Melhor Software de Detecção de Fraude de Identidade Sintética

Última atualização: setembro de 2026

O melhor software de detecção de fraude de identidade sintética é aquele que ainda captura uma identidade madura criada a partir de dados válidos, continua monitorando a conta após a abertura, explica cada alerta emitido e não incomoda seus clientes legítimos com pouco histórico de crédito (thin-file). Uma demonstração não mostrará nada disso. Suas próprias propostas mostrarão, quando você passar suas identidades sintéticas confirmadas e seus bons clientes com pouco histórico de crédito pela ferramenta antes de assinar o contrato.

Este guia estabelece oito critérios para a escolha de um software de detecção de fraude de identidade sintética, cada um acompanhado das perguntas que devem ser feitas ao provedor e de como é uma resposta fraca. Ele termina com um teste que você pode executar em suas próprias propostas e uma tabela comparativa dos critérios.

Resumo rápido (TL;DR)

• Avalie o software de detecção de identidade sintética com base nas suas próprias propostas: as identidades sintéticas confirmadas que ele teria capturado e os clientes legítimos com pouco histórico de crédito que ele teria rejeitado.

• Verificar se cada elemento é válido é apenas o ponto de partida. Uma identidade sintética é construída com dados válidos, de modo que a ferramenta precisa verificar se o nome, o CPF/SSN, a data de nascimento, o endereço, o telefone e o e-mail têm um histórico em comum.

• Uma correspondência no eCBSV da SSA mostra que o SSN, o nome e a data de nascimento correspondem nos registros da Administração da Previdência Social americana. Isso não prova que o solicitante é aquela pessoa, e o SSN real de uma criança também corresponderia.

• A ferramenta deve continuar pontuando a conta após a abertura, pois as identidades sintéticas que passam pelo funil geralmente são descobertas mais tarde por investigadores.

• Cada alerta precisa de um motivo claro para que o investigador possa trabalhar, e cada provedor deve ser capaz de informar com que frequência rejeita solicitantes que depois se provam idôneos.

• A Oscilar escreveu esta lista. A Oscilar orquestra provedores terceiros de identidade sintética, agências de crédito e verificação de identidade, e decide sobre seus resultados; ela não é um deles. Os critérios não mencionam nomes de provedores.

A resposta curta: como escolher um software de detecção de fraude de identidade sintética

Para escolher o melhor software de detecção de identidade sintética, opte pela ferramenta cujos sinais ainda capturam identidades maduras com dados válidos, que continue monitorando após a abertura da conta, que explique cada alerta e que não puna seus clientes reais com pouco histórico de crédito. Prove cada um desses pontos em suas próprias propostas, e não com os exemplos do provedor. Passe identidades sintéticas confirmadas e um grupo de bons clientes com pouco histórico de crédito por cada candidato e compare o que cada um teria capturado e o que teria rejeitado.

Os sinais que uma ferramenta lê importam mais do que a pontuação gerada. Uma ferramenta robusta avalia em conjunto a consistência dos elementos de identidade, a verificação do documento de identificação (como o SSN), a profundidade e histórico de crédito, o comportamento do dispositivo e do preenchimento da proposta, além de conexões entre diferentes solicitações. Em seguida, ela encaminha o resultado para a tomada de decisão com as devidas justificativas anexadas.

A Oscilar escreveu esta lista. A Oscilar orquestra provedores terceiros de identidade sintética, bureaus de crédito e verificação de identidade para tomar decisões com base nos resultados obtidos, mas não fornece pontuações de identidade sintética por si mesma. Os critérios abaixo não citam marcas ou produtos, e uma seção posterior aplica os mesmos critérios à Oscilar.

Para entender o que é a fraude de identidade sintética e como ela se desenvolve, leia fraude de identidade sintética ao longo do ciclo de vida do cliente. Este guia assume que você já tem esse conhecimento prévio e vai direto para a escolha do software.

O que uma ferramenta de identidade sintética precisa capturar que a verificação de identidade comum não faz

Uma ferramenta de identidade sintética precisa capturar uma identidade que parece consistente no papel e passa pela verificação de identidade padrão, porque foi criada exatamente para isso. O Federal Reserve define fraude de identidade sintética como "o uso de uma combinação de informações de identificação pessoal (PII) para fabricar uma pessoa ou entidade a fim de cometer um ato desonesto para ganho pessoal ou financeiro." A verificação de identidade apenas confirma que uma identidade declarada existe e coincide com os documentos apresentados em um determinado momento. Ela não estabelece a intenção, nem garante que a identidade não foi montada especificamente para passar pelo controle.

As identidades sintéticas que os credores enfrentam hoje são criadas com dados válidos e amadurecidas com o tempo. Um diretor de fraudes em uma instituição de crédito ao consumidor afirmou que "muitas empresas hoje estão focando na fraude sintética do passado", e não nas identidades criadas de forma lenta e refinada que vemos agora. Um gerente de estratégia de crédito e fraude de uma fintech de empréstimo online descreveu propostas criadas com dados reais roubados que coincidiam perfeitamente, fazendo com que as verificações retornassem limpas em todos os bureaus.

Esse padrão não se limita ao crédito ao consumidor. Um gerente de produto de um grande banco descreveu um caso comercial: "era uma identidade completamente sintética que estava fechando o contrato, mas ela passou por todas as verificações normais que você possa imaginar." Um chefe de operações de fraude em uma empresa de serviços financeiros detalhou o custo de conceder um empréstimo a uma identidade falsa: o valor é totalmente perdido, "mesmo que as informações pessoais associadas a ele fossem perfeitamente válidas."

Ninguém vai denunciar uma fraude de identidade sintética por você. O diretor de fraudes da financeira de consumo foi direto: "Obviamente sintética, a única vítima somos nós." Sem uma pessoa real para perceber a conta desconhecida e reclamar, a própria instituição precisa identificar a identidade sintética ou sofrer o prejuízo.

Cada sinal falha em algum ponto quando analisado de forma isolada, e é por isso que os critérios abaixo avaliam como uma ferramenta lê esses dados em conjunto.

Os oito critérios e como usá-los

Antes de comparar as ferramentas, meça quanta fraude de identidade sintética você realmente tem, pois a exposição varia bastante. Vários credores encontraram muito pouco em suas próprias carteiras.

A revisão de portfólio de uma financeira com provedores de identidade sintética revelou pouquíssima fraude sintética, sendo o roubo de identidade tradicional o maior problema. Um estudo retrospectivo de uma financiadora de veículos subprime também apontou um volume muito baixo. O diretor de dados de uma empresa de crédito para pequenas empresas disse que não tinha visto um aumento expressivo de casos, acrescentando em seguida que talvez eles apenas não estivessem detectando. Um líder de risco de outra financeira comentou que as identidades sintéticas raramente eram um tema de preocupação.

O tamanho do seu problema muda o que você precisa comprar. Uma instituição com poucas perdas por identidade sintética precisa de uma ferramenta que adicione sinais de alerta sem gerar atrito para os bons solicitantes. Uma instituição que perde muito precisa tanto de uma análise aprofundada pós-onboarding quanto de validações rígidas na proposta.

Os oito critérios seguem a ordem lógica em que uma identidade sintética é analisada: seus elementos básicos, seu documento de identificação, seu histórico de crédito, seu dispositivo e comportamento, suas conexões com outras propostas, a conta após a abertura, a justificativa de cada alerta e o impacto nos clientes legítimos. Cada critério traz as mesmas três etapas: o que é, o que perguntar ao provedor e como identificar uma resposta fraca. Faça as mesmas perguntas por escrito a todos os provedores e avalie as respostas com base nos seus próprios dados.

1. Verifica se os elementos de uma identidade pertencem uns aos outros

O que é: A consistência de elementos de identidade avalia se o nome, documento, data de nascimento, endereço, telefone e e-mail em uma proposta têm um histórico em comum, e não apenas se cada um deles é individualmente válido. A validade é só o começo. Um analista de risco de uma financeira de crédito parcelado descreveu a primeira etapa tradicional: "o CPF é válido? Sim. Este e-mail é válido? Sim. O número de telefone é válido? Sim." Uma identidade sintética montada com partes legítimas de diferentes pessoas passará tranquilamente por essa checagem isolada.

Especialistas recomendam analisar "relações mais amplas do que apenas esses poucos componentes", como há quanto tempo um endereço de e-mail e um número de telefone existem e com o que se conectam. Pessoas reais constroem esse histórico ao longo do tempo, enquanto identidades fabricadas não têm essa profundidade.

O que perguntar ao provedor:

• Considerando uma proposta dos nossos dados, quais combinações de elementos você cruzou e qual o histórico de cada par: este endereço com este nome, este telefone com este e-mail?

• Um diretor de risco de um banco emissor de cartões solicitou uma ferramenta que cruzasse cada elemento "nas fontes de origem" e alertasse quando "apontar que aquele endereço nunca esteve associado àquela pessoa." Você pode demonstrar esse resultado nas nossas propostas?

• Qual é a idade de cada elemento? Um e-mail ou telefone recém-criado tem um peso diferente de um que já tem anos de histórico?

• Qual é o retorno do sistema quando todos os elementos são válidos, mas não possuem um histórico compartilhado entre si?

Como identificar uma resposta fraca: Uma validação do tipo "aprovado/reprovado" para cada elemento de forma isolada, sem uma visão cruzada. Uma ferramenta que analisa apenas a validade individual deixará passar uma identidade sintética criada a partir de partes válidas.

2. Utiliza a verificação de documentos para o que ela realmente prova

O que é: A verificação do documento (como o SSN nos EUA ou CPF no Brasil) checa o número contra um banco de dados governamental ou oficial. Nos EUA, o serviço eCBSV permite que instituições confirmem, com consentimento por escrito, se o documento bate com o nome e data de nascimento nos registros federais. Ele retorna um sim ou não, indica qual dado divergiu e avisa se o titular já faleceu.

Uma correspondência de dados oficiais prova que o documento, o nome e a data de nascimento pertencem ao mesmo registro. Não prova que quem está preenchendo a proposta é de fato o dono daquele documento. O documento de uma criança, digitado com o nome e a data de nascimento corretos dela, passará na validação, mas chegará sem histórico de crédito anterior. Um diretor sênior de prevenção a fraudes de uma instituição de crédito estudantil descreveu identidades sintéticas criadas em cima de dados de crianças para depois abrir cartões, contas e financiamentos de veículos.

O que perguntar ao provedor:

• Em que ponto do fluxo a verificação oficial de documento é feita e como o consentimento do cliente é coletado antes da consulta? Uma equipe de risco e tecnologia de uma financeira de crédito parcelado desenhou o fluxo ideal: quando a decisão exige uma checagem oficial, o sistema solicita o consentimento do cliente e dispara a consulta assim que obtém o aceite.

• O que a ferramenta faz quando os dados do documento coincidem, mas o histórico de crédito associado a ele começou recentemente para um solicitante cuja data de nascimento indica que ele já é adulto?

• Como uma divergência cadastral ou um registro de óbito são combinados com os outros sinais, em vez de serem tratados como o veredito final?

Como identificar uma resposta fraca: Uma validação de dados oficiais apresentada como prova definitiva de que o cliente é real. A correspondência apenas atesta que as informações batem nos registros públicos, mas nada diz sobre quem está do outro lado da tela digitando os dados.

3. Analisa o histórico de crédito e sabe identificar um histórico "maquiado"

O que é: Os sinais do histórico de crédito revelam há quanto tempo uma identidade existe nos bureaus de crédito, quantas operações ela possui e de onde veio o seu primeiro registro. Um diretor de fraudes listou o básico: "olhamos para o histórico de crédito: há quanto tempo ele existe? Quantas operações diferentes possui?" Esse mesmo diretor notou que muitos históricos sintéticos começavam no mesmo lugar: "Muitos deles usavam o mesmo banco para abrir a linha de crédito inicial." Esse padrão só fica claro quando analisamos várias propostas de forma macro.

O envelhecimento da identidade (seasoning) burla as checagens mais simples. Fraudadores chegam a esperar anos antes de usar uma identidade, construindo seu perfil aos poucos para que, na hora da proposta, ela pareça legítima por ter um cadastro antigo.

Além disso, um histórico sem apontamentos negativos pode ter sido "limpo" artificialmente. O mesmo diretor descreveu um caso onde "todas as operações pareciam ótimas e pagas em dia. Mas quando fui analisar as contas, todas estavam encerradas. Suspeitei de um processo de limpeza de histórico (credit washing)", onde o histórico ruim anterior é apagado para omitir o comportamento real.

A ausência de histórico (no-hit) é um sinal ambíguo. Um diretor de risco em pagamentos pontuou que, quando o bureau não retorna nada, pode ser um cliente real com pouco histórico (jovem ou recém-chegado ao país) ou alguém que usou um nome e data de nascimento fictícios plausíveis. O histórico de crédito sozinho não sabe diferenciar esses casos; a ferramenta precisa de outros sinais.

O que perguntar ao provedor:

• Quais atributos do histórico de crédito você avalia: tempo de registro, volume e tipo de operações, a origem do primeiro registro, consultas recentes?

• Você consegue reconhecer um histórico onde a maioria das operações está paga e encerrada, tratando isso como um ponto de atenção e não como um cliente exemplar?

• O que acontece com um solicitante sem histórico: recusa imediata, etapa adicional de validação ou direcionamento para análise de outros sinais?

• Sua ferramenta identifica padrões entre diferentes propostas, como vários cadastros novos criados a partir da mesma primeira linha de crédito?

Como identificar uma resposta fraca: Idade de registro e contagem de operações lidos apenas como uma pontuação fria, onde cadastros limpos são tidos como ótimos e clientes sem histórico são rejeitados de forma padrão.

4. Analisa o comportamento do dispositivo e do preenchimento da proposta

O que é: Trata-se de como a proposta foi preenchida e em qual aparelho: se houve digitação ou cópia e cola, a velocidade do preenchimento, o uso de automações e se o dispositivo já foi visto antes. O comportamento pega o que os dados cadastrais não mostram, pois as informações de uma identidade sintética podem ser perfeitas, mas a forma de inseri-las não. Em um processo de abertura de contas, as checagens de bots buscam identificar se o usuário está usando softwares de automação ou se mal digitou as informações, apesar de apresentar dados cadastrais teoricamente perfeitos.

Os ataques mudam de ritmo. Um gerente de estratégia de crédito e fraude relatou um caso em que o fraudador primeiro agiu como um humano, preenchendo as etapas no ritmo normal. Assim que as primeiras travas foram ativadas, ele passou a atacar as APIs da financeira diretamente com scripts automatizados para burlar etapas como o envio de tokens por SMS. Uma ferramenta que só analisa o formulário visual teria perdido a segunda metade do ataque.

O que perguntar ao provedor:

• Quais sinais de dispositivo e comportamento você coleta durante o preenchimento? Você monitora tráfego que vai direto para nossas APIs pulando o formulário visual?

• Como os sinais comportamentais influenciam na pontuação de identidade sintética, como nos casos de uma pontuação alta em uma proposta que quase não teve digitação manual?

• Você identifica o mesmo aparelho sendo usado em diferentes propostas, inclusive alternando entre web e aplicativo móvel?

Como identificar uma resposta fraca: Sinais de dispositivo e comportamento vendidos como um produto isolado, cujos resultados nunca chegam a influenciar a decisão final sobre a identidade sintética.

Identidades sintéticas que utilizam selfies em deepfake e documentos falsificados exigem um teste específico para checagens de biometria e documentos, detalhado em nosso guia próprio para ferramentas de detecção de deepfakes.

5. Vincula propostas cruzando toda a sua base de dados

O que é: A vinculação conecta propostas que compartilham algo em comum: um telefone, e-mail, aparelho, endereço, conta bancária ou biometria facial. As regras de velocidade (velocity) medem a frequência com que esses dados repetidos aparecem em um período de tempo. Ambas as defesas dependem da qualidade das chaves de cruzamento utilizadas — e os fraudadores testam quais chaves você usa. Um diretor de crédito de uma fintech explicou como um ataque passou por causa de uma premissa básica: "Eles exploraram o fato de que nós só fazíamos testes de velocidade cruzando a combinação de conta corrente e código do banco."

Alguns sinais só se tornam visíveis no cruzamento de dados. Um diretor de análises de fraude em empréstimos comentou sobre fraudadores recorrentes em canais físicos e digitais: "Vemos até mesmo a mesma foto de rosto sendo usada em diferentes carteiras de motorista." Um gerente de produto de um grande banco queria identificar se uma identidade tinha começado a "abrir um número incomum de contas em várias instituições financeiras ao mesmo tempo" e se houve "mudanças frequentes de endereço ou outros dados cadastrais" recentemente.

O que perguntar ao provedor:

• Quais elementos você utiliza para fazer os cruzamentos? Conseguimos adicionar novas chaves de vinculação personalizadas sem precisar de desenvolvimento ou programação?

• É possível fazer cruzamentos por biometria facial ou imagem de documento, e não apenas por campos de texto?

• Vocês conseguem enxergar propostas feitas em outras instituições ou apenas na nossa? Qual a abrangência desse banco de dados compartilhados?

• Como as quadrilhas e conexões são apresentadas no sistema: as propostas vinculadas, o que elas compartilham e quando cada uma surgiu?

Como identificar uma resposta fraca: Regras estáticas de velocidade aplicadas a poucos campos de texto, sem possibilidade de visualizar ou alterar as chaves de cruzamento.

6. Continua monitorando a conta após a abertura

O que é: Uma identidade sintética que consegue passar pelo processo de onboarding geralmente só é identificada mais tarde por analistas de investigação. Falando sobre isso, um coordenador de fraudes de um banco de cartões comentou: "quando algo passa pelo funil inicial, costuma ser o tipo de caso que minha equipe descobre no dia a dia operacional." Portanto, o software de detecção precisa continuar pontuando e avaliando a conta conforme ela envelhece, sem parar na fase de proposta.

Os sinais mudam após a abertura. O diretor de fraudes monitorava "o volume de consultas de crédito realizadas em uma janela curta de tempo. Isso me sinaliza que a identidade sintética está se preparando para o golpe de 'estouro' de limite (bust-out)." Um diretor de risco e compliance em pagamentos descreveu modelos de inteligência artificial capazes de "sinalizar proativamente situações de bust-out ou identidades sintéticas com características comuns" antes mesmo do prejuízo acontecer. No lado corporativo, um vice-presidente de operações relatou fraudadores que criavam CNPJs sintéticos que ficavam inativos por meses e depois realizavam saques em massa, simplesmente porque não havia ferramentas para acompanhar essa inatividade.

O sinal gerado no onboarding precisa se comunicar com o monitoramento contínuo. Um líder de risco apontou que uma identidade sintética às vezes gera alertas na entrada, mas acaba esquecida por causa de silos internos de sistemas, já que as informações do onboarding raramente chegam às equipes de monitoramento de transações ou compliance.

O impacto financeiro do bust-out e sua relação com a fraude amigável (first-party) são tratados no artigo fraude amigável e sinais de bust-out. Este critério foca no que a ferramenta precisa detectar antes do golpe final.

O que perguntar ao provedor:

• Vocês pontuam as contas após a abertura? Com base em quais eventos e com qual frequência?

• O alerta ou a pontuação gerada no onboarding acompanha a conta no monitoramento diário, alterando seu nível de risco em tempo real?

• Quais sinais vocês acompanham antes de um estouro de limite (bust-out): picos de buscas de crédito, padrões comuns entre contas, contas inativas que de repente ficam muito movimentadas?

• Vocês conseguem analisar nossa base de contas antigas e nos mostrar quais bust-outs teriam sido alertados por vocês, e em qual momento?

Como identificar uma resposta fraca: Uma detecção que termina na aprovação da proposta ou uma ferramenta de monitoramento que não conversa com os dados do onboarding.

7. Explica cada alerta e direciona a decisão

O que é: A explicação é o motivo por trás de um alerta: quais sinais foram disparados, com o que a proposta foi vinculada e por que ela passou do limite de risco tolerado. Uma pontuação fria e sem justificativa não serve para um investigador trabalhar nem para justificar uma decisão em auditorias. Um alerta que apenas diz que algo parece suspeito não ajuda no dia a dia; o contexto é o que torna o alerta útil: o dispositivo conectado, as contas correlacionadas e o histórico da identidade. Na prática, a justificativa precisa chegar de forma clara para quem está operando a fila de análise, com códigos de motivo bem definidos.

O direcionamento decide o que fazer com essa justificativa. Um vice-presidente de operações de pagamentos prefere ferramentas especializadas: "Para fraude sintética e de dispositivo, prefiro ter uma solução dedicada para cada uma." Ter ferramentas separadas funciona, desde que a análise da identidade sintética, a verificação cadastral e os dados do aparelho cheguem à mesma decisão e ao mesmo caso. Três filas de análise diferentes que olham apenas para um pedaço da foto perderão o que só o conjunto completo revela.

O que perguntar ao provedor:

• Pode nos mostrar uma proposta alertada usando nossos dados? Quais sinais foram ativados, com o que ela foi conectada e o que o analista de fraudes enxerga na tela dele?

• Os códigos de motivo acompanham todas as pontuações, de forma que possamos registrá-los em nosso histórico de decisões?

• Para onde o resultado é enviado: diretamente para o nosso motor de decisão, para uma fila de análise interna ou para um painel externo separado?

• Nossa equipe consegue configurar o que acontece em cada nível de risco (aprovar automaticamente, enviar para validação extra ou encaminhar para análise manual)?

Como identificar uma resposta fraca: Uma pontuação seca, sem detalhamento de motivos, entregue em um portal isolado que não se integra nem com o motor de decisão nem com as ferramentas dos analistas.

8. Informa a taxa de erro com clientes legítimos

O que é: Falsos positivos são os clientes idôneos que a ferramenta bloqueia ou alerta. Na detecção de identidades sintéticas, o maior impacto costuma recair sobre pessoas com pouco histórico de crédito, como jovens ou estrangeiros recém-chegados. Seus cadastros parecem rasos pelos mesmos motivos que uma identidade sintética parece rasa, então uma ferramenta que assume que qualquer histórico magro é suspeito acabará recusando bons clientes junto com os fraudadores. Questione os provedores sobre o que a ferramenta faz nesses casos e qual a taxa de reprovação de clientes idôneos.

Trate essa resposta como parte essencial da homologação do provedor. Com as regulamentações de riscos de terceiros cada vez mais rígidas no mercado financeiro global, um provedor que não sabe demonstrar o impacto da ferramenta nos seus clientes legítimos deixa você sem bases sólidas para justificar a governança interna e a conformidade regulatória.

O que perguntar ao provedor:

• Dos nossos clientes legítimos com pouco histórico (thin-file), quais teriam sido bloqueados ou alertados pela sua ferramenta e o que os teria liberado?

• Quais outros sinais de validação você aciona para um solicitante que não possui histórico de crédito nos bureaus?

• Vocês reportam falsos positivos de forma segmentada, por faixa etária ou tempo de cadastro, para podermos acompanhar após a implementação?

• Como ajustamos as regras do sistema para um grupo específico de clientes que sabemos ter bom desempenho financeiro?

Como identificar uma resposta fraca: Apresentar uma taxa de detecção excelente sem mostrar a taxa de falsos positivos equivalente, ou trazer dados de falsos positivos baseados em clientes de outras instituições.

Como testar a detecção de identidade sintética em suas próprias propostas

Teste os softwares de detecção de identidade sintética com as suas próprias propostas, pois os exemplos comerciais do provedor mostram o potencial máximo da ferramenta e não necessariamente o que ela entregará para o seu cenário de negócios. Um diretor de prevenção de uma grande fintech descreveu esse abismo: "é sempre lindo quando você entra no site de um fornecedor e vê todas as maravilhas que eles prometem. Mas aí você coloca para testar e se pergunta: o que eles de fato entregam na prática?" Siga seis passos para estruturar um teste comparável e transparente.

1. Meça sua exposição real. Levante o volume e o valor das suas perdas confirmadas por identidades sintéticas e em quais produtos elas ocorreram antes de definir um orçamento. Várias financeiras descobriram que tinham muito menos fraudes desse tipo do que imaginavam.

2. Separe dois grupos de dados. O primeiro deve conter identidades sintéticas confirmadas de perdas e investigações anteriores. O segundo deve conter clientes legítimos com pouco histórico de crédito que demonstraram excelente comportamento. Avalie todos os fornecedores concorrentes usando exatamente esses dois grupos.

3. Passe ambos os grupos por cada candidato em paralelo. Um executivo de compliance de uma gestora de recursos descreveu um ambiente de homologação onde a equipe podia "processar dados antigos e comparar com as taxas de aprovação que tínhamos nas ferramentas anteriores." Uma financeira rodou propostas de forma simultânea em sua ferramenta atual e na concorrente em teste, avaliando também uma versão atualizada da sua pontuação antes de tomar a decisão final.

4. Onde não houver histórico, rode o teste ao vivo em uma parcela do tráfego. Se você está testando um sinal inédito na sua operação, não haverá dados passados para simular (backtest). Nesse cenário, o ideal é conectar o novo fornecedor em uma pequena fatia de propostas reais ao vivo, rodando um teste A/B em paralelo ao seu processo atual.

5. Busque por estouros de limite (bust-outs) tardios. Pegue as contas abertas no último ano, identifique as que deram calote ou foram classificadas como fraudes sintéticas e pergunte a cada candidato quais ele teria alertado no momento do onboarding ou no decorrer do relacionamento da conta.

6. Avalie as explicações em uma amostragem de alertas. Entregue algumas propostas alertadas no teste para um investigador e pergunte se as justificativas trazidas pela ferramenta seriam suficientes para tomar uma decisão rápida.

Sempre defina por escrito, antes de iniciar as simulações, como os dados serão compartilhados com os fornecedores e quais métricas de comparação determinarão o vencedor.

Onde a Oscilar se encaixa, avaliada pelos mesmos critérios

A Oscilar escreveu este guia, por isso esta seção aplica as mesmas regras à própria Oscilar, com base estritamente em suas capacidades técnicas públicas. A Oscilar não fornece pontuações de identidade sintética próprias. Ela atua como uma plataforma que orquestra provedores de identidade sintética, bureaus de crédito, verificação cadastral e dados internos da própria instituição financeira para tomar a decisão final. Portanto, nos critérios de 1 a 3, a profundidade de checagem da Oscilar varia conforme os parceiros que a instituição optar por conectar.

No comportamento do dispositivo e nas conexões entre contas (critérios 4 e 5), a solução da Oscilar para detecção de fraudes na abertura de contas utiliza inteligência de aparelhos, biometria comportamental e enriquecimento de dados, cruzando conexões entre contas para expor possíveis quadrilhas de fraude. A plataforma traz regras prontas e modelos de machine learning focados em fraude de propostas. A arquitetura da Oscilar integra machine learning supervisionado, detecção de anomalias não supervisionada e regras de negócio para centralizar onboarding, crédito, fraude e conformidade (AML) em um único ecossistema — atendendo ao critério 6 de acompanhamento contínuo da conta.

Sobre explicações e direcionamento (critério 7), a mesa de decisões da Oscilar organiza as filas de trabalho por prioridade e gera justificativas automáticas em linguagem natural explicando por que o alerta foi gerado. A Oscilar mantém uma trilha completa de auditoria com os motivos de cada decisão gravados, garantindo a supervisão humana (human-in-the-loop) por premissa básica do sistema. Toda a infraestrutura da plataforma é projetada para rodar decisões complexas em menos de 100 milissegundos.

Para clientes legítimos e processos de simulação (critério 8 e metodologia de testes), a Oscilar oferece suporte completo para testes retrospectivos com dados históricos (backtesting) e testes de divisão A/B antes de colocar qualquer mudança em produção, além de telas para monitorar falsos positivos, taxas de conversão e KPIs operacionais em tempo real. O monitoramento automático da Oscilar acompanha desvios de dados (data drift, feature drift e concept drift) com métricas de performance detalhadas por grupo de clientes.

A Oscilar foi destaque no ranking FCC50 de 2026 da Chartis, que lista as principais tecnologias de compliance e combate aos crimes financeiros mundiais, vencendo nas categorias de Customização Low-Code/No-Code e Inovação em IA de Agentes. A Oscilar também é Parceira Preferencial da Nacha para Validação de Contas, Monitoramento de Fraudes e Prevenção de Risco. Nenhuma dessas conquistas substitui a necessidade prática de testar a Oscilar em suas próprias propostas de crédito e abertura de contas, avaliando seu desempenho de forma neutra.

Este manual foca na camada de inteligência e detecção de fraude. A escolha do sistema operacional onde as propostas são coletadas é uma decisão diferente, detalhada em nosso guia de sistemas de onboarding para instituições financeiras.

Visão geral dos oito critérios

A tabela abaixo resume cada critério com a pergunta-chave de teste, os sinais de alerta em respostas inconsistentes e como provar a eficácia no teste prático.

Use as perguntas da segunda coluna como guia para suas reuniões com fornecedores e a última coluna para planejar seus testes operacionais.

Perguntas frequentes

Qual a diferença entre validação cadastral e detecção de identidade sintética?

A validação cadastral confirma que um determinado documento existe e coincide com os dados informados naquele exato momento. A detecção de identidade sintética avalia se a identidade foi fabricada: se o conjunto de dados tem um histórico compartilhado de uso ao longo do tempo, se o histórico de crédito é legítimo e profundo, e se o ritmo de preenchimento condiz com o de um ser humano real. Uma identidade sintética construída com dados reais pode passar pela validação cadastral padrão, mas falhará em um processo profundo de detecção sintética.

Consultar bases oficiais de documentos evita fraudes de identidades sintéticas?

Não evita de forma isolada. A confirmação de dados em órgãos emissores prova que o documento bate com o nome e data de nascimento cadastrados na instituição oficial. Contudo, ela não comprova quem está de fato digitando as informações do outro lado da tela, abrindo margem para o uso de documentos de crianças que possuem dados reais, mas nenhum histórico de crédito. Use consultas oficiais apenas como um dos componentes de análise, cruzando-as com comportamento e conexões de rede.

Como o software de detecção deve lidar com solicitantes idôneos com pouco histórico?

A ausência de histórico de crédito (thin-file) deve ser lida pela ferramenta como falta de dados, e não como prova direta de má conduta. Um cliente jovem, um estrangeiro recém-chegado e uma identidade fabricada geram o mesmo resultado nulo nos bureaus. Por isso, a ferramenta precisa acionar defesas alternativas, como análise do comportamento do preenchimento, histórico do aparelho celular ou etapas de verificação extra (step-up) antes de simplesmente rejeitar o cadastro.

Uma ferramenta consegue identificar identidades sintéticas meses após o onboarding?

Sim, desde que a conta continue sendo monitorada continuamente após a fase de cadastro. Sinais suspeitos como buscas aceleradas de novos cartões de crédito em múltiplos bancos, contas paradas que se ativam de repente e similaridades transacionais entre contas diferentes costumam se manifestar logo antes do golpe final. Esse acompanhamento só é possível se os resultados de risco gerados no cadastro acompanharem o ciclo de vida da conta.

Quantas propostas antigas eu preciso separar para rodar um teste confiável?

Não existe um número mágico de dados. O essencial é contar com um volume de identidades sintéticas confirmadas para avaliar o poder de captura das ferramentas, além de um grupo de clientes reais (especialmente com pouco histórico de crédito) para metrificar a taxa de falsos positivos. Se a sua base de dados não possuir histórico suficiente de fraudes confirmadas, opte por rodar testes de simulação pós-evento (look-back) ou instale a ferramenta nova em uma porcentagem menor das propostas reais.

Como a Oscilar é avaliada com base nesses critérios?

A Oscilar não fornece pontuações de identidade sintética próprias. Ela atua como um orquestrador que conecta provedores de identidade sintética parceiros, bureaus de dados e ferramentas de identificação, somando inteligência de aparelhos, biometria de digitação e conexões macro de rede para automatizar a tomada de decisões corporativas, gerando trilhas de auditoria transparentes com justificativas claras em cada decisão. Como nós escrevemos este guia de boas práticas, encorajamos que você teste a Oscilar com seus próprios dados da mesma forma que testaria qualquer outro provedor.

O melhor software de detecção de fraude de identidade sintética para sua operação é aquele que prova sua eficiência nas suas propostas reais. Ele deve interceptar as fraudes confirmadas do seu histórico, monitorar as contas continuamente pós-onboarding, explicar seus alertas e proteger a jornada dos seus clientes legítimos com pouco histórico de crédito. A arquitetura da Oscilar para fraudes de onboarding é uma das opções à sua disposição para passar por essa validação de performance técnica.