محبوبیت Pix نحوه پرداختهای برزیلیها را متحول کرده است، اما چالشهای جدیدی را نیز برای بانکها، فینتکها و موسسات پرداخت به همراه داشته است. از آنجا که تراکنشها در عرض چند ثانیه انجام میشوند و در بیشتر موارد غیرقابل برگشت هستند، شناسایی تلاشهای کلاهبرداری قبل از تسویه تراکنش به اولویتی برای بخش مالی تبدیل شده است.
برای حمایت از مؤسسات در این سناریو، سامساب، اولین زیرساخت اعتماد مبتنی بر هوش مصنوعی برای عملیات انطباق در مقیاس بزرگ، از Pix Fraud Monitoring، یک راهحل جدید که بهطور خاص برای اکوسیستم پرداخت فوری برزیل توسعه داده شده است، رونمایی میکند. این ابزار ۳۹ قانون از پیش تنظیمشده و قابل تنظیم را برای شناسایی الگوهای رایج کلاهبرداری در تراکنشهای Pix گرد هم میآورد و اجرای کنترلهای نظارتی را بدون نیاز به تدوین قوانین از ابتدا توسط شرکتها تسریع میکند.
این راهاندازی در زمانی صورت میگیرد که Pix در برزیل به شدت در حال گسترش است. طبق اعلام بانک مرکزی، بیش از ۱۷۰ میلیون برزیلی قبلاً از این سیستم پرداخت فوری استفاده کردهاند که تنها در ژانویه ۲۰۲۶ بیش از ۷ میلیارد تراکنش ثبت شده است. با افزایش حجم عملیات، نیاز به راهکارهایی که بتوانند تراکنشها را به صورت آنی رصد کنند و رفتارهای مشکوک را قبل از تکمیل انتقالات شناسایی کنند، افزایش مییابد.
فوریت راهحلهای تخصصی با دادههای آخرین گزارش کلاهبرداری هویتی سامساب در سالهای ۲۰۲۵-۲۰۲۶ . در آمریکای لاتین، ۳۱٪ از کاربران قبلاً به عنوان "قاچاقچی پول" مورد استفاده قرار گرفتهاند و وجوهی با منشأ کلاهبرداری را، اغلب بدون اطلاع، جابجا میکنند. در برزیل، کلاهبرداری با جعل عمیق ۱۲۶٪ افزایش یافته است که سناریویی را برجسته میکند که در آن کلاهبرداریها به طور فزایندهای پیچیده میشوند و نیاز به مکانیسمهای پیشگیری دارند که بتوانند با سرعت تراکنشها همگام شوند.
جورجیا سانچز، مدیر کشوری سامساب در برزیل، میگوید: «ما Pix Fraud Monitoring را بر اساس گفتگو با شرکا و مؤسسات برزیلی که با چالشهای روزانه ناشی از پرداختهای فوری مواجه هستند، توسعه دادیم. بازار به راهکاری نیاز داشت که بهطور خاص برای واقعیت Pix ساخته شده باشد، و بتواند با سرعت تراکنشها همگام شود و به استراتژیهای بهطور فزاینده پیچیدهای که توسط کلاهبرداران استفاده میشود، پاسخ دهد .
این راهکار که در پلتفرم پیشگیری از کلاهبرداری سامساب ادغام شده است، اطلاعات تراکنشها، دادههای DICT (فهرست شناسههای حسابهای تراکنشی) و تحلیل رفتاری را برای شناسایی عملیات غیرمعمول ترکیب میکند. از جمله سناریوهای اصلی مورد بررسی میتوان به تقسیم مبالغ (اسمورفینگ)، کلاهبرداریهای سریعالانتشار، تراکنشها از طریق حسابهای پولشویی و الگوهای غیرمعمول رفتار تراکنشی اشاره کرد.
این قوانین میتوانند بلافاصله مورد استفاده قرار گیرند یا با توجه به استراتژی ریسک، مشخصات مشتری و نیازهای عملیاتی هر موسسه، تطبیق داده شوند. بنابراین، هر سازمان بر آنچه که نظارت میشود کنترل دارد و انعطافپذیری بیشتری برای ردیابی تکامل تلاشهای کلاهبرداری در اکوسیستم Pix دارد.
برای کسب اطلاعات بیشتر در مورد نظارت بر کلاهبرداری Pix و سایر راهکارهای پیشگیری از کلاهبرداری از Sumsub، به آدرس https://sumsub.com/pt/fraud-prevention/
