Saltar al contenido

¿Cómo los bancos más grandes del mundo utilizan análisis de grafos avanzados para combatir el fraude?

Tabla de contenidos

El análisis de grafos avanzados proporciona información más profunda, permite ayudar a las organizaciones a adelantarse y prevenir posibles fraudes mientras protegen a los clientes.

Las organizaciones de servicios financieros son tan poderosas como vulnerables. Como resultado, a menudo son un objetivo para defraudadores y ciberdelincuentes. Los comerciantes y las organizaciones de servicios financieros se estima que gastarán $9.3 mil millones en la detección y prevención del fraude para el 2022. El fraude por sí solo costará a los comerciantes $130 mil millones en solo cinco años (de 2018 a 2023).

El último informe de LexisNexis indica que los intentos de fraude han aumentado significativamente entre las empresas de servicios financieros durante el año pasado; con más del doble de intentos y un aumento del 85 por ciento en las tasas de éxito del fraude.

A medida que la escala y el alcance del fraude ha incrementado para abarcar dispositivos y plataformas de clientes móviles y digitales; las organizaciones de servicios financieros están colocando la “prevención y detección de fraude” en la parte superior de su lista de prioridades. De hecho, cinco de los diez bancos y dos de las empresas de tarjetas de pago más grandes del mundo, han recurrido al análisis avanzado de grafos para sus iniciativas antifraude. Esta tecnología ayuda a analizar, detectar y visualizar patrones de datos complejos que indican el potencial de fraude.

¿Qué es el análisis de grafos?

Básicamente, el análisis de grafos es un conjunto de técnicas de análisis que le permiten “profundizar” en las complejas interrelaciones entre organizaciones, personas y transacciones. Por ejemplo, un importante banco de inversión multinacional de EE.UU. utiliza análisis de grafos avanzados para mejorar sus iniciativas de prevención del fraude, específicamente la detección de fraudes para tarjetas de débito y crédito. La organización está agregando análisis de grafos a su sistema de aprendizaje automático para encontrar conexiones de datos entre las aplicaciones de tarjetas de crédito de “fraude conocido” y las nuevas aplicaciones. Como resultado, el banco puede identificar patrones más cuestionables, exponer anillos de fraude y cerrar tarjetas fraudulentas más rápido. Esto significa para el banco un ahorro anual de millones de dólares.

Además, el proveedor de tarjetas de pago más grande del mundo eligió el análisis de grafos avanzado para la detección de fraudes en los pagos y la gestión del crédito comercial. La empresa, que había estado utilizando RDBMS (sistema de gestión de bases de datos relacionales), necesitaba tecnología que ofreciera análisis de patrones profundos y capacidad de actualización en tiempo real para la detección de fraude.

análisis de grafos avanzados

¿Cómo funciona?

La detección de fraudes requiere comprender las conexiones e identificar anomalías en los enlaces entre personas, transacciones, métodos de pago, ubicaciones, dispositivos, horarios y más; y trabajar con conjuntos de datos enormes y en constante cambio para hacerlo en tiempo real. Las organizaciones de servicios financieros más innovadoras del mundo están optando por análisis avanzados en grafos o análisis avanzados en conjuntos de datos conectados.

El análisis avanzado de grafos permite que un sistema procese un pago mientras comprende cómo una transacción está conectada a diferentes conjuntos de datos. Luego, se ofrece una “siguiente mejor acción”; en el caso de fraude, esto puede ser “rechazar pago” mientras se marca a un usuario con una puntuación de confianza “cero”. Pero existe una diferencia significativa entre la analítica regular y la analítica avanzada, especialmente cuando se trata de detectar fraudes.

Un ejemplo de detección de fraudes para servicios financieros con análisis regulares

Consideremos un pago típico a través de un proveedor de pagos en línea; para ver un ejemplo de posible fraude y por qué es tan difícil de detectar con análisis regulares.

  1. Un usuario, “Usuario1”, ha creado una nueva cuenta, “Cuenta 1”, que está vinculada a su tarjeta de crédito.
  2. Como parte de la configuración y la autenticación de dos factores, han vinculado su número de teléfono, “Número_de_teléfono 1”, y su correo electrónico, “Email 1”, a su cuenta.
  3. El Usuario1 está usando un dispositivo con el número de teléfono registrado e inicia un pago, “Pago 1”, por $ 500 a la “Cuenta 2”.

Hasta este punto, no hay señales de alerta o advertencias en una solución de detección de fraude para servicios financieros tradicional, porque el “Usuario 1” es un usuario nuevo, con un nuevo número de teléfono y correo electrónico (y ninguno de estos se ha asociado con transacciones fraudulentas en el pasado con el servicio de pago). Los análisis regulares no encuentran nada inusual o sospechoso y el pago se realiza sin ser marcado o rechazado.

Detección de fraudes de servicios financieros con análisis avanzado impulsado por una base de datos nativa de grafos paralelos

Sin embargo, el análisis de enlace profundo con una base de datos nativa de grafos paralelos revela una imagen diferente, específicamente, que -en seis capas- hay actividad fraudulenta asociada con un dispositivo, número de teléfono y tarjeta de crédito robada. Esto es así:

  1. La cuenta del destinatario del pago, la “cuenta 2”, pertenece al “usuario 2”, que ha autenticado la cuenta con el número de “teléfono 2” como parte del proceso de configuración de la cuenta.
  2. El número de teléfono, número de “teléfono 2”, se usa con el “dispositivo 101”. A medida que el análisis de enlaces profundos explora el historial de transacciones fraudulentas anteriores y busca dispositivos asociados con esas transacciones, descubre que:
  3. El año pasado se usó el “dispositivo 101” con el número de “teléfono 101” para configurar la “cuenta 101”. Esta cuenta, la “cuenta 101”, inició un pago, “Pago 101”, que luego se descubrió que era fraudulento, ya que la “Cuenta 101” se financió con una tarjeta de crédito robada.

El análisis avanzado con una base de datos gráfica puede profundizar en los datos conectados, en este ejemplo, seis saltos o conexiones, profundamente en el conjunto de datos para encontrar la conexión con un fraude anterior en tiempo real y la transacción de pago se rechaza como resultado.

¿Por qué es necesario el análisis avanzado de grafos?

Como puede ver, se necesita del análisis avanzado de grafos para la detección de fraudes en tiempo real para los pagos, y los análisis avanzados detectan el fraude en tres niveles “más profundos” de lo que son capaces de realizar los análisis regulares. Esta brecha entre el análisis regular y avanzado puede traducirse en cientos de millones de dólares perdidos debido al fraude.

El análisis avanzado en tiempo real puede procesar la transacción de pago en un tiempo de respuesta inferior a un segundo; después ejecuta la consulta de conexiones de varios saltos en el conjunto de datos conectado. En otras palabras, el sistema debe examinar todos los enlaces a lo largo del viaje desde el “Usuario 1” que inicia el pago (el primer salto) hasta el sexto salto final, el “Pago fraudulento 101”. Y este proceso es rápido: hasta 100.000 pagos por segundo. El análisis avanzado también debe admitir el “cálculo en tiempo real”, como mirar el puntaje de confianza de un pago para ver si es fraudulento. Solo entonces se puede tomar la siguiente acción adecuada (“suspender el pago”).

Claramente, la detección de fraudes es una prioridad para todas las organizaciones de servicios financieros, y es poco probable que esto cambie. A medida que los estafadores se vuelven más conocedores de la tecnología, es fundamental que las empresas vayan un paso por delante de ellos. El análisis avanzado de grafos permite estos conocimientos más profundos, complementando la tecnología existente y potenciando la inteligencia artificial y el aprendizaje automático.

prevencion de fraudes en bancos

El resultado:

Las organizaciones se adelantan y previenen posibles fraudes mientras protegen a los clientes (y sus capital ganado con mucho esfuerzo).

Te puede interesar: La importancia del análisis de datos para prevenir fraude

Si te gustó esta publicación, te invitamos a compartirla en tus redes sociales.

Publicaciones relacionadas

Cómo Trabajar con Proveedores para Prevenir el Fraude

En un mundo empresarial cada vez más interconectado y digitalizado, la colaboración con proveedores para prevenir el fraude se ha convertido en un elemento crucial para garantizar la integridad y la sostenibilidad de las operaciones comerciales. La prevención del fraude no solo protege los recursos financieros, sino que también salvaguarda la reputación y la confianza…

Leer más Cómo Trabajar con Proveedores para Prevenir el Fraude

La importancia de la Educación en Prevención de Fraude

La prevención del fraude comienza con la comprensión de sus fundamentos. En el contexto actual, caracterizado por una rápida digitalización, la educación en prevención de fraude se vuelve esencial. Esta educación no solo se enfoca en las prácticas para detectar y prevenir fraudes, sino también en fomentar una cultura de concienciación en individuos y organizaciones.…

Leer más La importancia de la Educación en Prevención de Fraude

Las últimas tendencias en Fraude en el Sector Financiero

En un mundo cada vez más digitalizado, el fraude en el sector financiero ha emergido como un desafío crítico, impactando tanto a instituciones financieras como a consumidores. A medida que avanzan la tecnología y la digitalización de los servicios financieros, los métodos de fraude se vuelven más sofisticados y difíciles de detectar. Esta introducción busca…

Leer más Las últimas tendencias en Fraude en el Sector Financiero