Fraude autorizado ha crecido en México desde 2021: Facephi
“Desde el año 2021, lo que se ha visto con una tendencia de crecimiento de fraudes es el fraude autorizado”, comparte Bruno Rivadeneyra, gerente Senior de Soluciones de Identidad de Facephi para América Latina.
En entrevista con DPL News, Rivadeneyra explica que estos ataques son las estafas en las que el usuario recibe una llamada o mensaje de WhatsApp o Telegram, cae en el engaño y es él mismo quien termina haciendo una transacción.
El ejecutivo peruano explica que, hasta entonces habían detectado los típicos ataques de phishing o campañas de malware, desde muchos años atrás.
Rivadeneyra detalla que en, para el fraude autorizado, los niveles de protección previos de verificación biométrica o biometría de comportamiento ya prácticamente no son suficientes y, por ello, hay que desarrollar capacidades adicionales para prevenir y detener este esquema, como la detección de movimientos de dinero hacia posibles cuentas mula o de lavado de dinero.
El combate del fraude autorizado
Para combatir el fraude autorizado, la empresa española desarrolló “una solución con capacidades que no están presentes hoy en día en el offering tecnológico y que nosotros hemos aglutinado”, expone Rivadeneyra.
“El objetivo —prosigue— es catalogar el universo de cuentas que maneja una entidad financiera, identificar aquellas que pueden ser posibles víctimas, posibles mulas y cuentas finales de lavado de dinero, que es el último eslabón de la cadena desde donde se hace la salida del dinero”.
El ejecutivo explica que lo hacen con todas las señales que el banco tiene, pero, al provenir de múltiples lugares, no es capaz de identificar y de correlacionar. “El banco tiene mucha información. Tiene información de biometría, tiene información del comportamiento, tiene información que se hizo un cash out por cajero automático (ATM). Sabe que le llegó una salida de dinero por compra de criptomonedas a través de la tarjeta de crédito. Todo eso lo tiene claro, pero el problema es que no lo tiene correlacionado entre sí”, detalla.
“Lo que hemos hecho nosotros es desarrollar modelos que aglutinan toda esa información omnicanal del banco, señales prefraude, señales transaccionales, las correlacionamos y, a partir de ello, somos capaces de decir: ‘eso es una posible cuenta mula”, explica.
Finalmente, resalta que, al tenerla catalogada como una posible cuenta mula, al momento que ingresa el dinero y, posteriormente, cuando se pretende hacer una salida, el banco en línea, en tiempo real, sabe que hay un movimiento de dinero que va a entrar a una cuenta mula desde una cuenta víctima. “Recibe una señal en tiempo real y el banco, con su monitor transaccional, con las herramientas que tenga, puede detener esa transacción”, concluye.