Detección del fraude
Descripción general
La detección del fraude consiste en identificar intentos de suplantación, documentos falsos, identidades repetidas o comportamientos sospechosos en procesos digitales como el onboarding, la autenticación o la recuperación de cuentas. Combina biometría, análisis documental y reglas antifraude para prevenir accesos no autorizados.
Servicios técnicos necesarios
Frontend (SDKs)
SDKs para captura biométrica y documental, disponibles en:
Android / iOS (nativo)
Web (JavaScript)
Frameworks híbridos (Flutter, React Native, Cordova)
Requisitos de licenciamiento:
Web: Dominio o puerto de localhost
Mobile: Package name (Android) / Bundle ID (iOS)
Backend (vía API REST)
Servicio
Endpoint
Descripción
Prueba de vida (liveness detection)
POST /evaluatePassiveLivenessToken
Detecta si el rostro es real y en vivo
Comparación facial 1:1
POST /authenticateFacial
Verifica que el usuario coincida con la identidad registrada
Validación documental por morfología
POST /documentValidation/v2
Detecta alteraciones, montajes o falsificaciones en documentos
Consulta de duplicados (1:N)
POST /users/blacklist
Verifica si un rostro ya existe en la base de usuarios
Integración con reglas de negocio antifraude
(Custom/Middleware)
Permite orquestar condiciones lógicas para activar alertas o bloqueos
Flujo técnico recomendado
Captura del documento y validación visual (morfología)
Captura de selfie y prueba de vida
Comparación facial (1:1)
Verificación de duplicados en base 1:N
(Opcional) Envío de datos a motor de reglas antifraude del cliente
Devolución de score de riesgo o resultado del análisis
Arquitectura de referencia
🌍 Diagrama funcional y arquitectura estándar de integración: [enlace al diagrama] (a incluir en Confluence o embed)
SDKs → Middleware antifraude → APIs biométricas/documentales → Motor de reglas (cliente)
Consideraciones técnicas
Un documento legítimo puede tener información alterada: combinar validación documental con análisis biométrico es clave
1:N se recomienda como prevención de múltiples cuentas con la misma identidad facial
Middleware antifraude puede incluir lógica para bloquear intentos sospechosos según score, IP, dispositivo, etc.
Se sugiere almacenar todos los eventos para trazabilidad y análisis posterior
Preguntas frecuentes (FAQ)
¿Qué pasa si el mismo rostro intenta registrarse dos veces?
Puede detectarse con users/blacklist y bloquearse el segundo intento.
¿Se detectan deepfakes o pantallas? El servicio de liveness pasivo está entrenado para identificar imágenes, pantallas, máscaras, etc.
¿Cómo se integran las reglas antifraude? A través de lógica personalizada en el middleware del cliente o con herramientas de terceros que consuman los datos generados por los SDKs/APIs.
Casos relacionados
Alta de nuevos usuarios (requiere validación antifraude integrada)
Recuperación de contraseñas (verificación del intento previo a restaurar el acceso)
AML Screening (detección de usuarios en listas negras o con patrones de fraude)
Descarga de recursos
SDKs y ejemplos: [repositorio GitHub / portal privado]
Documentación técnica completa por SDK: [enlace]
Diagrama funcional editable: [enlace a Figma o PDF]
Esta guía permite implementar mecanismos efectivos de detección de fraude, combinando tecnologías biométricas, validación documental y control de duplicados para proteger las plataformas desde el primer contacto con el usuario.
Last updated