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. Nesse contexto, a identidade tornou-se um fator fundamental para garantir a proteção de instituições financeiras e usuários. Segundo relatório da TransUnion, empresas de todo o mundo perderam em média 7,7% de sua receita anual por fraudes digitais.
Reconhecer um cliente real apenas por meio de senha ou cartão não é mais suficiente. 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.
• Clique aqui agora e receba todas as principais notícias do Diário de Curitiba no seu WhatsApp!
De acordo com um estudo da Juniper Research, os custos globais das fraudes para instituições financeiras devem saltar de US$ 23 bilhões em 2025 para US$ 58,3 bilhões em 2030 devido ao aumento dos golpes com identidades sintéticas.
“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 especializada em tecnologias baseadas em inteligência artificial e aprendizado de máquina.
Atualmente, a maioria dos sistemas de detecção de fraude é estruturada 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”, alerta Santa Cruz.
O executivo também observa que o comportamento do cliente muda de acordo com as tendências tecnológicas, criando novos padrões continuamente, enquanto 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”.
Diferentemente da abordagem tradicional, os modelos dinâmicos — 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. “Os modelos dinâmicos representam uma mudança de paradigma no combate à fraude financeira, pois eliminam grande parte do risco operacional associado ao retreinamento manual e aumentam a eficácia no bloqueio de transações suspeitas”, ressalta o CTO da Lynx Tech.
Ele completa lembrando que 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, são levantadas barreiras adaptativas que restringem o campo de atuação dos fraudadores, protegendo as identidades dos usuários e restabelecendo a confiança no ecossistema financeiro”, conclui.
