El fraude mediante identidades sintéticas, también conocido como SIF, ha ganado relevancia en los últimos años. Este tipo de delito se caracteriza por la creación de identidades falsas que mezclan atributos reales con información inventada para cometer fraudes financieros.
Según el FBI, este fraude fue identificado como uno de los más rápidamente crecientes en 2020. El objetivo del presente artículo es explicar qué es el SIF y cómo puede afectar a las empresas y entidades financieras.
¿Qué es el fraude de identidad sintética?
El término identidad sintética se refiere a identidades creadas por defraudadores que combinan atributos reales con información falsa. Estos datos se usan para abrir productos financieros, como cuentas bancarias o tarjetas de crédito.
El uso de atributos reales permite superar algunos filtros de seguridad y fortalecer la identidad sintética. Sin embargo, al usar estos atributos, las personas reales quedan asociadas al fraude, lo que puede afectarlas negativamente, incluso años después.
Diferencias entre robo de identidad y SIF
El robo de identidad se refiere al uso no autorizado de información personal real, como el nombre, número de Seguro Social o fecha de nacimiento. Por otro lado, el SIF implica la creación de una identidad completamente nueva con datos falsos.
- Robo de identidad: Uso no autorizado de información real para cometer delitos financieros.
- Fraude de identidad sintética: Creación de una identidad falsa para abrir cuentas o solicitar servicios.
Según el National Credit Union Association [NCU2020], en Estados Unidos, este problema se ha acentuado debido al uso del número de seguridad social como identificador principal. Este atributo no permite inferir otros datos personales, lo que facilita su uso para crear identidades falsas.
Impacto y ejemplos
El fraude SIF se suele realizar mediante grupos coordinados, lo que aumenta el nivel de las transacciones fraudulentas. Según [CON2018], en 2017 las pérdidas asociadas a este tipo de fraude ascendieron a $820 millones de USD y se proyectaban en $1200 millones para 2020.
Un caso reconocido ocurrió en 2013, cuando un grupo de 13 personas crearon 7 mil identidades falsas para robar $200 millones de USD [FBI2013].
Detección y prevención
La detección del SIF se basa en la evaluación de los atributos de la identidad. En [MCK2019], se resalta la dificultad que enfrentan los sistemas de aprendizaje automático para detectar este tipo de fraudes, ya que a menudo se confunden con casos de no-pago.
Para evitar rechazar clientes reales, se proponen soluciones basadas en la evaluación de atributos según dos dimensiones: profundidad y consistencia. La profundidad se refiere a la historia del atributo, mientras que la consistencia se relaciona con las relaciones entre diferentes fuentes de información.
En [SOE2014], se presenta un «ecosistema de identidad» que permite evaluar el nivel de riesgo de los atributos presentados. Este modelo ayuda a asignar un grado de confianza en la identidad, lo cual es fundamental para detectar fraudes.
Conclusión
El uso de identidades sintéticas se basa en la dificultad de asociar un nivel de confianza a los atributos presentados. Por esta razón, es necesario evaluar la confianza entregada a cada uno de los atributos. Las soluciones observadas utilizan criterios como la consistencia y la profundidad para garantizar la calidad de los atributos.
Esto se vuelve especialmente importante cuando muchos de los atributos de nuestra identidad están fuera de nuestro control debido al mal manejo de datos personales, fugas de información o el simple hecho de compartir estos datos en lugares públicos.