Ideas sobre fraude y antifraude
Lo que aprendimos operando antifraude en el mundo real — detección, reglas, métricas y el costo total del fraude.
El que espera: el atacante que se aguanta para no llamar la atención y el cliente de siempre dejan el mismo rastro
Compras chicas y aburridas sobre la misma tarjeta, ninguna que salte sola. Qué separa de verdad al que espera del cliente de ticket medio de siempre.
Leer → Tipos de fraude · 5 de 9Ingeniería social: el que compra con los datos que le dio la víctima y el cliente de viaje dejan el mismo rastro
Una tarjeta con todos los datos correctos, usada desde un aparato nuevo. Qué separa de verdad al que consiguió los datos por teléfono del cliente que está de viaje.
Leer → Tipos de fraude · 4 de 9Redes de identidades: el que opera cinco cuentas y la familia que comparte teléfono dejan el mismo rastro
Cuentas distintas que comparten aparato, dirección o línea. Qué separa de verdad a una red de identidades de la familia que comparte la tarjeta de la casa.
Leer → Tipos de fraude · 3 de 9Primera compra grande: el atacante de un solo intento y el cliente que se mudó dejan el mismo rastro
Cuenta sin historia y una compra grande de entrada. Qué separa de verdad al ataque de un solo intento del cliente que llevaba meses ahorrando.
Leer → Tipos de fraude · 2 de 9Velocidad: el atacante contra el reloj y el dueño de tienda dejan el mismo rastro
Muchas compras en pocas horas sobre la misma tarjeta. Qué separa de verdad al abuso de velocidad del cliente que acaba de cobrar.
Leer → Tipos de fraude · 1 de 9Card testing: el atacante y el cliente sin saldo dejan el mismo rastro
Montos mínimos, rechazos seguidos y reintentos. Qué separa de verdad al card testing del estudiante y del cliente que se quedó sin saldo.
Leer → Tipos de fraude · ÍndiceNueve tipos de fraude en pagos y su gemelo legítimo
Cada tipología tiene un cliente honesto que deja el mismo rastro. Las nueve, con lo que de verdad las separa.
Leer → Detección de fraude · ReglasReglas que aprenden: el modo sombra que mata el punto ciego del antifraude
Una regla que solo bloquea nunca te dice si acertó. Cómo el modo sombra inteligente mide el resultado real de cada regla — y de paso enseña al modelo.
Leer → Costo Real del Fraude · 8/8Por cada $1 de fraude pierdes casi $4 (y solo mides el primero)
El número que reportas como costo de fraude es el 25%. La cuenta real es 3 a 4 veces más grande, y casi nadie la suma.
Leer → Costo Real del Fraude · 7/8Reglas, listas, velocidades, modelos, grafos: el problema no es elegir, es combinarlos
No hay navaja suiza en antifraude. Combinar bien las técnicas produce los datos de calidad que el motor necesita para decidir.
Leer → Costo Real del Fraude · 6/8Los contracargos son el termómetro, no la enfermedad
La tasa de contracargos siempre te llega tarde. Qué cambia cuando piensas el antifraude desde el lado del atacante.
Leer → Costo Real del Fraude · 5/8Falsos positivos: el daño que tu antifraude le hace a tus mejores clientes
Los falsos positivos son el costo invisible del antifraude mal calibrado. Cómo medirlos sin sacrificar detección de fraude real.
Leer → Costo Real del Fraude · 4/8Escalar el equipo de analistas no escala
El 75% del día del analista de fraude pasa fuera del producto antifraude. Qué tiene que cambiar para que cada hora del equipo rinda.
Leer → Costo Real del Fraude · 3/8Tu arsenal antifraude tiene 5 proveedores y ninguno se habla con el otro
Tener cinco proveedores de fraude que no se hablan entre sí te cuesta más que el fraude mismo. Qué significa un sistema integrado.
Leer → Costo Real del Fraude · 2/8Si el atacante usa IA, tu motor estático ya perdió
Tener un modelo entrenado no es lo mismo que tener un motor que aprende del adversario al ritmo que el adversario aprende de ti.
Leer → Costo Real del Fraude · 1/8El costo invisible de responder lento
La demora entre detectar un patrón de fraude y bloquearlo en producción es la métrica que define cuánto te cuesta realmente el fraude.
Leer → Open Source · DataspotConstruyendo Dataspot: lecciones de la detección de fraude real
Cómo la obsesión por entender los patrones de fraude llevó a una herramienta open source que encuentra concentraciones de datos — y por qué la liberamos a la comunidad.
Leer → Detección de fraude · GrafosContaminación de grafos en detección de fraude: el problema del que nadie habla
Por qué la detección de fraude basada en grafos termina afectando a clientes legítimos, y qué ignora la industria sobre la contaminación por asociación.
Leer →No se encontraron posts para tu búsqueda.