A evolução constante dos crimes financeiros está redefinindo as estratégias de segurança digital. De roubo e clonagem de cartões a ataques baseados em engenharia social e inteligência artificial, o atual cenário de fraudes exige novas abordagens de defesa e, nesse contexto, a identidade tornou-se um fator fundamental para garantir a proteção de instituições financeiras e usuários.
Reconhecer um cliente apenas por meio de senha ou cartão já não é mais possível; é preciso integrar múltiplas camadas de identificação. A identidade biológica, que envolve características únicas como impressões digitais, íris ou reconhecimento facial, convive hoje com a identidade digital, definida pelo uso de dispositivos, biometria comportamental e padrões de navegação, e com a identidade financeira, baseada no histórico e nas características das transações.
"Hoje tudo gira em torno de pessoas e de sua relação com a tecnologia. Por isso, golpes que envolvem identidades exigem respostas mais rápidas, dinâmicas e inteligentes", afirma Carlos Santa Cruz, fundador e CTO da Lynx Tech, empresa líder em tecnologias baseadas em inteligência artificial e aprendizado de máquina.
Atualmente, a maioria dos sistemas de detecção de fraude são estruturados a partir de modelos de regras, que analisam comportamentos e aplicam critérios definidos manualmente; modelos de consórcio, construídos a partir de grandes bases de dados compartilhadas entre instituições financeiras; e modelos estáticos, baseados em regras fixas e em dados históricos de fraude.
Embora importantes, esses padrões apresentam limitações conhecidas, como a dependência de atualizações manuais e pouco frequentes, custos operacionais elevados e dificuldade em acompanhar a velocidade com que os fraudadores mudam suas táticas, além de riscos com instabilidade durante os processos de atualização, gerando vulnerabilidades e atritos para clientes legítimos.
"O comportamento do cliente muda de acordo com as tendências tecnológicas, criando novos padrões continuamente. Além disso, os fraudadores aprendem com as transações recusadas e modificam suas táticas em resposta às barreiras dos sistemas de detecção, aumentando a complexidade dos ataques. Por isso, o grande desafio das instituições financeiras é construir camadas de defesa que combinem regras, inteligência artificial e governança capazes de acompanhar essas transformações", ressalta Santa Cruz.
Os modelos dinâmicos representam uma mudança de paradigma no combate à fraude financeira. Diferentemente da abordagem tradicional, esses modelos baseados em IA e aprendizado de máquina são atualizados automaticamente e de forma contínua, adaptando-se em tempo real a novos padrões de comportamento e reduzindo a necessidade de intervenção humana. Com isso, eliminam grande parte do risco operacional associado ao retreinamento manual e aumentam a eficácia no bloqueio de transações suspeitas.
A transição para modelos dinâmicos exige também novos mecanismos de governança. Atualizações diárias e automáticas demandam monitoramento contínuo, estabilidade nos processos de aprendizado e controle rigoroso da distribuição de risco, sem comprometer a eficácia do sistema.
“Ao implementar esses novos modelos, levantamos barreiras altamente adaptativas que restringem drasticamente o campo de atuação dos fraudadores, protegendo as identidades dos usuários e restabelecendo a confiança no ecossistema financeiro", conclui o executivo da Lynx Tech.
Notícia distribuída pela saladanoticia.com.br. A Plataforma e Veículo não são responsáveis pelo conteúdo publicado, estes são assumidos pelo Autor(a):
GENILSON ALVES DE OLIVEIRA
[email protected]
