Publicado: 26 de julio de 2017 ID: G00325850
Analista (s): Jonathan Care, Tricia Phillips

A medida que los ataques de fraude digital se vuelven más sofisticados y el robo de identidad se vuelve más complejo, es hora de repensar la arquitectura de detección y protección funcional del fraude. Los líderes de seguridad y gestión de riesgos deben esforzarse por un enfoque contextual basado en el riesgo.

En este artículo, Bottomline Technologies (Cyber Fraud Risk Management / Intellinx) está clasificado entre los líderes que cubren todas las capas de capacidades de riesgo.

El informe define 7 capacidades claves para detectar fraudes en un nivel cada vez mayor de sofisticación y previsión, como se muestra en el cuadro a continuación y Bottomline CFRM (Intellinx) figura en la más alta capa de sofisticación y previsión.

Resumimos el alcance de la esta ultima capacidad:
“7. Esta capa integra los resultados de todos los canales de interacción con el cliente; estos incluyen web, dispositivos móviles, centro de llamadas, mensajería instantánea y otros canales menos considerados, como redes sociales, correo electrónico e incluso presenciales. También tiene en cuenta el contexto de riesgo para cada acción disponible dentro de un evento de cuenta o transacción.

El sistema de fraude, por lo tanto, se convierte en la clave para gobernar toda la experiencia del cliente. Actúa como un centro de control, determinando si se requiere autenticación adicional, si debe ejecutarse corroboración de identidad o incluso si se deben suspender ciertos servicios para mantener las transacciones dentro de la tolerancia al riesgo.

Los indicadores de riesgo para la mayoría de los canales digitales son bien entendidos; sin embargo, cuando se buscan canales innovadores más nuevos, se debe tener cuidado en garantizar que la reputación de la organización no sea dañada por un centro de fraude que deniegue incorrectamente un servicio o que sea excesivamente permisivo y exponga a la organización al riesgo fuera de tolerancia.”

Fuente: www.gartner.com