Reportagens Exclusivas

Com biometria comportamental contra contas laranjas e fraudes no PIX, israelense BioCatch quer atrair fintechs e crescer no Brasil

Juliana Soane

Desde 2018, a startup israelense BioCatch, especializada em biometria comportamental, atende no Brasil grandes instituições financeiras como Itaú e Safra. Com o crescimento das contas laranjas – usadas para cometer crimes financeiros – e fraudes em pagamentos digitais como o PIX, a empresa decidiu fincar seus dois pés no país, investindo em equipes locais e disputando o mercado de forma mais assertiva. O objetivo agora é conquistar também fintechs e bancos digitais como o Monzo, no Reino Unido.

O CEO global da empresa, Gadi Mazor, vem ao Brasil em junho para selar esse compromisso, participar do BioCatch Connect e falar com clientes e prospects.

“O Banco Central vem estimulando investimentos em segurança digital por parte dos bancos ao apertar a regulamentação, penalizando tanto os bancos emissores quanto os receptores, no que tange as contas laranjas”, diz Arnaldo Thomaz Neto, country manager da BioCatch no Brasil. Segundo ele, estratégias globais de outros bancos podem ser customizadas para o mercado brasileiro – embora aqui já existam tipos específicos de crimes financeiros, principalmente ligados à engenharia social.

Outro motivo da BioCatch para investir no Brasil é o fato de investimentos em segurança cibernética inteligente ser uma das quatro prioridades dos bancos para 2023. Conforme revela a primeira etapa da Pesquisa Febraban de Tecnologia Bancária 2023, realizada pela Deloitte, R$ 990 milhões devem ser gastos no ano que vem analytics, Inteligência Artificial e Big Data. O montante é 28% maior do que em 2022.

Mule detection

Em entrevista ao portal Fintechs Brasil, Thomaz Neto afirmou que a “Mule Account Detection” (Detecção de Contas Laranjas, em tradução livre) é sua “arma secreta” para conquistar novos clientes. A solução oferece proteção para instituições financeiras contra golpes de lavagem de dinheiro, fraudes e roubo de identidade.

“Através de uma análise comportamental, temos iniciativas para fazer com que os bancos tradicionais e fintechs entendam o nível de perigo que eles vêm correndo. Tudo o que o usuário final faz nessas contas, a gente relaciona aos mais de dois mil indicadores já traçados pela nossa experiência”, afirma.

Esses indicadores, por sua vez, são coletados através de “biometria comportamental”, o que permite à ferramenta classificar o risco de probabilidade de fraude durante uma sessão de transação digital ao analisar uma série de padrões comportamentais, físicos e cognitivos do usuário e comparar com o histórico de uso, a fim de identificar se há anomalias ou desvios durante o uso do app bancário.

“Os modelos de machine learning sobre os dados comportamentais identificam em tempo real indicações de estresse e nervosismo e outros insights sobre os estados físico e emocional do usuário, comumente vistos quando uma pessoa se encontra em situação de risco”, explica.

É um modo desenvolvido pela empresa para medir o nível de familiaridade do usuário com aquela transação. “Eles [usuário e criminoso] possuem diferentes padrões de ritmo e navegação”, aponta. “Como o movimento do mouse, cadência de digitação, padrão de deslize de tela ou propriamente a orientação do dispositivo”.

A ferramenta classifica a probabilidade de fraude durante a sessão em um score. Quanto menor o desvio dos padrões comportamentais, menos os bancos precisarão se preocupar com a legitimidade e intenção do usuário, melhorando, assim, a experiência do cliente. A assertividade é de mais de 90%, segundo Thomaz Neto.

Arnaldo Thomaz Neto

Patentes

Nascida em 2011, a empresa atualmente tem operações ativas em 16 países, com mais de 100 clientes e 80 patentes em tecnologias de inovação no portfólio.

O crescimento das vendas da BioCatch saltaram 130% no 1º trimestre deste ano em relação aos números do ano passado. Ao redor do mundo, em 2022, 5,4 bilhões de sessões de usuários foram protegidas pela empresa todos os meses. Foram mais de US$ 1,5 bilhão (cerca de R$ 7,5 bilhões) em fraudes detectadas de maneira proativa seguindo os parâmetros comportamentais.