Como o machine learning contribui para a prevenção de fraudes de controle de contas (ATO)?

Case comprova como o aprendizado de máquina detectou e evitou ATO com alta precisão e sem causar danos ao usuário

Por Thiago Bertacchini

No cenário empresarial em constante evolução, a segurança e a confiança são essenciais para manter o crescimento e a sustentabilidade de qualquer plataforma online.

A fraude de Account Takeover (ATO) e a criação de contas falsas são desafios que afetam a integridade das comunidades virtuais e a confiança dos utilizadores.

Para os usuários ter sua conta roubada é uma grande dor de cabeça, para as empresas os riscos são ainda maiores: a fraude afeta direta e profundamente a reputação da marca, a confiança do cliente, também pode levar a graves perdas financeiras, comprometer dados sensíveis e, nos piores casos, pode resultar em responsabilidade legal e na propagação de ataques mais amplos. Portanto, quem faz negócios online deve ficar atento.

Um caso notável que ilustra a importância do combate a estas ameaças é a colaboração bem-sucedida entre a Nethone e a BlaBlaCar, líder global em partilha de viagens comunitárias.

Com mais de 26 milhões de membros em 21 mercados, a BlaBlaCar construiu uma sólida reputação como a principal rede de viagens comunitárias do mundo. No entanto, a popularidade também atraiu a atenção de fraudadores em busca de oportunidades para explorar e enganar os usuários.

Por que um fraudador iria querer criar uma conta falsa ou roubar uma conta com boa reputação na plataforma BlaBlaCar? Os fraudadores fazem isso para oferecer viagens falsas.

Assim que os demais membros da comunidade solicitam e são aceitos para essas viagens falsas, o fraudador entra em contato com os membros por outro canal, como via SMS ou aplicativos de mensagens como Whatsapp, Telegram, Viber etc., alegando que há um problema no aplicativo BlaBlaCar e solicitar pagamento fora da plataforma. Feito o pagamento, o motorista desaparece, assim como o dinheiro do usuário.

Solução para fraudes ATO passa por aprendizado de máquina

Para enfrentar esses desafios, a BlaBlaCar fez parceria com a Nethone, uma empresa especializada em prevenção de fraudes com base em modelos personalizados de aprendizado de máquina (ML), perfis detalhados de usuários e dados de impressão digital de dispositivos.

A implementação das soluções da Nethone na plataforma BlaBlaCar resultou numa redução significativa de incidentes ATO e fraudes relacionadas com contas.

A abordagem da Nethone baseou-se na combinação de modelos personalizados de aprendizado de máquina, perfis detalhados de usuários e dados de impressão digital de dispositivos.

Uma Prova de Conceito (POC) foi implementada para detecção inicial de ATO e provou ser altamente eficaz, identificando uma quantidade significativa de casos fraudulentos.

À medida que surgiram novos padrões de fraude, a Nethone ajustou o modelo para manter uma detecção precisa.

E a parceria trouxe resultados e benefícios significativos para a BlaBlaCar. Um exemplo disso foi a detecção de um único usuário/dispositivo tentando abrir 536 contas diferentes ao longo de um mês, utilizando técnicas sofisticadas para ocultar sua identidade.

Todas essas tentativas fraudulentas foram identificadas e bloqueadas, protegendo a experiência dos usuários legítimos da plataforma.

Além disso, um aspecto importante da nossa configuração de fraude foi a detecção de 70% de todos os casos fraudulentos nas fases iniciais do processo de prevenção de fraudes, basicamente arrancando o mal pela raiz. Essa alta taxa de detecção foi alcançada mantendo um impacto mínimo no tráfego de usuários legítimos.

A colaboração também permitiu melhorias consistentes nos modelos de detecção de fraudes da plataforma. A Nethone disponibilizou um cientista de dados para interagir diretamente com a BlaBlaCar, criando e ajustando modelos customizados para atender às necessidades específicas da plataforma.

O sucesso desta parceria destaca a importância de abordagens avançadas de prevenção de fraudes para manter a segurança dos negócios online.

O sucesso desta parceria não só destaca a importância das abordagens avançadas de prevenção da fraude para manter a segurança dos negócios online, mas também a necessidade de encontrar um equilíbrio entre a proteção do consumidor e uma experiência de compra tranquila.

A implementação de soluções baseadas em inteligência artificial e análise detalhada de dados provou ser uma estratégia eficaz para combater ameaças como ATO e criação de contas falsas.

As empresas que buscam fornecer um ambiente online seguro e confiável para seus usuários podem se inspirar em um caso como este.

A prevenção eficaz de ATO protege os clientes, mantém a confiança na marca e preserva a integridade das operações comerciais.

E quando o aprendizado de máquina é colocado em ação da maneira certa, as ameaças existentes e emergentes são abordadas de forma proativa.

Machine learning e gestão de riscos: entenda qual é a relação entre eles

IA e Machine Learning são prioridades para os CIOs brasileiros, diz estudo da Lenovo 

Machine Learning: o recurso tecnológico que pode integrar versatilidade ao setor de cibersegurança

Acompanhe o melhor conteúdo sobre Inteligência Artificial publicado no Brasil.