Formulario de búsqueda

Las pérdidas por fraude en pagos online llegarán a 200.000 millones de dólares

Compartir en:

Las pérdidas por fraude en pagos online llegarán a 200.000 millones de dólares

  • Una de las áreas de crecimiento en fraude es la transferencia online de dinero, con pérdidas que aumentarán un 130% en 5 años
  • Las partes implicadas en la industria de pagos se deben centrar en un enfoque de fraude omnicanal para mitigar desafíos

Las empresas de comercio electrónico, venta de billetes de avión, transferencias de dinero y servicios bancarios en general, perderán acumulativamente más de 200.000 millones de dólares por fraude de pagos online entre el periodo de 2020 a 2024. Según datos de Juniper Research, ha habido una sofisticación en los intentos de fraude con un creciente número de vectores de ataque.

En países emergentes las medidas de seguridad son más débiles

La investigación ha puesto de relieve que la creciente presencia de los pagos digitales proporciona un área de ataque cada vez mayor para los estafadores. También se ha indicado que las transferencias digitales son un área en crecimiento para el fraude de pagos, con pérdidas que crecerán un 130% hasta 2024. Un fraude, el de las transferencias de dinero digital, que es particularmente fuerte en mercados emergentes, donde las medidas de seguridad implementadas son más débiles.

Recomendaciones para evitar los fraudes

El estudio de Juniper Research recomienda que las partes interesadas en los pagos digitales se centren en un enfoque de fraude omnicanal para mitigar estos desafíos. Este enfoque debe abarcar tanto la ciberseguridad estricta en los puntos de acceso, como los análisis y el aprendizaje automático, para identificar patrones de comportamiento fraudulentos.

El machine learning es una herramienta crucial para combatir el fraude

En el caso del machine learning, se ha convertido en una herramienta crucial en el arsenal de detección y prevención de fraude, porque permite a las partes interesadas analizar los flujos de transacciones de manera integral, desbloqueando insights ocultos sobre comportamientos fraudulentos.

Uno de los autores de la investigación, Nick Maynard, ha explicado que “la rápida evolución en el fraude de pagos y la mayor sofisticación en los métodos de ataque requieren la adopción del machine learning a escala para minimizar el riesgo. La innovación constante en modelos analíticos y de datos es cada vez más esencial para limitar los comportamientos fraudulentos en los pagos”.