El año pasado, 70.000 personas informaron a la Comisión Federal de Comercio que habían sido víctimas de una estafa amorosa. Sus pérdidas ascendieron a 1.300 millones de dólares.
Entonces, ¿qué son las estafas románticas y de qué manera la IA forma parte del problema?
Las estafas románticas ocurren cuando un delincuente adopta una identidad falsa en línea para ganarse el afecto y la confianza de la víctima. Luego, el estafador utiliza la ilusión de una relación romántica o cercana para manipular y/o robar a la víctima.
Los estafadores han empezado a ir un paso más allá utilizando IA para generar mensajes. ¿Crees que no caerías en la trampa de una nota de amor escrita por una IA? Piénsalo de nuevo. Informe de investigación Modern Love de McAfee reveló que 7 de cada 10 personas no pudieron distinguir si una carta de amor había sido escrita por una IA. Antes, estas estafas románticas se veían limitadas por la cantidad de conversaciones e interacciones que un estafador podía mantener. Con la IA, un chatbot puede mantener potencialmente miles de conversaciones con víctimas, todas al mismo tiempo.
Las estafas románticas con IA son cada vez más sofisticadas: ChatGPT puede redactar rápidamente cartas de amor convincentes para los estafadores, los chatbots de IA pueden mantener múltiples conversaciones simultáneas con las víctimas y las herramientas de IA para la agregación de datos permiten a los ciberdelincuentes identificar y dirigirse a personas vulnerables.
Sin embargo, así como la IA se ha convertido en parte del problema, también debe ser parte de la solución.
La mejor manera de combatir la IA es con IA guiada por los mejores profesionales de fraude y cumplimiento y trabajando juntos como industria.
Combatir las estafas requiere trabajo en equipo. Podemos detectar más estafas antes de que ocurran si entendemos los tipos de estafas que existen y qué señales debemos buscar.
Formas de detectar estafas románticas
Las estafas románticas son difíciles de detectar porque las víctimas utilizan su propia verificación de identidad (KYC) y vinculan sus cuentas bancarias para autorizar una transacción ACH. Para la empresa fintech, parece una transacción válida.
A medida que los estafadores utilizan métodos cada vez más sofisticados para llevar a cabo sus fraudes, las empresas deben mantenerse al día con las técnicas más recientes de detección y prevención.
Aquí hay algunos métodos potenciales para detectar estafas generadas por modelos de IA:
- Comportamiento del usuario: Una forma de hacerlo es analizar el texto del mensaje o la comunicación en busca de indicadores específicos de fraude. Las empresas podrían utilizar técnicas de procesamiento de lenguaje natural (NLP) para identificar patrones en el lenguaje que sugieran una intención fraudulenta. La IA tiene una cierta “manera” de formular las cosas. Detecta eso y podría tratarse de una estafa en curso.
- Dispositivo del usuario: Otro enfoque es analizar el dispositivo del usuario asociado con un usuario en particular. Esto podría implicar buscar patrones de actividad que tiendan a ser fraudulentos, ya sea en el alta de la cuenta, la financiación o durante un pago.
- Supervisión de transacciones: Esto podría incluir el monitoreo del comportamiento del usuario para detectar anomalías, como aumentos repentinos en los volúmenes de transacciones, cambios en los tipos de transacción o desviaciones con respecto a los patrones de actividad establecidos.
- Aprendizaje automático: Los algoritmos de aprendizaje automático pueden entrenarse con grandes conjuntos de datos de comunicaciones o transacciones fraudulentas conocidas para identificar patrones o características asociadas con el fraude.
- Colaboración:La colaboración ayuda a identificar a los infractores persistentes. Al analizar el comportamiento de usuarios o cuentas similares, las empresas pueden detener a los reincidentes.
Cabe señalar que los estafadores están evolucionando constantemente sus técnicas y adaptándose a nuevas medidas de seguridad, por lo que las empresas deben mantenerse alerta y ajustar sus estrategias de detección de fraude en consecuencia. También es importante ser consciente de las limitaciones de cada enfoque, ya que los estafadores pueden encontrar formas de eludir incluso las medidas de seguridad más sofisticadas.
La combinación ideal: Dispositivo, Comportamiento, ML, Humanos y Colaboración.
Sardine combina información sobre dispositivos y comportamientos con modelos de ML de vanguardia para detectar más fraudes.
Dispositivos, comportamiento y transacciones
Cuando entiendes un dispositivo y cómo se utiliza, puedes detectar las pistas ocultas que dejan los estafadores.
1. Señales del dispositivo: emuladores
Los estafadores nunca quieren revelar el perfil de su propio dispositivo o de su IP y es probable que usen un emulador en lugar de un dispositivo móvil real o, si quieren hacerlo a gran escala, alquilen un centro de datos móviles. Para ocultar su IP, utilizan proxies, VPN o TOR.
Nuestro SDK de inteligencia de dispositivos y comportamiento recopila telemetría y otras señales de bajo nivel, lo que nos permite detectar si alguien está usando un dispositivo real frente a uno simulado (emulador), así como si está utilizando un centro de datos (todos los teléfonos estarán en la misma orientación).
2. Señales de comportamiento: escritorios remotos
Los estafadores utilizan diversas herramientas de uso compartido de pantalla remota como TeamViewer, AnyDesk y Citrix en este vector de ataque. La parte más difícil de estas estafas es que la víctima está usando su propio dispositivo, su propia IP, proporcionando su propia información de eKYC e incluso subiendo sus documentos de KYC y las pruebas de verificación de vida.
Así que, desde el punto de vista del KYC, todo parecería estar en orden. Sin embargo, la fintech pasaría por alto la parte más importante aquí: la computadora de la víctima estaba siendo controlada de forma remota en ciertos momentos.
Sardine ha desarrollado tecnología patentada para detectar estas herramientas de uso compartido de pantalla de una manera que preserva la privacidad. Analizamos cambios en el movimiento del mouse, capturas de pantalla o detectamos si hay una llamada activa en curso, lo que indica que alguien podría estar guiando al usuario final.
En Sardine, somos el único proveedor que puede detectar que un cliente ha utilizado software de uso compartido de pantalla de forma remota. Un cliente logró reducir su fraude 7 veces y ahora recomienda Sardine a todos sus socios y bancos gracias a esta capacidad única.
3. Señales de transacción: detección de anomalías
La mejor manera de contrarrestar la IA generalizada es con IA especializada.
El sistema de aprendizaje automático patentado de Sardine ha sido entrenado para detectar anomalías. A veces, algo se ve raro. Históricamente, encontrar estos patrones se dejaba en manos de los equipos de fraude, que hacían trabajo manual y tenían que revisar montañas de datos.
Sardine los marcará automáticamente, ahorrando tiempo y esfuerzo a los clientes.
Sardine detecta anomalías a partir de una línea base y puede ajustar automáticamente la respuesta que damos a los clientes con el tiempo. Nuestros modelos se reentrenan y se someten a pruebas retrospectivas de forma constante. A medida que las estafas evolucionan, Sardine también evoluciona.
Una estafa no aparecerá en una transacción hasta que el pago ya haya sido autorizado. El comportamiento del dispositivo y del usuario permite que Sardine detecte señales de riesgo antes de que ocurra la transacción.
4. Colaboración
Los profesionales de fraude y cumplimiento suelen compartir anécdotas y lecciones aprendidas, pero es mucho más difícil compartir datos.
Sardine lanzará pronto una herramienta para el intercambio de datos entre bancos, empresas fintech y monederos de criptomonedas para detectar más fraudes.
Trabajamos mejor juntos.
Si quieres detectar más fraudes, contáctanos.