Na era da IA, a infraestrutura de fraude se expande mais rápido do que as equipes de investigação.
Os atacantes podem orquestrar campanhas de fraude em uma escala diferente e com menos recursos do que no passado. A barreira de entrada para realizar esses ataques também caiu drasticamente, com criminosos sem qualificação tendo acesso a capacidades com as quais só podiam sonhar há apenas um ano.
Em um desses casos, um de nossos clientes suspeitou que estava sendo alvo de um ataque. Os cadastros estavam passando nas verificações iniciais, mas algo não batia. Várias contas pareciam vir de diferentes IDs de dispositivo — mas todas levavam à mesma impressão digital subjacente.
Mas agora, as equipes de combate à fraude também estão se preparando.
Quando fomos inicialmente chamados para investigar, em vez de exportar os dados manualmente e escrever uma cadeia de consultas SQL, eu entreguei a investigação a um Agente Analista de Dados que opera dentro da plataforma de fraude da Sardine.
Não para “decidir” nada, mas para coletar, estruturar e testar as hipóteses com as quais eu o guiei.
O que se segue é uma análise cronológica da investigação registrada em vídeo.
O indício: Reutilização de dispositivo + mascaramento de IP
A investigação começa quando um cliente da Sardine nos alerta sobre a suspeita de que está sofrendo um ataque de um esquema de fraude. Eles estavam vendo vários cadastros a partir de diferentes IDs de dispositivo, mas todos tinham a mesma impressão digital na plataforma da Sardine.
Ao analisar os casos individualmente, também notei que a geolocalização por IP era enganosa. Quando apliquei nossa detecção real de IP e a quebra de proxy/VPN, o padrão ficou muito evidente – embora as contas estivessem registradas nos EUA, os fraudadores estavam na verdade localizados na Alemanha e nos Emirados Árabes Unidos.
Embora isso possa ser explicado individualmente, ficou muito claro que a combinação do uso massivo de impressões digitais de dispositivos e da ocultação da localização de IP era incriminadora – tratava-se claramente de um único esquema de fraude.
Aprofundamos a mecânica de fingerprinting por trás disso em nossa análise de impressão digital de dispositivos para prevenção de fraude e ATO.
Principais conclusões
O ID do dispositivo é fácil demais de falsificar:Criminosos podem trocar IDs de dispositivo, limpar cookies e redefinir ambientes com facilidade. O que é muito mais difícil de manipular é a impressão digital subjacente do dispositivo. Se a sua detecção depende apenas de identificadores superficiais, você não vai perceber o uso coordenado.
Sinais em camadas transformam indicadores em padrões: Uma impressão digital isolada é fraca. Uma discrepância geográfica isolada é fraca. Quando a inteligência de dispositivo enriquecida e a localização real do IP são avaliadas em conjunto, entre contas, o sinal se fortalece exponencialmente.
A infraestrutura de fraude se torna visível em grande escala: A fraude em grande escala é otimizada para a reutilização, o que obriga os fraudadores a expor sua infraestrutura. Isso pode aparecer como evidência concreta (IDs de dispositivos diferentes surgem como impressões digitais unificadas) ou como conexões imprecisas — como o fato de que todos os IPs mascarados vêm da mesma pequena cidade.
De consultas a hipóteses
Não faz muito tempo, nesta etapa do processo de investigação eu teria transformado minhas descobertas iniciais em uma série de consultas SQL e começado a fazer mineração de dados.
Esse processo provavelmente teria me levado várias horas, sem contar o tempo necessário para eu entender como os dados são armazenados e estruturados.
Mas o SQL já não é mais um pré-requisito. O mesmo vale para Python, R e até Excel – em vez disso, posso simplesmente compartilhar minha hipótese com o agente e deixar que ele faça todo o trabalho pesado.
Mais do que isso – em vez de pensar em como escrever código, estou pensando nas perguntas que quero fazer.
Principais conclusões
Agentes com conhecimento da plataforma superam a automação genérica: Perceba que eu não precisei explicar ao agente o que significam impressões digitais, sessões, parceiros e sinais de geolocalização no contexto da nossa plataforma. Isso porque nós o treinamos para entender fraude e os elementos básicos do sistema. Esse contexto permite que ele teste hipóteses, em vez de apenas retornar linhas de dados.
Agentes de IA seguros devem ser projetados para permitir intervenção humana: Em vez de pedir ao agente que me desse apenas as conclusões finais, eu o instruí a também gerar o gráfico com os dados plotados. Isso me permitiu fazer uma verificação rápida e visual das conclusões do agente.
Confirmação de hipóteses agentivas
Em resposta, o agente produz uma análise em três partes:
- Visualização de dados brutos: ajuda a perceber rapidamente concentrações, padrões ou erros de análise
- Resumo estruturado: destaque as conclusões de acordo com minhas orientações e contexto
- Sinais de raciocínio: chame a atenção para dados ou conclusões que foram deixados de fora do relatório
Em questão de segundos, consegui ver duas coisas. Primeiro, quais parceiros foram mais afetados e, segundo, quais parceiros tinham registros vindos da impressão digital de dispositivo suspeita apenas. Esses parceiros ou foram comprometidos ou, no pior dos casos, estão em conluio com os fraudadores.
Principais conclusões
O gargalo já não é mais o SQL: Agentes de IA resolvem a maior limitação nas investigações de fraude: a capacidade de acessar, consultar e analisar grandes volumes de dados. Os investigadores não estão mais limitados pelas suas competências técnicas, mas apenas pela sua capacidade de formular as perguntas certas.
Agentes guiados superam prompts abertos: Perceba que eu não perguntei ao agente “isso é fraude?” nem dei a ele um espaço em branco para especular. Eu forneci pistas específicas para serem validadas – verificar concentração, testar exposição a parceiros, medir propensão à reutilização. Um contexto mais restrito ajuda os agentes a atuarem como analistas estruturados, executando hipóteses guiadas por humanos.
Dados ignorados devem ser declarados: Os agentes devem, é claro, tomar decisões baseadas em contexto quanto a quais dados incluir ou quais conclusões ignorar. É isso que os diferencia de ferramentas de automação rígidas. Mas todas essas ocorrências devem ser claramente sinalizadas ao investigador humano para verificação de sanidade.
Revelando a infraestrutura de fraude
Agora que confirmei minhas suspeitas iniciais, posso usar as descobertas apresentadas pelo agente de análise de dados para codificar o padrão que me interessa: impressões digitais de dispositivos de alto uso que também apresentam uma alta taxa de mascaramento de localização de IP.
Até agora, eu vinha seguindo as pistas que o cliente me deu, começando pela impressão digital de dispositivo suspeita. Mas agora que entendo como a quadrilha de fraude opera, não estou mais limitado a seguir uma única pista.
Com um simples comando, posso pedir ao agente que encontre padrões semelhantes. Em questão de segundos, ampliei o que parecia ser um esquema que afetava alguns milhares de contas para um anel que abrange mais de 150 mil entidades fraudulentas.
Esta é a mesma abordagem de dispositivo e grafo que revelou 50.000 contas conectadas em um único remetente, a qual explicamos em como a inteligência de dispositivos expõe redes de lavagem de dinheiro.
Conclusão principal
Defesa agêntica vs. ataque agêntico: Criar e administrar um esquema de fraude que envolva mais de 150 mil casos exige automação, provavelmente com o uso de agentes de IA. Para detectar e combater fraudes nessa escala e velocidade, as equipes de prevenção a fraudes também precisam estar equipadas com capacidades agênticas.
Do insight à aplicação
Ao concluir a investigação, é hora de partir para a ação. Antes disso, certifico-me de revisar manualmente alguns casos de outras impressões digitais de dispositivos recém-identificadas como suspeitas.
Assim que confirmo que apresentam o mesmo padrão (um IP de proxy em Londres, nos EUA, é um forte indício), sigo em frente e adiciono essas impressões digitais à nossa lista de bloqueio.
Fora de cena, também reforço as defesas do cliente com algumas regras que são especificamente projetadas para impedir esse esquema de fraude, mesmo que ele volte com um novo conjunto de impressões digitais de dispositivo. Para isso, concentrei-me principalmente na velocidade das impressões digitais e na incompatibilidade da localização real do IP.
Principais aprendizados
Humano envolvido em cada etapa: Antes de agir com base nas novas impressões digitais de dispositivos encontradas, revisei novamente as conclusões do agente. Isso não é diferente de como eu agiria se tivesse executado as consultas pessoalmente. Verificações de sanidade fazem parte de qualquer processo seguro.
Investigações na própria plataforma agilizam as ações: A maior vantagem de poder implementar soluções na mesma plataforma em que realizo as investigações é a consistência. Não é preciso descobrir como um determinado ponto de dados é chamado ou, pior, perceber que o seu mecanismo de regras não tem um recurso que você usou nas suas consultas.
O futuro das investigações de fraude
Como você acabou de ver, em pouco mais de 11 minutos conseguimos interromper uma quadrilha de fraude que havia colocado as mãos em mais de 150 mil cartões roubados.
Enquanto eu estava concluindo a investigação e parei a gravação, havia uma pergunta na minha mente: isso seria impossível se eu não tivesse acesso ao Data Analyst Agent?
Francamente, pelo menos ao olhar para os resultados, eu duvido disso. Sim, eu poderia ter deixado passar algumas impressões digitais se tivesse feito tudo sozinho. Mas, no geral, acho que teria resolvido de maneira semelhante.
A verdadeira mudança? Velocidade. Demorei mais tempo a documentar as minhas descobertas e soluções do que a fazer o trabalho em si. Sozinho, chegar aos mesmos resultados provavelmente teria levado meio dia de análise. No melhor dos cenários.
Mas isso é verdade para todos? Eis a verdade incômoda: sou um usuário privilegiado. Não só tenho acesso direto aos dados da Sardine, como também sei onde encontrá-los e como analisá-los.
E agora, com o Data Analyst Agent, isso é realidade para todo usuário da Sardine.