As tomadas de conta (ATOs) estão explodindo em todo o setor de serviços financeiros, com fraudadores mirando cada vez mais bancos e cooperativas de crédito. Em 2024, os ataques de ATO aumentaram 457% ano após ano para bancos comunitários e regionais, e 285% para cooperativas de crédito.
Impulsionadas por golpes baseados em IA, ataques de bots e engenharia social, as ATOs não estão apenas crescendo – elas estão evoluindo mais rápido do que os sistemas legados de prevenção a fraudes conseguem acompanhar. Isso porque a barreira de entrada para a fraude desabou: o que antes exigia conhecimento técnico sofisticado agora pode ser feito com ferramentas de IA gratuitas ou terceirizado para plataformas de Fraude-como-Serviço por apenas US$ 10 por semana. Catalogamos as ferramentas que estão impulsionando essa mudança em nossa análise de as ferramentas de IA que alimentam fraudes em escala.
Muitos bancos não estão preparados para a velocidade, o volume e a complexidade desses ataques devido a três lacunas críticas nos fornecedores legados:
- Analisar o risco em silos em vez de ao longo de toda a jornada do cliente
- Uso de bases de dados estáticas com baixas taxas de correspondência e dados desatualizados
- Confiar em análises históricas quando não há uma linha de base para comparação
Cada uma dessas lacunas cria vulnerabilidades que fraudadores podem explorar para assumir o controle das contas valiosas dos seus clientes. Isso não apenas representa risco financeiro para os bancos e seus clientes, como também causa danos à reputação que podem afastar os clientes.
É por isso que as principais instituições financeiras estão migrando para uma proteção de zero-day, capaz de detectar e impedir fraudes em tempo real, mesmo durante a primeira interação de um usuário.
Sinais de zero-day: detecte fraudes sem bases históricas
Os sistemas tradicionais de prevenção a fraudes dependem do histórico de comportamento dos usuários para identificar riscos. Essa abordagem falha quando os invasores exploram cenários de zero-day, ou situações em que não existe uma linha de base prévia de comportamento do usuário. Isso inclui tomada de contas inativas, primeiros logins a partir de dispositivos novos ou reutilizados, ataques automatizados por bots e fraudes coordenadas em várias contas ou canais. Nesses casos, confiar apenas em padrões históricos ou em regras estáticas é insuficiente.
Os sinais de zero-day preenchem essa lacuna ao observar o que está realmente acontecendo naquele momento. Por exemplo, o usuário está copiando e colando a senha em vez de digitá-la? Alguém está controlando a tela dele remotamente com o TeamViewer? O dispositivo dele está supostamente acessando uma conta bancária enquanto está virado para baixo sobre a mesa? Esses sinais analisam em tempo real os atributos do dispositivo e o comportamento do usuário que não exigem qualquer conhecimento prévio sobre o usuário.
Principais componentes do software moderno de proteção contra ATO
Como as principais instituições financeiras usam sinais de zero-day para impedir a tomada de contas
Aqui estão exemplos reais de como os sinais de zero‑day da Sardine ajudaram a detectar e impedir tomadas de conta que os sistemas tradicionais de fraude não conseguem identificar:
Primeiras invasões usando contas fraudulentas
Desafio: Fraudadores miram contas inativas ou com pouca atividade digital, em que a falta de atividade recente do usuário e de padrões comportamentais torna a detecção tradicional ineficaz. Essas contas ficam em risco porque é improvável que os clientes percebam acessos não autorizados em tempo hábil.
Sinais de detecção:
- Velocidade do dispositivo (reutilização entre contas)
- Uso de emulador ou script
- Proxy ou VPN (incompatibilidade geográfica com a localização do KYC)
- Reputação arriscada de IP/dispositivo
- Status de troca de SIM e uso de eSIM
- Indicadores de compartilhamento remoto de tela (TeamViewer, AnyDesk)
- Sinais de zero-day da Sardine
login_zero_day_signalscheckpoint
Resultados para o cliente: A maior corretora de criptomoedas do mundo usou a Sardine para analisar sinais comportamentais durante o cadastro, incluindo interações do usuário, uso de proxy, detecção de software de acesso remoto e geolocalização de IP precisa. Isso evitou tanto fraudes na entrada de novos clientes quanto sequestros de contas, bloqueando US$ 650 mil em perdas anuais por fraude e protegendo os clientes de US$ 10 milhões em possíveis roubos.
Proteção contra tomada de conta de contas (básica + dia zero)
Desafio: Atacantes podem comprometer as credenciais de contas e contornar a detecção se os controles de risco dependerem apenas de padrões observados anteriormente. A proteção deve considerar tanto as linhas de base conhecidas quanto sinais de zero-day para identificar desvios sem atrasar o acesso legítimo dos usuários.
Sinais de detecção:
- Novos/inesperados atributos de login
- Dispositivo ou IP não confiável
- Dispositivos/IP confiáveis conhecidos usados pelo usuário como referência
- Fluxo de trabalho:
ato_baseline_user_and_zero_day_attacker
Resultados para o cliente: Um grande neobank japonês evitou ATOs usando os sinais de dispositivo e comportamento da Sardine para detectar atividades suspeitas, como comportamento anormal de copiar/colar, dispositivos desconhecidos e novos endereços IP. Esses sinais em tempo real identificaram sessões de alto risco durante o login e a vinculação de cartões, reduzindo a fraude em todo o processo de onboarding, login e recargas de carteira.
Verificação de proximidade entre canais
Desafio: Atividades fraudulentas frequentemente se estendem por vários canais. Por exemplo, um invasor pode acessar o internet banking por meio de um script enquanto o usuário legítimo interage pelo aplicativo móvel. A falta de correlação entre os canais aumenta o risco de deixar passar comportamentos coordenados ou anômalos.
Sinais de detecção:
- Incompatibilidade de geolocalização entre o banco pela internet e o banco móvel
- Reputação de IP e pontuação de confiança
- Inconsistência entre MCC, MNC e país do SIM
- Cenários de viagem impossíveis via
login_geolocationcheckpoint
Resultados para o cliente: O segundo maior neobank europeu usou a inteligência de dispositivos e a análise de grafos da Sardine para detectar fraudadores criando múltiplas contas em vários canais. Ao conectar contas em uma rede global de mais de 6,6 bilhões de dispositivos, eles identificaram e interromperam em tempo real um esquema de fraude em larga escala, ao mesmo tempo em que alertaram potenciais vítimas cujos números de telefone haviam sido alvo.
Clientes existentes fazendo login com um novo dispositivo
Desafio: Fraudadores tentam acessar contas usando dispositivos novos ou reaproveitados que não foram previamente associados ao usuário. Sem uma identificação robusta do dispositivo e uma avaliação de confiança, esses logins podem parecer legítimos e escapar da detecção.
Sinais de detecção:
- Nova impressão digital de dispositivo não vista para o usuário
- ID/impressão digital de dispositivo compartilhado entre várias contas
- Verificação de IP residencial confiável
- Avaliado usando
login_new_attributeselogin_zero_day_signalscheckpoints
Resultados do cliente: A principal plataforma de “Compre Agora, Pague Depois” do México usou sinais de zero-day – como velocidade de digitação, tempo gasto no fluxo de login e variações de endereço IP – para detectar e bloquear usuários de alto risco durante o login, reduzindo significativamente a tomada de contas e gerando um retorno sobre o investimento de 2,8X.
Prevenção de bots e ataques automatizados
Desafio: Bancos e fintechs enfrentam ataques automatizados frequentes que tentam realizar credential stuffing ou ataques de força bruta em tentativas de login em diversas contas de clientes. Esses ataques podem contornar limites básicos de taxa e exigem detecção com base em comportamento e características do dispositivo.
Sinais de detecção:
- Resolução de tela rara
- Sem movimento do mouse ou padrões artificiais
- Orientação suspeita do telefone
- Atividade de controle remoto
- Velocidade dos padrões de acesso entre contas
Resultados para clientes: Um grande neobank comercial dos EUA reduziu em 35% as tomadas de conta após integrar o Device and Behavior SDK da Sardine. Ao detectar sinais como copiar/colar de senha, uso de proxy ou VPN e ferramentas de acesso remoto, eles interromperam tentativas de ATO em ataques de phishing, stuffing de credenciais por bots e engenharia social. Aprofundamos a detecção de ataques automatizados de login em nosso guia sobre detecção de bots em tempo real.
Detecção de fraude em múltiplas contas
Desafio: Operações de fraude muitas vezes envolvem o uso da mesma infraestrutura (dispositivo, IP, padrões de sessão) em várias contas falsas ou comprometidas. Identificar esses padrões é fundamental para evitar ataques em larga escala que exploram o processo de onboarding ou de login.
Sinais de detecção:
- ID de dispositivo ou impressão digital vista em muitas contas
- Padrões de acesso anômalos ou tentativas de login
- Agrupamento de logins e transações
Resultados para o cliente: Um grande marketplace de moda usou a Sardine para detectar compartilhamento de dispositivos e abuso de múltiplas contas durante a integração de vendedores, interrompendo quadrilhas de fraude que criavam contas duplicadas a partir do mesmo dispositivo. A análise de conexões de rede e os sinais de comportamento da Sardine identificaram vendedores de alto risco em tempo real, ajudando a proteger a integridade da plataforma e manter os usuários legítimos em segurança.
Detecção de troca de SIM
Visão geral: Lançamos recentemente novos recursos de detecção de troca de SIM (SIM swap) para enfrentar esse vetor crítico de ATO. A fraude por SIM swap é um conhecido precursor de ATOs e normalmente passa despercebida em sistemas sem integração com operadoras de telefonia. Sem sinais de SIM swap, os bancos não conseguem avaliar se um número de telefone usado para 2FA ou recuperação foi comprometido.
Sinais de detecção:
- Eventos de troca de cartão SIM
- Identificação de eSIM
- Regras de risco vinculadas a esses eventos por meio do mecanismo da Sardine
Proteção contra tomada de conta de contas: por que os bancos confiam na Sardine
A abordagem da Sardine vai além dos sistemas legados que analisam o risco de forma isolada ou dependem apenas de padrões históricos. Monitoramos o risco ao longo de toda a jornada do cliente e combinamos nossos sinais proprietários de zero-day com dados de mais de 40 fornecedores totalmente integrados para detectar e impedir fraudes em tempo real, mesmo quando não há uma linha de base comportamental para comparação.
Nossa plataforma aproveita a rede de inteligência de dispositivos global que mais cresce, com mais de 6,6 bilhões de dispositivos perfilados em 135 países, oferecendo uma visibilidade incomparável sobre a reputação de dispositivos e padrões de fraude em todo o mundo. Modelos personalizados de machine learning, treinados especificamente para detectar tomadas de conta, bots e golpes, analisam esses dados para identificar com precisão eventos de alto risco. Tudo isso com latência abaixo de 100 milissegundos para decisões de autenticação em tempo real.
Seja detectando fraudes no primeiro contato, identificando atividades de dispositivos comprometidos ou encontrando anomalias nos canais de login, a Sardine ajuda os principais bancos e fintechs a impedir tomadas de conta sem impactar usuários legítimos.
Entre em contato conosco para agendar uma demonstração e saber mais sobre nossas soluções de proteção contra ataques de dia zero.
Perguntas frequentes
O que é proteção contra fraudes de dia zero?
A proteção contra fraudes de dia zero é a capacidade de avaliar uma tentativa de tomada de conta sem depender de um histórico prévio daquele usuário. Os sinais vêm de inteligência de dispositivo, biometria comportamental e do consórcio Sonar, e não da comparação desta sessão com a sessão anterior.
Em que a proteção contra fraudes de dia zero é diferente da detecção de ATO baseada em linha de base?
A detecção baseada em linha de base espera ter histórico de sessões suficiente por conta para identificar anomalias, deixando a primeira janela de comprometimento descoberta. A abordagem de zero-day usa sinais entre contas (correlação de impressões digitais de dispositivos, biometria comportamental, marcadores de consórcio) que funcionam já na primeira sessão.
Quais ataques a proteção contra fraudes de dia zero detecta?
Tentativas de tomada de conta em contas inativas, primeiros logins usando credenciais comprometidas, novos logins em dispositivos cujo perfil corresponde a um padrão conhecido de ATO e ataques de troca de SIM (SIM-swap) que contornam o SMS OTP. Os sinais são acionados já na primeira sessão, e não após a criação de uma linha de base.
A proteção contra fraudes de dia zero é compatível com os requisitos de risco de modelo da SR 11-7?
Sim. A Sardine entrega cada modelo zero-day com documentação de risco de modelo SR 11-7, linhagem conforme o NIST AI RMF e um trilho completo de auditoria de decisões. Os examinadores conseguem ver, já na primeira análise, por que cada sessão recebeu a pontuação que recebeu.
Que latência a proteção contra fraudes de dia zero adiciona ao login?
Menos de 50 milissegundos no 95º percentil. O cliente não percebe qualquer atrito, a menos que a pontuação ultrapasse o limite de risco, momento em que o sistema intensifica a autenticação ou mantém a sessão em espera para revisão.