InfraestructuraMéxico

Incode lanza red de confianza creada para la era agéntica

16 octubre, 26
No Comments

Incode lanza red de confianza creada para la era agéntica. Incode Technologies anunció TrustGraph, una red de confianza que preserva la privacidad y permite a bancos, fintechs y otras entidades financieras detectar patrones de fraude que podrían pasar inadvertidos cuando cada organización se limita a analizar sus propias interacciones.

En el programa de adopción temprana de Incode, identificó hasta 53 casos adicionales de fraude por cada 100 que los modelos existentes de una organización ya detectaban. Ayuda a exponer el fraude recurrente y agéntico, incluso cuando un actor malicioso usa nuevos nombres, documentos o dispositivos

Con esta red, las instituciones participantes pueden distinguir señales de fraude asociadas con una persona o un patrón detectado en otra organización, sin intercambiar registros de clientes ni exponer sus datos personales. También reconoce señales de confianza de individuos que ya fueron verificados con éxito en otra institución, lo cual ayuda a reducir obstáculos para los usuarios legítimos.

Durante el programa de adopción temprana, identificó hasta 53 casos adicionales de fraude por cada 100 que los modelos existentes de una organización ya habían detectado.

“El fraude opera en red, pero las defensas siguen en silos”, dijo Ricardo Amper, fundador y CEO de Incode. “Los atacantes se benefician de actuar entre distintas organizaciones porque cada institución suele ver únicamente sus propias interacciones. Una red de confianza cambia esa ecuación al convertir intentos aislados en señales que otros pueden usar. Esta es la infraestructura de confianza que exige la era de la IA, y nos enorgullece tenerla disponible a partir de hoy”.

El lanzamiento llega en un contexto en el que la protección de la identidad digital representa un reto en México. El estudio “Ciberseguridad, habilitador de confianza y competitividad”, elaborado por Incode y Endeavor, advierte que 41% de las organizaciones en nuestro país depende solo de contraseñas tradicionales. Además, apenas 11% de startups y scaleups reportan ataques diarios, “muy probablemente por debajo de la realidad”.

Contra el fraude que se repite entre instituciones

Los defraudadores emplean nombres, documentos o dispositivos nuevos para volver a intentar una operación después de haber sido rechazados. Cuando esos intentos suceden en distintas instituciones, cada organización puede recibir solicitudes que parecen no tener relación entre sí; esta tendencia se ha incrementado por la expansión de herramientas de inteligencia artificial, con las cuales es posible automatizar intentos y multiplicar su alcance. Incode calcula que la IA impulsará más de 60% de los intentos de fraude para finales de este año.

Hasta ahora, las instituciones han tenido dificultades para compartir inteligencia antifraude a gran escala. Los métodos tradicionales suelen exigir el intercambio o la concentración de registros de clientes, lo que plantea riesgos de privacidad y crea repositorios de información que tienen potencial de convertirse en objetivos para los atacantes.

TrustGraph aborda ese problema: las instituciones participantes, incluidos competidores directos, pueden beneficiarse de las señales de toda la red sin ver los registros de clientes de las demás, y su arquitectura criptográfica está diseñada para proteger la identidad de las instituciones que consultan y aportan señales. No es una lista negra compartida: ante las señales de fraude y confianza arrojadas por la red, cada institución determina, conforme a sus reglas y procesos, cómo utilizar la información recibida para evaluar una solicitud, una sesión o una transacción.

¿Cómo funciona?

Se basa en tecnología criptográfica patentada que opera entre pares, desarrollada a partir de más de una década de investigación de Identiq, pionera en validación criptográfica de identidad entre pares y adquirida por Incode en junio de 2026. Se apoya en tres capacidades, a fin de que las instituciones fortalezcan sus procesos de prevención:

Identifica patrones de fraude entre instituciones: incluso cuando un actor malicioso cambia de nombre, documento o dispositivo. Las señales pueden usarse durante el registro de un usuario, el inicio de sesión o una transacción de alto riesgo.
Relaciona solicitudes que parecen independientes: dentro de los datos de una misma institución, permite vincular solicitudes que comparten señales como un dispositivo o información documental similar.
Reconoce señales positivas de confianza: esta información busca ayudar a reducir fricciones para clientes legítimos y respaldar decisiones de aceptación.

La protección de datos también es un principio central de esta tecnología. Los registros de clientes permanecen en la institución que los resguarda, y TrustGraph cruza señales de fraude y confianza entre las instituciones participantes sin agrupar ni intercambiar esos registros.

Para encontrar coincidencias, usa criptografía que preserva la privacidad y computación segura multiparte (SMPC en inglés); esto permite comparar material criptográfico de un solo uso sin revelar los datos subyacentes a las instituciones participantes, aunado a la arquitectura entre pares que evita la creación de un repositorio centralizado de registros de clientes.

Interac, red de pagos e identidad de Canadá que conecta a casi 300 instituciones financieras, reconoce el valor de este enfoque de red. “¿Cómo se puede esperar que cada empresa, por sí sola, le siga el paso a los deepfakes, las identidades sintéticas y las estafas románticas? Es imposible. Por eso elegimos a Incode, que hoy tiene la solución más sólida del mercado”, dijo Navjeet Grewal, director general de Verificación y Credenciales Digitales en Interac.

“TrustGraph permite a las instituciones beneficiarse de las señales de fraude de toda la red sin exponer datos de clientes. Si la empresa A sufre un ataque y el mismo actor después apunta a la empresa B, esta última no tiene que enfrentar ese ataque como si fuera la primera vez”, agregó Grewal.

Con esta red, Incode amplía su enfoque de prevención de fraude hacia un modelo de inteligencia compartida en el que las instituciones pueden aprovechar señales de toda la red sin renunciar al control de sus datos ni de sus decisiones. El objetivo es ayudar a detectar patrones que una sola organización difícilmente podría reconocer por sí misma y, a la vez, preservar la privacidad de los clientes legítimos.

Incode lanza red de confianza creada para la era agéntica

Deja un comentario Cancelar respuesta