Sistema antifraude: como funciona e como escolher
Um sistema antifraude confere, no cadastro e em cada transação, se a pessoa é quem diz ser e se o comportamento combina com o esperado. Em seguida decide: aprovar, recusar ou mandar para revisão manual. Ele reduz a fraude, não a elimina. Na PH3A, essa camada é o DataFraud, apoiado pela validação cadastral do DataBusca.
Este guia é para equipes de risco, produto e tecnologia que precisam comparar fornecedores sem se perder em promessa. Ele traz as camadas de um sistema antifraude, um fluxo de decisão de exemplo, a matriz de testes para o piloto e as perguntas que separam uma boa proposta de uma apresentação bonita.
O que um sistema antifraude verifica?
Ele verifica três coisas: se a identidade existe e pertence a quem a apresenta, se o canal usado (dispositivo, rede, sessão) é confiável e se o pedido combina com o histórico daquela pessoa ou daquela conta. Nenhuma camada sozinha responde às três. Por isso um sistema antifraude é um conjunto de camadas, e a decisão sai da combinação delas.
| Camada | O que verifica | Cadastro (onboarding) | Transação (compra, Pix, saque) |
|---|---|---|---|
| Fontes cadastrais e bureau | Se CPF ou CNPJ, nome, data de nascimento, endereço e telefone existem e são coerentes entre si | Principal filtro: confere os dados informados contra fontes externas | Pontual: reconsulta quando há troca de dado sensível, como telefone ou e-mail |
| Identidade: documento, biometria e prova de vida | Se o documento é autêntico e se quem está na câmera é a pessoa do documento, presente naquele momento | Usada quando o risco do produto justifica a fricção | Usada como desafio extra em operação de valor alto ou fora do padrão |
| Dispositivo e rede | Se o aparelho, o navegador e o IP já apareceram em cadastros recusados, se há emulador ou alteração do sistema | Liga cadastros diferentes feitos do mesmo aparelho | Detecta troca de aparelho logo antes de uma operação relevante |
| Comportamento | Ritmo de digitação, navegação, horário, valor e frequência comparados ao padrão da conta | Pouco histórico; serve mais para detectar automação (robôs) | Camada central: compara a operação com o comportamento conhecido do cliente |
| Motor de regras e modelos | Aplica a política da empresa aos sinais das camadas anteriores e devolve uma recomendação com motivo | Decide aprovar, recusar ou revisar o cadastro | Decide em tempo de resposta curto, antes de a operação ser concluída |
| Revisão manual | Um analista examina os casos que o motor não resolveu com segurança | Trata divergências de cadastro | Trata alertas de valor alto e contestações |
Risco de fraude não é risco de crédito
Fraude pergunta "esta pessoa é quem diz ser e está agindo por conta própria?". Crédito pergunta "esta pessoa vai conseguir pagar?". Um bom pagador pode ter a identidade roubada; um cadastro verdadeiro pode ter alto risco de inadimplência. Misturar as duas análises num único número esconde o motivo da recusa e dificulta a contestação. A ordem mais segura é confirmar a identidade primeiro e avaliar a capacidade de pagamento depois, com critérios e registros separados.
Como dados, regras e análise humana se combinam?
Os dados alimentam os sinais, as regras transformam os sinais em decisão e a análise humana resolve o que ficou no meio. O fluxo abaixo é fictício: uma fintech de exemplo recebe pedidos de abertura de conta pelo aplicativo.
- Recebe o cadastro. Nome, CPF, data de nascimento, telefone, e-mail e endereço chegam pela API.
- Confere os dados. As informações são comparadas com fontes cadastrais externas. Resultado: coerente, divergente ou inexistente.
- Lê o dispositivo. O sistema verifica se o aparelho já foi usado em cadastros recusados ou em muitos cadastros diferentes.
- Pede prova de identidade quando a política exige. Documento e selfie com prova de vida entram para o produto de maior risco, não para todos.
- Aplica a política. O motor de regras soma os sinais e devolve uma recomendação com o motivo registrado.
- Decide.
| Situação (fictícia) | Sinais | Decisão | Motivo registrado |
|---|---|---|---|
| Dados coerentes, aparelho sem histórico negativo | Todas as camadas sem alerta | Aprovar | Sem divergência |
| Endereço diferente do encontrado nas fontes, demais dados coerentes | Uma divergência de baixo peso | Aprovar com pergunta de confirmação ou revisão manual leve | Divergência de endereço |
| Telefone cadastrado há pouco e aparelho com vários CPFs | Sinal forte de dispositivo | Revisão manual | Dispositivo compartilhado |
| CPF sem correspondência nas fontes ou documento com sinal de adulteração | Identidade não confirmada | Recusar | Identidade não confirmada |
- Só então avalia o crédito. O cadastro aprovado segue para a análise de crédito, que tem regras e registro próprios.
- Guarda a trilha. Cada decisão fica registrada com os sinais usados, a versão da regra e o motivo. É essa trilha que permite responder a uma contestação e auditar o sistema.
Quais critérios mudam entre cadastro e transação?
No cadastro, a pergunta é "quem é você?"; ela é feita uma vez e tolera alguns segundos a mais de espera. Na transação, a pergunta é "foi você mesmo que pediu isto, agora?"; ela se repete a cada operação e precisa de resposta antes que o dinheiro saia.
| Critério | Cadastro | Transação |
|---|---|---|
| Pergunta central | A identidade existe e pertence a quem a apresenta? | A operação foi feita pelo titular e combina com o padrão dele? |
| Sinais mais úteis | Fontes cadastrais, documento, biometria, dispositivo | Comportamento, dispositivo, valor, destinatário, horário |
| Tempo tolerado | Maior: o cliente espera a conclusão da abertura | Menor: a decisão precisa sair antes da conclusão da operação |
| Custo do falso positivo | Cliente bom desiste no meio do cadastro | Compra recusada, cliente irritado, ligação no atendimento |
| Custo do falso negativo | Conta aberta por fraudador, usada depois para golpe | Perda direta, contestação e, no cartão, chargeback |
| Revisão manual | Viável para parte dos casos | Restrita: costuma ser desafio extra ao cliente, não fila |
Como medir fraude, falsos positivos e tempo de decisão?
Medindo sempre contra uma linha de base da sua própria operação. Sem saber quanto de fraude e quantas recusas você tem hoje, nenhum número do fornecedor diz nada. As métricas que importam:
- Taxa de fraude detectada: das fraudes que de fato ocorreram na amostra, quantas o sistema barrou ou mandou para revisão.
- Taxa de falsos positivos: dos clientes legítimos, quantos foram recusados ou mandados para revisão. É o custo escondido de um antifraude rígido demais.
- Taxa de aprovação: quanto do volume legítimo passa sem fricção. Deve ser lida junto com a detecção, nunca sozinha.
- Taxa e tempo de revisão manual: quantos casos caem na fila e quanto tempo levam para ser resolvidos.
- Tempo de resposta da API: a mediana e os percentis altos (os casos mais lentos), porque é o caso lento que derruba a experiência na transação.
- Disponibilidade: quanto tempo o serviço respondeu dentro do combinado e o que aconteceu quando não respondeu.
- Perdas: valor perdido com fraude, contestações e chargebacks, separado das perdas por inadimplência.
- Explicabilidade: se cada decisão traz um motivo que o analista entende e consegue comunicar ao cliente.
As metas de cada métrica são decisão da sua empresa, a partir da linha de base. Desconfie de fornecedor que promete percentual sem ter visto seus dados.
Como testar integração, contingência e revisão de decisões?
Com um piloto sobre amostra histórica rotulada: casos passados em que você já sabe quem era fraude e quem era cliente legítimo. Rode o fornecedor em paralelo, sem que ele decida nada (o chamado modo sombra), e compare as recomendações dele com o que aconteceu de fato. Depois, teste os cenários de falha, que são os que a demonstração comercial não mostra.
| Cenário de teste | Como simular | O que se espera | Métrica |
|---|---|---|---|
| Cliente legítimo com dados completos | Casos históricos aprovados e sem problema posterior | Aprovação sem fricção | Taxa de aprovação |
| Cliente legítimo com divergência (falso positivo) | Casos bons com endereço desatualizado, telefone novo ou nome com grafia diferente | Aprovação ou revisão leve, nunca recusa automática | Taxa de falsos positivos |
| Identidade sintética | Casos rotulados de cadastro que mistura dados reais e inventados | Revisão ou recusa | Taxa de fraude detectada |
| Dados verdadeiros usados por terceiro | Casos rotulados de cadastro com dados roubados e aparelho desconhecido | Pedido de prova de identidade ou recusa | Taxa de fraude detectada |
| Tomada de conta | Sequência de troca de aparelho, troca de senha e operação de valor alto | Desafio extra antes da operação | Detecção e tempo até o bloqueio |
| Transação fora do padrão (Pix ou cartão) | Valor, horário ou destinatário incomuns para a conta | Desafio ou revisão antes da conclusão | Detecção e tempo de resposta |
| API indisponível | Desligar o serviço ou bloquear a rede no ambiente de teste | A política de contingência entra sozinha (aprovar com limite, segurar ou recusar, conforme o risco) e o caso é marcado para reanálise | Tempo até a contingência e casos reprocessados |
| API lenta | Forçar resposta acima do tempo limite combinado | O sistema não trava o cliente; aplica a mesma contingência | Percentis altos do tempo de resposta |
| Resposta incompleta | Simular retorno sem um dos campos esperados | Decisão conservadora e registro do erro, sem aprovação silenciosa | Erros tratados sobre erros ocorridos |
| Contestação do cliente | Escolher casos recusados e pedir a explicação da decisão | Motivo claro, trilha completa e caminho para revisão humana | Tempo para responder e casos revertidos |
| Mudança de regra | Alterar uma regra e reprocessar a mesma amostra | Diferença visível entre versões, com registro de quem mudou | Variação de aprovação e detecção entre versões |
Como escolher um sistema antifraude?
Pelas evidências, não pela demonstração. Use a tabela como roteiro de conversa com cada fornecedor.
| Critério | Pergunta ao fornecedor | Evidência a exigir |
|---|---|---|
| Separação entre fraude e crédito | A recomendação de fraude sai separada da avaliação de crédito? | Exemplo de retorno da API com os dois resultados e motivos distintos |
| Cobertura de camadas | Quais camadas vocês cobrem e quais dependem de parceiro? | Lista de camadas por produto e por momento (cadastro e transação) |
| Detecção e falsos positivos | Como medem detecção e falsos positivos, e em que base? | Resultado do piloto sobre a sua amostra, não média de mercado |
| Taxa de aprovação | Qual o efeito na aprovação de clientes legítimos? | Comparação entre a aprovação atual e a do piloto |
| Tempo de resposta e disponibilidade | Qual o tempo de resposta nos casos mais lentos e o compromisso de disponibilidade? | Contrato com nível de serviço e medição do piloto |
| Contingência | O que acontece quando a API não responde? | Teste de indisponibilidade feito no piloto e documentação do comportamento |
| Explicabilidade | Cada decisão vem com motivo legível? | Amostra de decisões com motivo e trilha |
| Integração | Como é a API, há ambiente de teste e quanto tempo leva integrar? | Documentação técnica e acesso ao ambiente de teste |
| Atualização das fontes | Com que frequência os dados e as regras são atualizados? | Descrição do processo de atualização e da origem dos dados |
| Custo | Como é cobrado: por consulta, por volume, por camada? | Tabela de preço aplicada ao seu volume real |
| LGPD e contestação | Qual a base legal, que dados são guardados, por quanto tempo, e como o titular contesta? | Documentação de privacidade, contrato de tratamento de dados e fluxo de contestação |
| Piloto | Aceitam piloto com amostra histórica e modo sombra? | Plano do piloto com métricas definidas antes de começar |
Como a PH3A atua na prevenção a fraudes?
A PH3A trabalha a camada de dados e regras do antifraude com o DataFraud e a conferência cadastral com o DataBusca.
- Validação de novos cadastros no momento da entrada: o DataFraud recebe os dados do cadastro e verifica na hora se estão corretos.
- Decisão em três saídas: confirmação para casos sem divergência, alerta ou pergunta de confirmação nos casos de dúvida e interrupção quando a fraude é constatada.
- Conferência em módulos sequenciais: o mesmo cliente passa por verificações encadeadas, configuradas conforme a política da empresa.
- Análise de cadastro e transação contra padrões de fraude: os dados de onboarding e de transações são comparados com padrões de fraude conhecidos e comportamentos anômalos.
- Checagem de dados cadastrais contra fontes oficiais: o DataBusca cruza os dados informados pelo cliente com fontes confiáveis para confirmar a existência e a coerência das informações.
A análise de crédito é uma etapa à parte, com critérios próprios, e não é tratada como parte do antifraude neste guia.
Perguntas frequentes
O que é um sistema antifraude?
É o conjunto de dados, regras e análise humana que decide se um cadastro ou uma operação deve ser aprovado, recusado ou revisado, com base no risco de a identidade ser falsa ou de a operação não ter sido feita pelo titular.
Sistema antifraude para e-commerce funciona igual ao de banco?
A lógica é a mesma; o peso das camadas muda. No e-commerce, a transação com cartão é o momento crítico e a perda aparece como chargeback. No banco e na fintech, o cadastro pesa mais, porque uma conta aberta por fraudador vira ferramenta para golpes posteriores.
Como funciona um sistema antifraude no Pix?
A decisão precisa acontecer antes do envio, porque depois que o dinheiro sai a recuperação depende de processos de contestação, sem garantia de devolução. Por isso o Pix exige leitura rápida de comportamento, dispositivo e destinatário, com desafio extra para operações fora do padrão.
O que muda em um sistema antifraude bancário?
Volume, exigência regulatória e trilha. O banco precisa registrar o motivo de cada decisão, responder a contestações e auditar mudanças de regra. A revisão manual costuma ter equipe dedicada e prazos definidos.
O que um sistema antifraude de documentos confere?
Se o documento é autêntico, se os dados impressos batem com as fontes cadastrais e se a pessoa que envia a selfie é a mesma do documento, presente naquele momento (prova de vida). É uma camada de identidade, não uma decisão completa.
Qual a diferença entre sistema antifraude e análise de crédito?
O antifraude pergunta se a pessoa é quem diz ser e se a operação é legítima. A análise de crédito pergunta se ela vai conseguir pagar. São riscos diferentes, medidos de formas diferentes, e devem gerar decisões e registros separados.
Leia também
- Soluções antifraude para fintechs e bancos: como as camadas de segurança se aplicam ao setor financeiro.
- Validação de dados em tempo real aborta fraudes na fonte: como a conferência dos dados no momento do cadastro funciona.
Para saber mais sobre os produtos da PH3A Tecnologia, clique aqui.














