Esta no es una forma adecuada de lidiar con los asaltos financieros avanzados y de rápida evolución de hoy en día.
Las instituciones financieras pueden construir reglas predefinidas y modelos de aprendizaje automático estático que intentarán proteger transacciones y eventos futuros. El problema es que el pasado no es una buena predicción del futuro, lo que se denomina “desviación de datos”. El comportamiento del cliente cambia con nuevos productos, tendencias y comportamientos, mientras que los atacantes cambian su modus operandi para eludir reglas y obtener ganancias.
Por este motivo, los estafadores tienen ventaja, ya que obtienen una respuesta por cada transacción, lo que les permite aprender el comportamiento de los modelos de aprendizaje automático y las reglas predefinidas. Una vez que los conocen, pueden cambiar su ataque para evitar la defensa.
Aquellos que están a la vanguardia de la prevención del fraude utilizan modelos de aprendizaje automático, que se actualizan todos los días para seguir el ritmo del comportamiento del cliente y los ataques. Al analizar cada caso en tiempo real, las instituciones financieras cuentan con la identificación inmediata de patrones sospechosos y posibles fraudes.
Las decisiones en tiempo real cambian la dinámica al analizar datos y rechazar transacciones sospechosas, evitando fraudes. Esto se logra mediante algoritmos de aprendizaje automático que monitorean transacciones, comunicaciones y actividad de cuentas en tiempo real. Esto permite la identificación instantánea de comportamientos sospechosos, ayudando a las instituciones a bloquear transacciones potencialmente fraudulentas antes de que sean aprobadas.
Tecnologías para la detección de fraude en tiempo real
Los atacantes pueden identificar rápidamente un canal vulnerable y centrar su atención para aumentar el fraude, como por ejemplo, la banca telefónica. Para una protección más eficaz, es esencial tener una visión completa de todos los canales, detectando transacciones fraudulentas, intentos de inicio de sesión sospechosos en banca móvil, cambios de dirección por teléfono, solicitudes de tarjetas en sucursales, patrones de compra irregulares indicativos de robo mediante el uso de tarjetas de crédito, entre otros.
Para aprovechar todo el potencial de las plataformas de prevención en tiempo real, se requieren soluciones como el procesamiento de transmisiones, la computación en memoria, algoritmos de aprendizaje automático autónomos y un motor de decisión en tiempo real.
Las soluciones líderes se actualizan a diario para incorporar características relevantes y fraudes confirmados, y así surgen los modelos diarios adaptables. Esto asegura que los modelos de aprendizaje automático continúen adaptándose a los cambios en el comportamiento evolutivo del usuario, cambios en los ataques y nuevos tipos de fraude. Con este tipo de modelos, la gobernanza sólida y la experiencia son cruciales para garantizar pruebas rigurosas y supervisión responsable.
A medida que el fraude evoluciona, también deben hacerlo las defensas que nos protegen. Al tomar decisiones en tiempo real, las instituciones financieras pueden cambiar el panorama de los daños causados por fraude, convirtiéndolas de algo inevitable en algo excepcional.
Este nuevo método de detección de fraude lleva las finanzas a una nueva era, donde las transacciones pueden ser aseguradas en tiempo real contra amenazas digitales. En resumen, los modelos adaptables diarios son un activo crítico, en la caja de herramientas de cualquier institución financiera, para detener intentos de fraude antes de que tengan éxito.
Dan Dica es CEO de Lynx Tech. Antes de su actual cargo, dirigió la estrategia global de crecimiento de ingresos en OneSpan Inc, especializada en software de autenticación inteligente. Es un líder empresarial apasionado de la tecnología, la IA, la prevención del fraude y delitos financieros, y la ciberseguridad. Es graduado por la Harvard Business School, con posgrado en el Programa de Liderazgo Ejecutivo.
