Identity Insights - Advisor [Versión preliminar para desarrolladores]

Identity Insights proporciona indicios del sector de las telecomunicaciones que pueden resultar difíciles de traducir en decisiones. El reto se manifiesta en tres ámbitos:

• Datos relevantes: ¿Qué señales son importantes para tu caso de uso?
• Interpretación de los datos: ¿Cómo afectan las señales a tu caso de uso?
• Toma de decisiones: ¿Qué decisión deberías tomar basándote en las señales positivas, negativas y ausentes?

¿Qué es Advisor?

Advisor es una funcionalidad de la API de Identity Insights que evalúa señales de telecomunicaciones sin procesar y genera recomendaciones, lo que elimina la necesidad de interpretar señales individuales o de crear una lógica de decisión desde cero.

Advisor muestra las señales subyacentes que se utilizan en cada evaluación y explica sus valoraciones, lo que te permite contrastar sus resultados con tu contexto empresarial.

Advisor cuenta con tres componentes interconectados:

• Modelos: Cada modelo define los «Insights» recomendados, las definiciones de las señales basadas en los valores de los atributos y los rangos de dichos atributos. Los modelos predefinidos abarcan casos de uso y sectores habituales, por lo que no es necesario identificar las señales relevantes, establecer umbrales ni mantener los criterios de decisión a lo largo del tiempo.
• Interpretación de la señal: Advisor evalúa cada señal en el contexto del modelo y ofrece una valoración en lenguaje natural. La valoración explica los valores brutos a los equipos comerciales y de operaciones.
• Consejos sobre modelos: El asesor evalúa las señales relevantes y los valores de asesoramiento individuales —positivos, negativos, de advertencia y omitidos— y genera una recomendación POSITIVA, de ADVERTENCIA o NEGATIVA. Recibes una recomendación en lugar de un conjunto de valores que debas conciliar.

Modelos

El asesor organiza las señales en modelos predefinidos que se ajustan a objetivos específicos de riesgo o empresariales.

Apropiación de cuentas (ATO)

Definición: Detecta el riesgo de que una persona no autorizada acceda a una cuenta existente o la controle.

La apropiación de cuentas consiste en el acceso no autorizado a la cuenta o al método de autenticación de un usuario legítimo. Puede producirse tras un caso de suplantación de identidad o de phishing, e incluye el uso compartido de cuentas y las cuentas «mula» utilizadas para blanquear dinero. Los atacantes pueden apropiarse de un número de teléfono mediante un cambio de tarjeta SIM para interceptar la autenticación de dos factores (2FA), robar un teléfono o sustraer una tarjeta SIM.

Ejemplos:

• Tras un cambio de tarjeta SIM, un atacante restablece la contraseña de una cuenta bancaria y accede a ella.
• Alguien roba una tarjeta SIM, consigue el número de identificación personal (PIN) y la utiliza en otro dispositivo.

Situaciones típicas:

• Inicio de sesión y autenticación.
• Restablecimiento de contraseña.
• Transacciones de alto riesgo, como una transferencia de fondos a un nuevo beneficiario.

Identidad sintética

Definición: Evalúa si una identidad se ha creado de forma artificial a partir de una combinación de datos reales y falsos.

Una identidad sintética combina información real y falsa para crear una persona que no existe. Los estafadores pueden utilizar estas identidades para abrir Accounts, obtener promociones o cometer fraudes a lo largo del tiempo. El tráfico inflado artificialmente (AIT) puede utilizar identidades sintéticas para manipular el tráfico de telecomunicaciones. En algunos casos, las señales que sugieren una identidad sintética reflejan un error cometido por un cliente legítimo.

Ejemplos:

• Un número de teléfono real, un nombre falso y una fecha de nacimiento falsa.
• Un número aleatorio, un nombre válido y una dirección de correo electrónico falsa.
• Un número que no es de móvil y que no puede asociarse a una persona.

Situaciones típicas:

• Proceso de incorporación de usuarios no verificados.
• Creación de una cuenta.
• Ofertas y abuso de las ofertas.

Suplantación de identidad

Definición: Detecta si un usuario se está haciendo pasar por una persona real sin tener acceso a los dispositivos ni a las Accounts de dicha persona.

La suplantación de identidad tiene como objetivo convencer a los sistemas o a las personas de que un atacante es otra persona. A menudo se recurre al uso de datos personales sustraídos y a la ingeniería social.

Ejemplos:

• Un estafador llama a una operadora de telefonía móvil y se hace pasar por el titular de la cuenta: «Hola, he perdido el móvil. ¿Podrías transferir mi número a una nueva tarjeta SIM?» El estafador utiliza datos personales sustraídos, como el nombre, la fecha de nacimiento y los cuatro últimos dígitos de un número de identificación (ID), para superar la verificación.
• Un estafador obtiene el nombre, la fecha de nacimiento y la dirección de una persona y, a continuación, utiliza un número de teléfono personal para solicitar un crédito. Cuando la entidad crediticia consulta Identity Insights, la comprobación «Subscriber Match» identifica que el número de teléfono no está registrado a nombre del nombre y la dirección facilitados. Esto señala la solicitud como un posible intento de suplantación de identidad antes de que la entidad crediticia conceda el crédito.

Situaciones típicas:

• Incorporación de usuarios.
• Recuperación de la cuenta.
• Contextos de autenticación poco fiables, como, por ejemplo, documentos de identidad difíciles de validar o escaneados.

Experiencia del cliente

Definición: Se centra en optimizar la experiencia del usuario más que en detectar el fraude.

Este modelo te ayuda a tomar decisiones que tengan en cuenta el contexto a la hora de comunicarte con los clientes o atenderlos. Te ayuda a responder a estas preguntas:

• ¿Es probable que este número de teléfono corresponda a una sola persona?
• ¿Es un buen momento para contactar con el cliente?
• ¿Deberías enviar un mensaje SMS, hacer una llamada o enviar una notificación de la aplicación?
• ¿Deberías tener en cuenta el roaming en tu estrategia de ventas o de atención al cliente?

Situaciones típicas:

• Detecta los números que no son de móvil antes de enviar una contraseña de un solo uso (OTP) durante la creación de la cuenta. Un número de teléfono fijo o de Voz sobre Protocolo de Internet (VoIP) requiere un sistema de respaldo por voz, lo que puede aumentar el abandono del proceso. Utiliza Advisor para seleccionar un canal de autenticación más adecuado o informa al usuario de que la OTP se le enviará por voz.
• Al realizar el pedido, comprueba si es probable que un número de teléfono sea válido. Esto te ayuda a pedir a los clientes que corrijan los números no válidos antes del envío, sin añadir complicaciones en el proceso de autenticación al finalizar la compra.
• Ajusta el horario o el canal de las comunicaciones salientes en función del país del cliente, su zona horaria o los posibles costes de la llamada.

Interpretación de señales

Para cada modelo, Advisor lee los atributos devueltos por Identity Insights, compara sus valores con las definiciones y los umbrales específicos del modelo y genera una interpretación para cada señal:

• Consejo: Una valoración categórica de lo que significa la señal en el contexto del modelo.
• Evaluación: Una explicación en lenguaje natural de por qué Advisor ha dado ese consejo en el contexto del caso de uso.

No es necesario interpretar el significado literal de cada valor de atributo ni determinar si representa un riesgo o una señal positiva.

Valores de asesoramiento

Ejemplos

Modelo de suplantación de cuenta: se ha detectado un cambio de tarjeta SIM

{
  "attribute": "sim_swap.is_swapped",
  "attribute_value": TRUE,
  "advice": "NEGATIVE",
  "assessment": "A SIM swap represents a high risk of account takeover."
}

Modelo de identidad sintética — Número de móvil confirmado

{
  "attribute": "current_carrier.network_type",
  "attribute_value": "MOBILE",
  "advice": "POSITIVE",
  "assessment": "The phone number is assigned to a mobile carrier. While this does not mean the phone number is assigned to a subscriber or reachable, this is a positive signal to mitigate different sort of frauds."
}

Modelo de suplantación de identidad — Discrepancia en el nombre del suscriptor

{
  "attribute": "subscriber_match.given_name_match, subscriber_match.family_name_match",
  "attribute_value": "Neither is EXACT or HIGH",
  "advice": "NEGATIVE",
  "assessment": "Impersonation risk is high because several key attributes do not match the telco operator's records."
}

Modelo de experiencia del cliente — Formato de número de teléfono no válido

{
  "attribute": "format.format_valid",
  "attribute_value": FALSE,
  "advice": "NEGATIVE",
  "assessment": "Do not trust phone numbers with invalid format."
}

Lagunas en la cobertura y datos que se pasan por alto

Advisor también identifica los «Insights» recomendados que no se han incluido en la solicitud o que no están disponibles para un número de teléfono. Cuando falta un «Insight» recomendado, Advisor genera un MISSED_INSIGHT señal:

{
  "attribute": "sim_swap",
  "advice": "MISSED_INSIGHT",
  "assessment": "This Insight is recommended for the Advisor account takeover model."
}

Cada modelo define los «Insights» recomendados, que son los atributos más relevantes para ese caso de uso. Esto permite identificar las lagunas de cobertura que pueden reducir la fiabilidad de la evaluación y te ayuda a optimizar tus solicitudes de «Insights» con el paso del tiempo. El insights_completeness_ratio En la siguiente sección se muestra el efecto que tienen las señales que faltan en la fiabilidad de la evaluación.

Consejos para modelos

Una vez que Advisor ha interpretado todas las señales, las agrupa en una recomendación a nivel de modelo: POSITIVA, DE ADVERTENCIA o NEGATIVA. Esta recomendación resume el perfil general de las señales para el caso de uso evaluado.

Métricas

Advisor muestra una serie de métricas que describen la composición y la calidad de la evaluación de la señal. Estas métricas sirven de base para la recomendación final del modelo y te ayudan a evaluar el nivel de confianza y la firmeza del resultado.

Índice de exhaustividad de los datos analíticos

La relación entre los «Insights» disponibles (sin datos faltantes) y el número total de «Insights» recomendados para el modelo. Una relación baja significa que Advisor ha evaluado el modelo con datos limitados, lo que reduce su fiabilidad.

insights_completeness_ratio = available insights / recommended insights

Por ejemplo, el synthetic_identity El modelo tiene format, original_carriery subscriber_match tal y como recomienda Insights. Ojalá... format si está disponible, la proporción es de uno de cada tres:

{
  "insights_completeness_ratio": 0.33
}

Ratios de asesoramiento

Tres ratios complementarios describen la distribución de los resultados entre las señales evaluadas en el modelo. MISSED_INSIGHT Las señales quedan excluidas de este cálculo. Solo las señales POSITIVAS, de ADVERTENCIA y NEGATIVAS se tienen en cuenta para el denominador.

Dadas las siguientes señales:

{
  "signals": [
    {
      "attribute": "format.is_format_valid",
      "advice": "POSITIVE",
      "assessment": "According to the global and local numbering standard this number can be legitimately assigned by carriers to subscribers."
    },
    {
      "attribute": "current_carrier.network_type",
      "advice": "WARNING",
      "assessment": "Insight original_carrier is recommended if current_carrier.network_type is not mobile or available."
    },
    {
      "attribute": "roaming",
      "advice": "MISSED_INSIGHT",
      "assessment": "Insight missed - This Insight is recommended to evaluate advisor synthetic_identity model."
    }
  ]
}

Los coeficientes se calculan a partir de las dos señales que no se han perdido:

{
  "positive_ratio": 0.5,
  "warning_ratio": 0.5,
  "negative_ratio": 0.0
}

Ratio ponderado

Una única puntuación normalizada refleja la calidad general de la señal mediante la aplicación de ponderaciones fijas a cada resultado de las recomendaciones:

POSITIVE → 1
WARNING → 0.5
NEGATIVE → 0

A continuación, la suma ponderada se divide entre el número total de señales no omitidas. Por ejemplo, si hay 10 POSITIVOS, 3 ADVERTENCIAS y 2 NEGATIVOS:

(10 × 1) + (3 × 0.5) + (2 × 0) = 10 + 1.5 + 0 = 11.5

Total signals, excluding MISSED_INSIGHT: 10 + 3 + 2 = 15

weighted_ratio: 11.5 / 15 = 0.77

Un ratio ponderado cercano a 1,0 refleja un perfil de señales predominantemente positivo. Un valor cercano a 0,0 indica un perfil dominado por señales de riesgo o negativas.

Criterios de asesoramiento

Advisor admite tres criterios de agregación. Elige el criterio que mejor se adapte a tu apetito de riesgo y a la disponibilidad de datos.

El peor de los casos (model_advice.worst_case)

La recomendación general es la señal individual más negativa de la evaluación. Una sola señal NEGATIVA hace que la recomendación del modelo sea NEGATIVA, independientemente del número de señales positivas que haya. Si todas las señales son MISSED_INSIGHT, el aviso se establece por defecto en «ADVERTENCIA».

Utiliza este enfoque conservador en contextos de alta seguridad, como las transacciones financieras o la recuperación de Accounts, en los que el coste de no detectar un fraude supera con creces el coste de la mayor complejidad que ello supone.

Basado en la exhaustividad (model_advice.completeness)

El asesor extrae el consejo general a partir de la insights_completeness_ratio, que refleja en qué medida está disponible el conjunto de señales recomendado. Este criterio considera la disponibilidad de datos como un indicador de riesgo, ya que una evaluación basada en pocas señales es menos fiable.

Utiliza este criterio cuando los datos incompletos deban dar lugar a precaución o cuando necesites un umbral mínimo de cobertura de la señal antes de actuar siguiendo una recomendación.

Basado en ponderaciones (model_advice.weighted_ratio)

El asesor extrae el consejo general a partir de la weighted_ratio, que equilibra las señales POSITIVAS, de ADVERTENCIA y NEGATIVAS. Si todas las señales son MISSED_INSIGHT, el aviso se establece por defecto en «ADVERTENCIA».

Utiliza este criterio cuando no se deba ignorar un perfil de señal positiva clara por un único resultado ambiguo y cuando quieras reducir las dificultades innecesarias para los usuarios legítimos.

Seguridad adaptativa

El «Model Advice» generado por Advisor debe considerarse siempre como un dato más dentro de un proceso de toma de decisiones más amplio, y no como un veredicto en sí mismo. Las señales derivadas de las telecomunicaciones son indicadores probabilísticos, no pruebas de fraude o legitimidad. Para lograr la máxima eficacia, se deben combinar los resultados de Advisor con señales ajenas al ámbito de las telecomunicaciones, como la inteligencia de dispositivos, el análisis de comportamiento, el contexto de las transacciones y el historial interno de riesgos. Ninguna señal por sí sola debe determinar una decisión de forma aislada, y los flujos de trabajo de riesgo deben diseñarse para combinar múltiples datos y aplicar medidas de seguridad conservadoras cuando la información clave falte o esté incompleta.

Utiliza la seguridad adaptativa para aplicar un nivel adecuado de fricción en función del riesgo detectado. Un perfil de bajo riesgo con un modelo bien cubierto puede permitir una experiencia prácticamente sin fricciones. Un perfil de riesgo medio con señales ambiguas o ausentes puede desencadenar una medida de refuerzo, como un OTP, una autenticación silenciosa o una verificación biométrica. Un perfil de alto riesgo con múltiples señales NEGATIVAS, un bajo índice de exhaustividad o indicadores como un cambio reciente de tarjeta SIM y una discrepancia en los datos del abonado puede dar lugar a una revisión de la transacción, una verificación adicional o su rechazo. Advisor aporta la dimensión derivada del sector de las telecomunicaciones a este panorama de riesgo: pasiva, en tiempo real e independiente de los datos que el usuario pueda manipular.

Identity Insights y Advisor alcanzan su máximo potencial cuando se integran en un motor de decisión que la marca controla y perfecciona continuamente. Advisor se encarga de la parte más complicada —interpretar las señales de telecomunicaciones en bruto y traducirlas en una evaluación de riesgo específica para cada modelo—, mientras que la lógica de la decisión final, la configuración de los umbrales y las reglas de negocio quedan en tus manos. Con el tiempo, a medida que se va ganando confianza en señales y modelos específicos, el motor de decisión puede ajustarse para dar mayor peso a las señales de telecomunicaciones en los recorridos en los que demuestran ser decisivas de forma sistemática, y menor peso en contextos en los que predominan otras señales. El resultado es una estrategia contra el fraude y de experiencia de usuario que se basa en principios y es adaptativa, una estrategia que se perfecciona con cada interacción.