51 min
Fraudology
Fraude de identidade sintética: sintéticos de primeira parte e o novo manual de fraudes
Hoje estamos falando sobre fraude de identidade sintética e por que ela continua sendo um dos problemas mais difíceis para as instituições financeiras detectarem cedo e interromperem de forma consistente.
Este episódio é um resumo de uma conversa do Banking on Fraudology com David Maimon, chefe de Fraud Insights na SentiLink e uma das pessoas nesse setor que passa muito tempo observando diretamente como os fraudadores atuam. Isso é importante porque a fraude de identidade sintética é um daqueles problemas que parecem simples à primeira vista, até você entrar nos detalhes de como ela funciona. A partir daí, tudo fica complicado muito rápido.
À primeira vista, uma identidade sintética pode parecer apenas mais um problema de candidato falso. Mas, quando você aprofunda, é muito mais complicado do que isso. Os fraudadores estão misturando informações reais e falsas, construindo personas fictícias ao longo do tempo e explorando lacunas na verificação de identidade que muitas instituições ainda têm dificuldade em fechar. Em alguns casos, o perfil parece frágil, mas plausível. Em outros, parece limpo porque a pessoa real por trás de partes do cadastro não faz ideia de que suas informações estão sendo usadas.
E isso é importante.
Porque a fraude de identidade sintética não gera apenas baixas contábeis. Ela cria confusão. Ela cria pontos cegos. Ela cria situações em que a identidade parece real o suficiente para passar pelo onboarding, construir histórico e se tornar mais cara de contestar depois. Este episódio também aborda identidades sintéticas de primeira parte, identidades sintéticas de terceiros, marketplaces de identidades na dark web, fraude sintética com empresas falsas e em que medida a fraude de identidade gerada por IA de fato muda ou não o jogo.
Se você trabalha com prevenção a fraudes bancárias, onboarding, identidade ou risco, esta é uma daquelas conversas que ajuda a explicar por que a abordagem antiga de “verificar a pessoa e seguir em frente” simplesmente não é mais suficiente.
O que você vai ouvir neste episódio:
- O que torna a fraude de identidade sintética diferente de outras formas de abuso de identidade
- Como identidades sintéticas de primeira parte e de terceira parte criam riscos diferentes para as instituições financeiras
- O que os mercados de identidades na dark web revelam sobre como criminosos obtêm dados roubados e constroem personas falsas
- Por que a burla de verificações de vivacidade e a fraude de identidade gerada por IA estão ganhando atenção, mas ainda têm limitações reais
- Como a pesquisa de ameaças por analistas de fraude e a inteligência sobre fraudes na dark web ajudam as equipes a se manterem mais próximas das táticas atuais
Você deve ouvir este episódio se você:
- Trabalha na prevenção de fraudes bancárias, onboarding, gestão de risco de identidade ou controles de fraude em instituições financeiras
- Deseja uma compreensão mais clara da detecção de identidades sintéticas e da fraude na abertura de contas sintéticas
- Precisam de maneiras melhores de detectar identidades sintéticas antes que as perdas aumentem adiante na cadeia
- Preocupa-se com lacunas na verificação de identidade, sinais de risco em perfis sintéticos e novas tendências em fraudes sintéticas
- Acredite que as equipes de fraude precisam manter as mãos na massa e ficar próximas de como os criminosos realmente operam
Se você gostou deste episódio, não deixe de assinar e avaliar o podcast no iTunes, Spotify, YouTube ou em qualquer plataforma onde você ouça podcasts. Isso realmente ajuda a divulgar.
Notas do episódio e principais aprendizados
Antes de entrarmos em detalhes nas notas, só quero dizer que a minha equipa de marketing me disse que preciso estruturar estas notas de uma certa forma para que as pessoas encontrem o meu podcast. O que vem abaixo é um pouco disso.
Por que a fraude de identidade sintética ainda é um dos problemas mais difíceis no setor bancário
Vamos analisar isso.
A fraude de identidade sintética é difícil de detectar porque nem sempre parece totalmente falsa e nem sempre parece totalmente roubada. Ela se encontra nesse meio-termo desconfortável em que partes da identidade são reais o suficiente para serem aprovadas, enquanto outras partes são fabricadas, manipuladas ou combinadas de maneiras que fazem o perfil parecer legítimo ao longo do tempo.
Essa é a parte com que as equipes devem se preocupar.
Porque os fraudadores não precisam criar uma identidade perfeita. Eles só precisam criar uma que passe pelos primeiros controles. Quando isso acontece, a própria instituição pode acabar fortalecendo o cadastro sem perceber. Uma conta é aberta. Um histórico de crédito é estabelecido. Um pequeno histórico se desenvolve. E, de repente, o perfil sintético parece mais confiável porque o próprio sistema ajudou a torná-lo mais confiável.
Isso geralmente não termina bem.
Este é um dos motivos pelos quais a fraude de identidade sintética continua frustrando tantas instituições. Os controles tradicionais costumam ser criados para responder a uma pergunta mais simples: essa pessoa é real ou falsa? Mas as identidades sintéticas são feitas para romper esse enquadramento. Elas são projetadas para ocupar o espaço cinzento entre as duas coisas.
Veja por que isso é importante operacionalmente:
- A fraude de identidade sintética explora sistemas que esperam que o risco de identidade seja claramente legítimo ou claramente fraudulento
- A fraude de abertura de contas sintéticas muitas vezes tem sucesso porque o perfil é suficientemente plausível, não porque seja perfeito
- As lacunas na verificação de identidade se tornam mais caras quando a identidade sintética começa a construir histórico institucional
- A prevenção de fraudes bancárias fica mais difícil quando a própria instituição fortalece, sem querer, o cadastro sintético
Como as identidades sintéticas de primeira e de terceira parte diferem
Veja o que está realmente acontecendo.
Uma das partes mais úteis desta conversa é o momento em que David Maimon explica a diferença entre identidades sintéticas de primeira parte e identidades sintéticas de terceira parte. Porque esses não são conceitos intercambiáveis, e essa distinção é importante.
As identidades sintéticas de terceiros se aproximam mais do que muitas equipes de fraude já imaginam. Os fraudadores combinam informações reais e falsas para criar um perfil sintético usando, total ou parcialmente, os dados de outra pessoa. Isso pode incluir um número de Seguridade Social legítimo, um nome inventado, um histórico de endereços modificado ou outros elementos montados a partir de dados pessoais roubados e vendidos em mercados clandestinos.
Identidades sintéticas de primeira parte são diferentes.
Esses casos geralmente envolvem uma pessoa real que deturpa ou remodela partes da própria identidade de um modo que gera confusão sobre intenção, propriedade e responsabilidade. O perfil ainda pode ser manipulado, mas a relação entre a pessoa e a identidade é diferente. E essa diferença pode tornar as decisões de resposta muito mais complexas.
Certo.
Porque, à medida que a intenção se torna mais difícil de classificar, o caso também se torna.
- Identidades sintéticas de primeira parte criam desafios de investigação e de responsabilidade diferentes dos casos clássicos de terceiros.
- Identidades sintéticas de terceiros muitas vezes dependem mais diretamente de mercados de dados pessoais roubados e de manipulação de identidade
- A detecção de identidades sintéticas melhora quando as equipes separam essas categorias em vez de tratar todas as identidades sintéticas da mesma forma
- Previna fraudes de identidade sintética com mais eficácia, alinhando os controles ao tipo de comportamento sintético que você está realmente observando
O que os mercados de identidades na dark web nos revelam sobre o lado da oferta
É aqui que as coisas ficam interessantes.
David aborda os mercados de identidade na dark web e a economia criminosa mais ampla em torno de dados roubados. E isso é importante porque a fraude de identidade sintética não acontece no vácuo. Os blocos de construção estão amplamente disponíveis. Nomes. Datas de nascimento. Números de Segurança Social. Fragmentos do histórico de identidade. Às vezes conjuntos de dados completos. Às vezes dados parciais suficientes para criar algo utilizável.
Isso é um problema.
Porque, quando fraudadores podem comprar elementos de identidade da mesma forma que empresas legítimas compram ferramentas, a fraude sintética se torna mais fácil de escalar. Ela também se torna mais fácil de personalizar. Um fraudador não precisa necessariamente de uma identidade completa roubada. Ele pode precisar apenas de dados reais suficientes para ancorar a criação de uma persona falsa em torno de um elemento credível.
Esse é um dos motivos pelos quais a inteligência sobre fraudes na dark web é tão importante. Ela ajuda as equipes a entender não apenas o ataque que aparece pela frente, mas também a cadeia de suprimentos por trás dele. De onde os dados estão vindo. Como estão sendo agrupados. Quais táticas de fraude em instituições financeiras os criminosos estão discutindo abertamente. E quais métodos parecem estar evoluindo mais rápido do que os controles internos.
- Os mercados de identidades na dark web tornam a criação de perfis sintéticos mais fácil e escalável
- Os mercados de dados pessoais roubados fornecem aos criminosos a matéria-prima necessária para a criação de identidades falsas
- A inteligência sobre fraudes na dark web ajuda as equipes a entender como identidades sintéticas estão sendo montadas na prática
- A pesquisa de ameaças realizada por analistas de fraude é mais eficaz quando inclui como os criminosos obtêm e testam componentes de identidade
Por que a IA e a evasão de prova de vida são importantes, mas não contam a história inteira
Há muita conversa neste momento sobre fraude de identidade gerada por IA e sobre a evasão de verificações de prova de vida. Parte dessa preocupação é justificada. Parte disso está indo além do que é razoável.
David faz um ponto importante aqui. A IA pode ajudar fraudadores em certas partes do processo. Ela pode ajudar a aprimorar documentos. Pode ajudar a criar artefatos com aparência sintética. Pode ajudar na apresentação. Pode até ajudar a testar, sob pressão, os fluxos de onboarding. Mas a IA ainda não consegue, de forma mágica, fabricar todo um histórico real de vida que se sustente em todos os sinais que uma instituição possa analisar.
E isso é importante.
Porque às vezes as equipes ouvem “IA” e imediatamente presumem que todo controle está obsoleto. Essa não é a conclusão correta. A conclusão mais adequada é que a IA pode ajudar fraudadores a acelerar partes de um esquema sintético, mas o desafio fundamental continua sendo se a instituição entende o perfil com profundidade suficiente para questionar a história que está sendo apresentada.
A burla aos testes de prova de vida também faz parte dessa conversa. Sim, há tentativas de usar ferramentas generativas para driblar as verificações de identidade. Sim, essas tentativas estão ficando mais criativas. Mas, novamente, o dossiê completo ainda precisa fazer sentido. O perfil ainda precisa resistir a uma análise mais ampla, se a instituição estiver olhando para os lugares certos.
- A fraude de identidade gerada por IA pode melhorar a apresentação do fraudador, mas não substitui um histórico real
- As tentativas de contornar a verificação de prova de vida são mais críticas quando as instituições dependem demais de uma única camada de verificação
- Os sinais de risco de perfis sintéticos ainda precisam ser avaliados ao longo de toda a jornada de identidade, não em um único ponto de verificação
- Os controles de fraude das instituições financeiras devem partir do princípio de que a IA pode potencializar as tentativas de fraude, sem presumir que ela explique tudo.
Por que continuar com o trabalho de base ainda é importante na área de fraude
Um dos temas mais fortes desta conversa é a ideia de que as equipes de fraude precisam manter as mãos na massa. E, sinceramente, isso está exatamente certo.
Porque a fraude de identidade sintética evolui rápido demais para que as equipes possam depender apenas de velhos manuais, relatórios trimestrais ou apresentações higienizadas de fornecedores. É preciso estar perto das táticas. Perto das conversas na dark web. Perto das mudanças em como as identidades estão sendo criadas e testadas. Perto dos sinais que os analistas estão vendo na prática.
Esse é o trabalho.
E é também isso que diferencia programas reativos de programas adaptativos. As instituições que continuam aprendendo tendem a ter muito mais chances de identificar tendências emergentes de fraude sintética antes que essas tendências amadureçam totalmente e se tornem grandes prejuízos. As instituições que param de aprender geralmente acabam confundindo estabilidade com segurança.
Essas coisas não são a mesma coisa.
Este episódio é um bom lembrete de que a estratégia de combate à fraude não se resume a comprar controles mais rígidos. Trata-se de formar equipes que se mantenham curiosas, bem informadas e próximas o suficiente das táticas reais para perceber quando o ambiente mudou.
- A pesquisa de ameaças feita por analistas de fraude é mais útil quando permanece conectada ao comportamento criminoso atual
- Tendências emergentes de fraude sintética são mais fáceis de detectar quando as equipes continuam aprendendo com o que acontece na prática
- Os controles de fraude das instituições financeiras funcionam melhor quando os analistas entendem como a fraude é realmente construída
- A fraude de identidade sintética exige curiosidade contínua, não atualizações pontuais de políticas
A principal conclusão deste episódio é bastante direta. A fraude de identidade sintética continua sendo um dos problemas mais complexos enfrentados pelas instituições financeiras, porque explora zonas cinzentas de identidade, intenção e verificação. Sintéticos de primeira parte, sintéticos de terceira parte, mercados de identidades na dark web e táticas assistidas por IA aumentam ainda mais a complexidade. Mas as equipes que se mantêm próximas da mecânica real da fraude estarão em uma posição muito melhor para detectá-la cedo e responder de forma inteligente.
