Índice de temas
Fraudes bancarios
Nos encontramos inmersos en plena era digital, en un contexto de continuo cambio tecnológico que trae consigo soluciones innovadoras cada vez más sofisticadas. La ciberseguridad no se ha quedado atrás y ha evolucionado de forma significativa. Solo con fijarse en las posibilidades que brindan nuestros dispositivos móviles, por ejemplo, protegiendo nuestras identidades digitales con claves criptográficas almacenadas en enclaves seguros, se puede comprender cómo está evolucionando el sector de la identificación digital.
Qué es una cuenta mula
Una de las vulnerabilidades más habituales en el entorno digital es consecuencia del robo de credenciales, mediante phishing y/o ingeniería social, y el consecuente acceso a cuentas bancarias para cometer distintos tipos de fraude. Por ejemplo, en el uso de las conocidas como cuentas mula, que solo en 2023 movieron más de 3,1 billones de dólares en fondos ilícitos en EEUU según Nasdaq Verafin. Se trata de cuentas que se convierten en “mulas de tránsito” al ser empleadas para trasladar fondos ilícitos entre diversas cuentas.
Mediante este proceso, los ciberdelincuentes dificultan el rastreo y llevan a cabo el blanqueo de dinero. Generalmente, las cuentas bancarias a las que acceden los delincuentes pertenecen a personas ajenas al delito, que en ocasiones ni siquiera son conscientes de que están sufriendo un ciberataque. En cambio, en otras, son los ciberdelincuentes los que, empleando técnicas basadas en IA, crean identidades sintéticas para abrir cuentas que serán utilizadas con el fin de lavar dinero.
Las cuentas mula solo en 2023 movieron más de 3,1 billones de dólares en fondos ilícitos en EEUU según Nasdaq Verafin
MIGUEL LUPARELLO, FACEPHY
Cómo luchar contra una cuenta mula
Los métodos tradicionales, incluso manuales, dedicados a detener este tipo de fraudes dejan escapar indicios clave, y/o son muy costosos de mantener debido a la cantidad de transacciones susceptibles de monitorización. Por otra parte, resulta muy complejo establecer criterios heurísticos que contemplen todos los escenarios posibles. Por este motivo, se emplean métodos de machine learning diseñados para anticipar movimientos sospechosos y mitigarlos proactivamente, mejorando así la precisión y robustez de los modelos de identificación y detención.
Esta clase de modelos captura las señales del entorno, por ejemplo, las características propias de una transacción (importe, origen, destino, o localización del dispositivo utilizado en la transacción, entre otros), y evalúa secuencialmente los valores que adquieren dichas señales en momentos específicos de la transacción, o eventos. Mediante esta tecnología, es posible establecer cuál es la intencionalidad de la transacción, es decir, si es legítima o fraudulenta (e.g. blanqueo de capitales), y es posible asimismo evaluar atributos de identidad, y así detectar posibles casos de suplantación de identidad frente a usuarios genuinos.
Protección frente a fraudes
En este contexto, para mantener la seguridad y privacidad financiera es imperante lograr unos niveles de protección elevados, desarrollando estándares que evolucionen y superen el ritmo que los ciberdelincuentes alcanzan para evitar así que puedan acceder de forma indiscriminada a datos y fondos bancarios. Por ello, saber identificar este tipo de actividades sospechosas será necesario para poder ponerle freno o al menos minimizar la cantidad de estafas o intentos de fraude que recibimos día a día.
Porque la ciberseguridad no debe limitarse a responder a las amenazas, sino que debe adelantarse a ellas y lograr una sinergia entre diferentes tecnologías, como la inteligencia artificial, la biometría y las credenciales verificables, claves para construir una defensa robusta contra el fraude bancario que proteja tanto a las entidades como a sus clientes.
