Resolução de entidades
A resolução de entidades é o processo de determinar quais registros se referem à mesma entidade do mundo real — a mesma pessoa, empresa ou dispositivo — quando não há um identificador comum que indique isso. É assim que “J. Smith, Rua Oak, 14” e “John Smith, Rua Oak, 14, apto. 2” se tornam um único cliente, e como quarenta contas se transformam em uma rede de fraudes.
| Também conhecido como | Interligação de registros, resolução de identidade, deduplicação, correspondência de dados |
| Problema central | A mesma entidade aparece em muitos registros sem uma chave comum |
| Correspondência determinística | Regras exatas para os campos selecionados — rápidas, precisas, frágeis |
| Correspondência probabilística | Similaridade ponderada entre campos, gerando um índice de confiança |
| Baseado em grafos | Entidades como nós, atributos compartilhados como arestas — identifica conexões indiretas |
| Dois tipos de erro | Os falsos positivos agrupam pessoas diferentes; os falsos negativos separam uma mesma pessoa |
| Efeito de limiar | Aumentar o aperto em um tipo de erro sempre diminui o aperto no outro |
| Uso fraudulento | Relacionar contas que, isoladamente, parecem não ter nenhuma relação entre si |
| Uso para fins de conformidade | Visão única do cliente, verificação de sanções, titularidade econômica |
Como funciona
Três famílias de técnicas, que geralmente são combinadas, em vez de se optar por uma em detrimento das outras.
Correspondência determinística aplica regras exatas: mesmo número de identidade nacional, ou mesmo sobrenome mais data de nascimento mais CEP. É rápido, fácil de explicar a um auditor e frágil. Um dígito invertido, um nome de casada ou um endereço registrado de duas maneiras diferentes o invalidam silenciosamente.
Correspondência probabilística avalia a semelhança em diversos campos e os pondera de acordo com o grau de contribuição de cada um. Um sobrenome em comum é uma evidência fraca; um sobrenome, data de nascimento e número de telefone em comum são evidências fortes. O resultado é uma pontuação de confiança, e o ponto em que o limite é estabelecido nessa pontuação constitui toda a decisão.
Resolução baseada em grafos trata as entidades como nós e os atributos compartilhados como arestas, o que revela conexões indiretas que as outras duas abordagens não detectam. Duas contas que não compartilham nada diretamente podem estar conectadas a uma terceira por meio de um dispositivo e um número de telefone — uma relação invisível na comparação entre pares, mas óbvia em um gráfico. É isso que permite detectar fraudes organizadas.
O compromisso em relação aos erros é inevitável e vale a pena deixá-lo bem claro. Falsos positivos juntar duas pessoas reais em um único registro, o que leva a decisões erradas sobre ambas e é muito difícil de corrigir posteriormente. Falsos negativos isso faz com que uma pessoa fique fragmentada em vários registros, de modo que a instituição nunca tenha uma visão completa do relacionamento. Aumentar a rigidez de um deles diminui a do outro, e a configuração correta depende de qual erro tem um custo maior naquele contexto.
Por que isso é importante para a verificação de identidade
A resolução de entidades é o que transforma aplicações, por si só, comuns em um padrão visível, e sua qualidade depende inteiramente dos dados com os quais ela precisa fazer a correspondência.
Uma rede fraudulenta que envia quarenta solicitações com quarenta identidades distintas parece, na avaliação por solicitação, consistir em quarenta clientes sem relação entre si. A resolução é o que os conecta — e o que ela consegue usar para conectá-los determina se o esquema funciona. Impressões digitais de dispositivos e endereços IP são úteis e podem ser facilmente variados por um operador competente que utilize dispositivos limpos e proxies residenciais. Nomes e endereços informados pelos próprios usuários são imprecisos e facilmente distorcidos.
Os atributos de identidade verificados são os mais difíceis de alterar. O mesmo documento autenticado aparecendo em vários pedidos, ou o mesmo rosto em identidades que não têm nada mais em comum, é um elo que um fraudador não consegue quebrar facilmente — pois quebrá-lo significa obter outro documento genuíno e outra pessoa disposta a colaborar. Vinculação de atributos de identidade verificados entre contas é o que torna a resolução robusta, e não apenas engenhosa, e a Microblink’s detecção de identidades sintéticas e roubadas baseia-se nessa ligação.
Essa mesma infraestrutura também é utilizada para fins de conformidade. A visão única do cliente, a correspondência precisa de sanções e o mapeamento da titularidade econômica são, todos, problemas de resolução de entidades — e todos eles falham da mesma forma quando os dados de identidade subjacentes nunca foram verificados.
Correspondência determinística versus probabilística
| Determinístico | Probabilístico | |
|---|---|---|
| Base | Regras exatas sobre os campos selecionados | Similaridade ponderada em diversos campos |
| Saída | Corresponde ou não corresponde | Um índice de confiança |
| Lida com erros ortográficos e variantes | Não | Sim |
| Explicabilidade | Alto — a regra é a explicação | Mais baixo; requer interpretação da pontuação |
| Ajuste | Editar as regras | Altere o limiar, retreine os pesos |
| Falha típica | Perde partidas de verdade | Unifica registros que não deveria |
| Mais adequado para | Identificadores compartilhados robustos | Dados desorganizados, incompletos e inseridos manualmente |
A maioria dos sistemas de produção aplica primeiro regras determinísticas para identificar as correspondências certas de forma econômica e, em seguida, encaminha o restante para a pontuação probabilística. A análise de grafos está integrada a ambos.
O que ele não consegue fazer
Ele não pode inventar informações que não existem. Dois registros que compartilham apenas um nome em comum não podem ser identificados com segurança, e nenhum algoritmo altera isso. A qualidade da identificação é limitada pelos atributos disponíveis; é por isso que as informações coletadas na fase de cadastro são mais importantes do que a técnica de correspondência.
Não é possível evitar os dois tipos de erro. Todo limiar troca falsas fusões por links perdidos. Um sistema que alega eliminar ambos simplesmente escolheu uma configuração e não informou qual.
É dispendioso reverter fusões incorretas. Quando duas pessoas passam a ser tratadas como uma só, as decisões são registradas em um histórico conjunto — crédito, pontuações de risco, comunicações. Desfazer isso posteriormente é consideravelmente mais difícil do que evitar que isso aconteça, o que justifica a cautela na hora de realizar a fusão em contextos de consumo.
Isso não comprova que qualquer identidade seja real. A resolução determina quais registros se referem à mesma entidade. Se essa entidade é uma pessoa real ou não, essa é uma questão à parte, e uma identidade sintética bem construída se resolve de forma clara em si mesma.
Perguntas frequentes
Qual é a diferença entre resolução de entidades e resolução de identidades?
Em grande parte, trata-se de uma questão de uso. “Resolução de entidades” é o termo geral e abrange pessoas, empresas, dispositivos e produtos. A “resolução de identidade”, por sua vez, geralmente se refere especificamente a pessoas e, em contextos de marketing, à integração da atividade de um cliente entre diferentes canais.
Qual é a diferença entre correspondência determinística e probabilística?
A abordagem determinística aplica regras exatas e retorna “correspondência” ou “sem correspondência” — é rápida e explicável, mas é prejudicada por erros de digitação e variantes. A abordagem probabilística avalia a similaridade entre campos e retorna um valor de confiança, lidando com dados desorganizados à custa de uma decisão baseada em um limite.
Como a resolução de entidades detecta redes de fraude?
Ao conectar contas com base em atributos comuns, incluindo conexões indiretas identificadas por meio da análise de grafos. Individualmente, os aplicativos parecem não ter relação entre si; no entanto, em conjunto, eles compartilham dispositivos, endereços ou atributos de identidade verificados que revelam uma coordenação.
O que faz com que a resolução de entidades falhe?
Atributos insuficientes ou não verificados. Dois registros que compartilham apenas um nome em comum não podem ser associados com segurança, e os dados fornecidos pelos próprios usuários são facilmente manipulados por um fraudador. Atributos de identidade verificados são muito mais difíceis de alterar, e é isso que garante a validade da associação.
Leitura relacionada
- Quadrilha de fraude — o que a resolução de entidades geralmente busca
- Fraude de identidade sintética — a identidade que se resolve de forma clara e não é real
- Verificação de documentos de identidade — de onde vêm os atributos difíceis de alterar
- Detecção de fraudes — os dados de resolução das camadas