La plataforma de prevención y detección del fraude en tiempo real

3

Bankia ha venido probando con éxito su plataforma de prevención de fraude en tiempo real. Se ha informado que esta plataforma cuenta con un servicio de detección del fraude multicanal mediante el uso de algoritmos de Machine Learning (ML) o Aprendizaje Automático.

La idea de Bankia ha sido permitir la automatización de sus sistemas para la identificación prematura del fraude y, gracias a este esfuerzo, ha sido galardonada por IDC Research España, la consultora especializada en nuevas tecnologías, como el “Mejor proyecto de implantación Cloud, Big Data y Seguridad”.

En un comunicado de prensa se ha informado que la solución premiada se basa en la creación de un microservicio integrado en el ecosistema y procesos de big data de Bankia.

Esto permite generar un scoring (puntuación) de riesgo por cada movimiento realizado, lo que ofrece a los analistas de ciberseguridad la posibilidad de discriminar en qué alertas tienen que centrar sus esfuerzos.

“El jurado de los premios IDC Research España ha valorado especialmente ‘el grado de innovación y complejidad del proyecto, el alineamiento con las áreas de negocio del banco y el proceso de diseño e implantación, sin ningún impacto en el día a día del usuario’”.

Jorge Gil, director general de IDC España, dijo que también ha destacado el proceso de evaluación inicial efectuado para el establecimiento de objetivos, la definición del roadmap (hoja de ruta) y ser capaz de ejecutar el proyecto en un tiempo reducido.

Además, la consultora ha tomado en cuenta la capacidad de la plataforma para explorar datos en tiempo real de manera sencilla y fácil, de acuerdo a lo indicado por Gil durante la entrega del galardón.

Hay que recordar que IDC (International Data Corporation) es proveedor mundial de inteligencia de mercado, servicios de consultoría y eventos para los mercados de tecnología de la información, telecomunicaciones y tecnología de consumo.

Gorka Díaz, director de Ciberseguridad de Bankia; David Juanas, director de la UGAF (Unidad Global Antifraude) del banco; y Ricardo Sanz, director de Seguridad de BT en España, socio de la entidad financiera en el desarrollo de este proyecto, han sido los encargados de recoger el premio en nombre de la institución financiera.

Aprendizaje Automático para detectar fraude

A juicio de Gorka Díaz, la lucha contra el fraude online no es solo una cuestión de tecnología, sino que consta de una parte muy importante de analítica no focalizada en detectar más y mejor.

“La aplicación de algoritmos con capacidad de Aprendizaje Automático mediante técnicas de Inteligencia Artificial (IA), como Machine Learning, permite realizar un análisis en conjunto y determinar aquellas señales que, de manera unívoca, constituyen un fraude”.

En enero de 2019 y siguiendo esta línea, Bankia tomó la decisión de desarrollar una solución que incorporase técnicas de Machine Learning que dotasen de nuevas capacidades antifraude en tiempo real a las tecnologías ya desplegadas y maximizar la confianza de los clientes respecto a la ciberseguridad percibida.

Según lo planteado, la plataforma fue construida con la premisa de minimizar el número de falsos positivos identificados y, con ello, disminuir las operaciones que requieren de revisión manual por parte de un analista.

De esta manera se supondría un incremento en el índice de acierto en el análisis global de las operaciones y, por ello, la importancia de la implementación de la plataforma de detección del fraude.

Precisamente, el director de la UGAF de Bankia ha comentado que el despliegue de esta moderna solución tecnológica ha facilitado reducir los falsos positivos hasta el 90%.

“Nos ha permitido mejorar los tiempos de respuesta y la experiencia de usuario, lo que ha contribuido en un incremento del nivel de confianza de nuestros clientes en el uso de canales no presenciales”.

También se ha puntualizado que el nuevo motor analítico, que permite la detección del fraude, ha posibilitado garantizar que todas las operaciones, en tiempo real o en diferido, sean analizadas por parte de los sistemas de Inteligencia Artificial.

En caso de ser necesario serían abordadas por el analista, además de contar con la capacidad de aprendizaje, lo que se va traduciendo en la mejora continua de los indicadores antifraude.