SEON amplia sinais para barrar quadrilhas de fraude e identidades falsas com IA

A SEON, o AI Command Center para prevenção a fraudes e compliance de prevenção à lavagem de dinheiro (PLD), anunciou hoje a expansão do Signal Intelligence, que amplia a base de sinais da plataforma de mais de 900 para mais de 1.100 pontos de dados proprietários, obtidos diretamente. A nova cobertura abrange inteligência de endereços, comportamento de sessão e dados de telefone e operadora, além de sinais mais aprofundados de pegada digital e de dispositivo. A expansão ajuda as equipes de risco a expor inconsistências de identidade e a infraestrutura que conecta quadrilhas de fraude, sem acrescentar mais uma etapa à jornada do cliente.

Está cada vez mais difícil saber se um cliente é genuíno. Os fraudadores precisavam reunir comprovantes de identidade, preencher cada formulário e operar as contas uma a uma. Falsificar a identidade de um cliente exigia esforço; agora basta uma conexão à internet e um prompt. Ferramentas de IA generativa conseguem produzir perfis convincentes e históricos de dispositivo consistentes em minutos. Segundo o Grupo de Ação Financeira Internacional (GAFI), qualquer pessoa com um smartphone pode gerar deepfakes convincentes no tempo necessário para criar um perfil em rede social. A ACAMS informa que 75% dos profissionais de combate a crimes financeiros apontam o uso indevido de IA generativa como seu principal risco emergente pelo terceiro ano consecutivo. Embora o fraudador ainda escolha a identidade e o alvo, agentes de IA cuidam da produção em velocidade de máquina.

O desafio para as equipes antifraude é que cada sinal, isoladamente, pode parecer legítimo. Um e-mail passa na validação. Um dispositivo parece limpo. Um endereço confere. A fraude só se torna visível quando esses sinais são confrontados entre si. A expansão da SEON oferece às equipes de risco mais evidências independentes em cada uma dessas camadas, criando novas oportunidades de expor o que foi fabricado, o que foi reutilizado e o que mudou. Ela aprofunda três partes do retrato da identidade: histórico, infraestrutura conectada e comportamento em tempo real, e então coloca esse contexto por trás das decisões posteriores tomadas por regras, analistas e agentes de IA.

Revelar o histórico que a IA não consegue criar instantaneamente

• As verificações de Digital Footprint mostram onde um e-mail ou telefone aparece nos serviços que as pessoas usam ao longo do tempo. A cobertura ampliada inclui plataformas para desenvolvedores de IA, sites de vagas de emprego, portais imobiliários e aplicativos de relacionamento.
• O Phone Intelligence acrescenta o histórico de troca de SIM (SIM swap) e de portabilidade.
• Juntos, esses sinais ajudam as equipes a avaliar se uma identidade e um número de telefone existiram além deste momento específico.

Expor a infraestrutura que as quadrilhas de fraude reutilizam

• O Address Intelligence transforma sequências de endereço desorganizadas em um sinal de risco ao verificar e padronizar endereços em mais de 240 países, atribuindo identificadores consistentes ao endereço e ao prédio exatos. Esses identificadores revelam quando contas sem relação entre si alternam números de unidade ou variações de formatação no mesmo local.
• Os sinais ampliados do Device Intelligence também identificam atividade de agentes de IA, dispositivos iOS comprometidos, incompatibilidades de eSIM no Android e divergências entre rede e país quando uma VPN mascara o IP visível.
• Juntos, esses sinais ajudam as equipes a identificar contas ligadas a infraestrutura reutilizada e a avaliar se o ambiente do dispositivo é confiável.

Entender a intenção à medida que ela se desenvolve

• O Session Monitoring acompanha o comportamento do cliente desde o onboarding até o login, a recuperação de conta, o checkout e o pagamento.
• As equipes podem detectar automação, acesso remoto, atividade fora da tela e chamadas ativas enquanto a sessão está em andamento, podendo intervir antes que a atividade suspeita se transforme em uma tomada de conta.

Aprimorar cada decisão, agêntica e humana, com mais contexto de sinais

• Dentro do AI Command Center da SEON, as equipes de fraude e risco podem usar os novos sinais em regras, alertas, revisões de clientes e investigações de rede, para que cada decisão se baseie no quadro completo.
• Todos os sinais desta expansão também podem ser conectados às ferramentas de IA escolhidas pelo investigador por meio do servidor Model Context Protocol (MCP) da SEON, para que os agentes raciocinem a partir de evidências reais, com todo o contexto em um só lugar.
• Analistas humanos e agentes de IA podem trabalhar com a mesma base de sinais, levando as evidências da detecção à investigação e à ação.

“A IA tornou barato produzir uma identidade convincente. O que os fraudadores não conseguem fazer facilmente em escala é construir um histórico consistente para cada conta sem reutilizar infraestrutura”, afirmou Tamas Kadar, CEO e cofundador da SEON. “É aí que nossa base de sinais faz a diferença. Quanto mais dimensões uma equipe antifraude consegue verificar simultaneamente, mais difícil é esconder uma identidade que não fecha.”

A SEON também lançou a série Hidden Risk Files, um conjunto de investigações curtas escritas por seus consultores de fraude que mostram como sinais específicos detectam fraudes que outros deixam passar. Cada caso começa com uma pista suspeita e a segue até a infraestrutura compartilhada por trás de uma quadrilha de fraude mais ampla. A série oferece aos líderes de prevenção a fraudes uma visão prática de como a inteligência de sinais muda uma investigação. O primeiro episódio revela como um único atributo de dispositivo, uma leitura do brilho da tela, conectou milhares de contas de uma quadrilha de fraude que operava em hardware Android real.