Análisis de fraude basado en el comportamiento

El análisis de fraude basado en el comportamiento identifica el fraude a partir de cómo actúa una persona, en lugar de por lo que sabe o posee. Crea un modelo de actividad normal —para un usuario, un segmento o una población— y señala cualquier desviación significativa respecto a dicho modelo. Detecta ataques que las comprobaciones de credenciales no pueden detectar, pero puede ser burlado por atacantes lo suficientemente pacientes como para establecer ellos mismos la línea de referencia.

También se conoce como Análisis del comportamiento, detección de fraudes basados en el comportamiento
Tipos de señales Patrones de transacción, comportamiento durante la sesión, navegación y tiempos, señales del dispositivo y de la red, comportamiento biométrico, como la dinámica de la escritura y del tacto
Opciones básicas Historial por usuario, segmento de pares o normas poblacionales
El más fuerte frente a Apropiación de cuentas, bots y automatización, e ingeniería social en curso
Más débil frente a Fraudes cometidos por el verdadero titular de la cuenta y esquemas a largo plazo que establecen su propia referencia
Funciona De forma continua a lo largo de una sesión, no solo en los momentos en los que hay que tomar una decisión
Problema de arranque en frío Una cuenta nueva no tiene historial con el que comparar

Cómo funciona

La premisa es que el fraude se distingue del uso legítimo incluso cuando las credenciales son correctas. Un atacante que ha robado una contraseña conoce el secreto adecuado, pero se comporta como alguien que no está familiarizado con la cuenta: navega de forma diferente, duda en otros puntos, se mueve más rápido o más lento, y accede desde un dispositivo y una red distintos.

Las señales se clasifican en tres niveles. Transaccional Dicho comportamiento abarca los importes, las contrapartes, la frecuencia y el calendario. Sesión El comportamiento abarca las rutas de navegación, el tiempo de permanencia, la cumplimentación de formularios y los patrones de corrección. Interacción Este comportamiento abarca la cadencia al teclear, el movimiento del ratón, la presión táctil y la orientación del dispositivo, señales que resultan difíciles de imitar de forma deliberada, ya que no se controlan de manera consciente.

Para realizar la comparación se necesita, pues, una referencia, y la referencia que se utilice determina lo que el sistema puede detectar:

Situación inicial Detecta Limitación
La propia historia de la persona Otra persona que utiliza una cuenta conocida No sirve para una cuenta nueva; pierde eficacia cuando cambia el comportamiento real
Un segmento de pares Actividad inusual para este tipo de cliente Más burdo e inusual no es lo mismo que fraudulento
Patrones de fraude conocidos Repeticiones de métodos ya observados Ciego ante cualquier novedad
Señales de automatización demográfica Bots, scripts y actividad generada de forma automatizada La automatización sofisticada imita la variabilidad humana

En qué aspectos destaca y en cuáles falla

El análisis conductual es la mejor respuesta disponible a apropiación de una cuenta, porque la suplantación de identidad es precisamente el caso en el que las credenciales son válidas, pero la persona se equivoca. También resulta eficaz contra la automatización a gran escala y contra la ingeniería social, en la que se guía a un usuario auténtico a través de una transacción en tiempo real y se nota su vacilación.

Hay dos modos de fallo que son de carácter estructural y que no pueden solucionarse con modelos más precisos.

El fraude interno le resulta invisible. Cuando es el titular legítimo de la cuenta quien comete el fraude, no se observa ninguna anomalía en el comportamiento, ya que dicho comportamiento corresponde a la persona a partir de la cual se estableció la línea de referencia. Fraude interno es un problema de detección totalmente distinto.

Los atacantes pacientes establecen su propio punto de referencia. A identidad sintética que haya realizado transacciones con normalidad durante seis meses ha enseñado al sistema qué es lo normal, y el salida en masa Al final, se desvía de una norma establecida por el estafador. El modelo funciona exactamente como se ha diseñado y da una respuesta errónea.

Por qué es importante para la verificación de identidad

Ambos modos de fallo comparten una misma causa: el comportamiento se compara con un valor de referencia, y ese valor de referencia no dice nada sobre si la identidad que hay detrás es real. Eso hace que el análisis del comportamiento sea un complemento de la verificación de la identidad, y no un sustituto de la misma —un punto que conviene dejar claro, ya que los proveedores de soluciones basadas en el comportamiento a veces dan a entender lo contrario—.

El problema del «arranque en frío» es el ejemplo más claro. Al abrir una cuenta no hay historial, por lo que las señales de comportamiento son más débiles precisamente cuando la cuestión de la identidad está más abierta. Ahí es donde la autenticación de documentos y la comparación biométrica entran en juego, y donde información en tiempo real Las señales sobre el dispositivo y la red aportan un contexto que el comportamiento por sí solo aún no puede proporcionar.

Ambos aspectos se complementan bien cuando el orden es el adecuado. Verifica la identidad en el punto de entrada para asegurarte de que la cuenta pertenece a una persona real e identificada correctamente; a continuación, deja que el análisis de comportamiento supervise una cuenta cuya línea de referencia tenga algún valor. Identidad sintética y identidad robada Las medidas de control se centran en la población que los modelos de comportamiento no tienen en cuenta, es decir, aquella que nunca ha tenido una identidad legítima de la que desviarse.

Lo que el análisis conductual no puede hacer

No puede determinar la identidad. Detecta cambios en un patrón. A quién pertenece ese patrón es otra cuestión.

No dispone de nada con lo que trabajar durante el proceso de incorporación. La ausencia de historial implica que no hay valores de referencia por usuario, y los valores de referencia por segmento son mucho menos precisos.

Desalienta el cambio auténtico. Un nuevo trabajo, un nuevo país, un nuevo dispositivo, un acontecimiento vital… Se trata de cambios legítimos en el comportamiento, pero un modelo sensible los interpreta como un riesgo.

La explicabilidad supone una limitación real. Cuando una decisión afecta al crédito o al acceso a una cuenta, resulta difícil justificar ante un organismo regulador o ante el cliente una alerta que nadie puede explicar.

La biometría conductual tiene implicaciones en materia de privacidad. La dinámica de la escritura y de los toques son datos biométricos en diversos contextos, y considerarlos como datos de telemetría comunes y corrientes es un error.

Preguntas frecuentes

¿Qué es el análisis de fraude basado en el comportamiento?

Método para detectar el fraude que consiste en comparar el comportamiento de una persona con un patrón esperado, en lugar de comprobar lo que sabe o posee. Se basa en los patrones de transacción, la navegación durante la sesión y señales de interacción —como el ritmo de escritura y la dinámica táctil— y señala cualquier desviación significativa.

¿En qué se diferencia de la detección de fraudes basada en reglas?

Las reglas codifican patrones específicos conocidos de antemano y son explicables, pero estáticas. El análisis de comportamiento aprende qué es lo normal y señala las desviaciones respecto a ello, lo que permite detectar métodos para los que nadie ha escrito una regla, a costa de que resulte más difícil de explicar. La mayoría de los programas utilizan ambas técnicas.

¿Puede el análisis del comportamiento detectar el fraude de identidad sintética?

Rara vez, por sí sola. Una identidad sintética que se comporta con normalidad durante meses establece la propia referencia con la que se compara el modelo, por lo que cualquier desviación posterior se aleja de una norma creada por el estafador. La detección de identidades sintéticas es un problema de identidad que se aborda en el momento de la apertura de la cuenta.

¿La biometría conductual es lo mismo que el análisis conductual?

La biometría conductual es un subconjunto. Se refiere específicamente a señales de interacción como el ritmo de escritura, el movimiento del ratón y la presión táctil. El análisis conductual es más amplio, ya que abarca también los patrones de transacciones y sesiones, y solo una parte de él constituye datos biométricos en el sentido normativo.

Lecturas relacionadas

  • Fraude por apropiación de cuentas — es el caso que el análisis conductual aborda mejor, ya que las credenciales son válidas y la persona no es
  • Fraude interno — el caso que no puede ver, porque el comportamiento corresponde al titular de la cuenta
  • Identificación de dispositivos — una señal complementaria disponible antes de que exista ningún historial de comportamiento
  • Fraude de «bust-out» — el plan a largo plazo que establece la línea de referencia de la que posteriormente se apartará

Descubre nuestras soluciones

Explorar nuestras soluciones está a un clic de distancia. Prueba nuestros productos o charla con uno de nuestros expertos para profundizar en lo que ofrecemos.

Informe
Análisis del aumento del fraude de identidad impulsado por la inteligencia artificial

La IA no solo ha acelerado el fraude, sino que lo ha convertido en un sistema. Hemos analizado millones de interacciones relacionadas con la identidad para trazar un mapa de cómo están evolucionando los ataques a la identidad en las distintas regiones, según los tipos de ataque y los niveles de sofisticación, y qué deben replantearse las organizaciones para mantenerse al día.

Ver los datos