Proteja seu app de crédito com fingerprinting de dispositivos, dados comportamentais e reconhecimento facial
Apps de crédito são alvo de fraudes e roubo de identidade. Proteger os dados dos clientes e manter a análise de crédito confiável é essencial. A identificação por fingerprinting de dispositivos é um bom ponto de partida.
Fingerprinting e perfil do dispositivo: coleta de informações técnicas exclusivas
O fingerprinting de dispositivos consiste em coletar dados técnicos que distinguem um dispositivo, como fabricante e modelo, sistema operacional e especificações de hardware.
Use esse perfil para identificar e acompanhar o dispositivo em diferentes sessões. Assim, fica mais difícil se passar por outra pessoa ou abusar da criação de várias contas.
Como detectar possíveis fraudes com dados comportamentais do aplicativo
Comece pelo fluxo do aplicativo. Registre quando cada tela ou etapa começa e termina.
Depois, sinalize padrões incomuns, como tempos exatamente iguais ou uma navegação que pareça não humana. Esses padrões podem indicar bots ou outras ferramentas automatizadas.
Coleta de endereços IP e acompanhamento de mudanças na rede
Registre os endereços IP e monitore também as mudanças na rede.
Esses dados podem ajudar você a identificar acessos suspeitos e bloquear o uso não autorizado do app de crédito. Inclua informações de fontes externas, como o AbuseIPDB, sobre a conexão e sobre o histórico do endereço IP em atividades de bots.
Esses sinais ajudam a detectar fraudes e agilizam a investigação.
Como detectar possíveis fraudes com informações do dispositivo móvel
Dados do giroscópio e do nível da bateria podem revelar automação em vários dispositivos. Um dispositivo parado e conectado à tomada por longos períodos pode fazer parte de uma estrutura que usa vários dispositivos para gerar pedidos fraudulentos.
Monitoramento da intensidade do sinal e de informações da rede
Monitore a intensidade do sinal e os detalhes da rede para obter mais contexto. Um grupo de dispositivos conectados à mesma rede Wi-Fi pode indicar uma atividade coordenada.
Para consultar os resultados da busca por redes Wi-Fi, o aplicativo precisa ter permissão de localização, que deve ser concedida pelo cliente. Permissões de Wi-Fi no Android.
Esse tipo de situação deve levar a uma análise.
Uso de identificadores de dispositivo específicos do aplicativo para detectar possíveis fraudes
No iOS, um aplicativo pode usar o identificador de dispositivo associado ao fornecedor, identifierForVendor. Ele muda quando o usuário remove todos os aplicativos desse fornecedor. Os aplicativos não têm acesso ao endereço MAC do próprio dispositivo. Nas solicitações de identificadores de hardware pelas APIs de Wi-Fi e Bluetooth, o Android retorna o valor constante 02:00:00:00:00:00. O iOS retorna o mesmo valor para solicitações de endereço MAC. Documentação do Android e documentação da Apple.
Mais segurança com reconhecimento facial e detecção de vida
O reconhecimento facial pode ajudar a verificar a identidade. Compare o rosto do solicitante com a foto do documento de identificação para confirmar que se trata da pessoa que está fazendo o pedido.
Um modelo facial usado para identificar uma pessoa é um dado biométrico nos termos do Artigo 9 do GDPR, e seu processamento exige o consentimento explícito do solicitante.
Use a detecção de vida para evitar falsificações. Confirme que há uma pessoa real diante da câmera, e não um vídeo reproduzido ou uma foto estática.
Verifique a profundidade e os movimentos naturais durante a captura. Confira os metadados da foto recebidos pelo seu endpoint de API e compare-os com o perfil do dispositivo.
Inconsistências podem indicar uma imagem falsificada ou manipulada.
Conclusão
O objetivo é proteger o app de crédito e seus clientes contra fraudes. Combine fingerprinting de dispositivos, dados comportamentais do aplicativo, reconhecimento facial e detecção de vida para apoiar uma análise de crédito precisa e confiável.
Acompanhe endereços IP, mudanças na rede e intensidade do sinal. Colete detalhes das redes Wi-Fi somente quando o cliente tiver concedido a permissão necessária.
Perguntas frequentes
O que deve levar a uma análise manual em vez de uma recusa automática?
Use um sinal fraco isolado para aumentar a atenção, não para recusar um pedido. Reserve a recusa automática para um indicador de fraude de alta confiabilidade ou para uma combinação de sinais independentes que sua política testada considere decisiva. Um dispositivo novo, um endereço IP compartilhado ou uma leitura incomum da bateria podem ter causas legítimas. Compare os pontos de corte com casos de fraude confirmados e com pedidos legítimos recusados indevidamente.
Qual deve ser o peso do fingerprinting de dispositivos na decisão sobre um pedido?
Considere o perfil do dispositivo como uma informação entre outras, não como prova de identidade ou fraude. Antes de atribuir um peso fixo a ele, teste o valor que acrescenta aos sinais que você já usa. Dispositivos compartilhados, trocas de dispositivo e atributos ausentes podem levar a conclusões equivocadas. Limite a influência do perfil se ele não melhorar a detecção de fraudes o suficiente para justificar o impacto sobre solicitantes legítimos.
A leitura de endereços MAC identifica uma fazenda de dispositivos com segurança?
Não. Os sistemas operacionais móveis restringem o acesso aos endereços MAC, e a randomização faz com que eles não sejam confiáveis como identificadores persistentes. Não crie uma regra de bloqueio com base em um endereço MAC ou no prefixo do fabricante. Use o agrupamento por rede como motivo para investigar, junto com evidências mais robustas, e verifique os requisitos das plataformas e de privacidade antes de coletar dados do dispositivo.
Como testar sinais de dispositivos e comportamento antes de usá-los para recusar pedidos?
Teste os sinais em pedidos históricos com resultados confirmados e, depois, execute-os em modo sombra antes de usá-los nas decisões. Compare as perdas por fraude, as recusas indevidas, a conclusão dos pedidos e o volume de análises com os resultados da abordagem atual. Quando possível, reserve um grupo de comparação baseado em período, já que os padrões de fraude mudam. Aguarde tempo suficiente para que os resultados de pagamento ou investigação estejam consolidados.
O que fazer quando a comparação facial ou a detecção de vida não chega a uma conclusão?
Ofereça uma nova tentativa ou uma análise por uma pessoa, em vez de tratar uma captura inconclusiva como prova de fraude. Defina limites para novas tentativas e ofereça outra forma de verificação em caso de pouca iluminação, problemas com a câmera ou divergências no documento. Acompanhe as taxas de falha e de encaminhamento para análise em diferentes dispositivos e grupos de solicitantes. Confira as regras aplicáveis de privacidade e biometria antes de coletar ou armazenar dados faciais.