Última atualização: Março de 2026

A Referência Definitiva para Profissionais de Risco, Fraude, PLD, KYC e Compliance

Introdução

A linguagem de risco e fraude está evoluindo tão rápido quanto as próprias ameaças. Novos vetores de ataque, estruturas regulatórias e tecnologias de detecção surgem todos os anos — trazendo consigo uma onda de terminologia especializada que os profissionais precisam dominar para continuarem sendo eficazes.

Este glossário foi desenvolvido para ser a referência mais abrangente, confiável e praticamente útil para qualquer pessoa que trabalhe com prevenção de fraudes, conformidade de PLD, risco de crédito, verificação de identidade ou tomada de decisão de risco. Seja você um profissional experiente de compliance, um analista de fraude criando regras de detecção, um gerente de produto projetando fluxos de integração ou um fundador de fintech avaliando plataformas de risco, este recurso oferece definições claras, concisas e especializadas — cada uma acompanhada de um exemplo do mundo real que dá vida ao conceito.

Os termos são organizados em ordem alfabética e cobrem todo o espectro do gerenciamento de risco moderno: desde conceitos regulatórios fundamentais, como o Bank Secrecy Act e o Know Your Customer, até técnicas de ponta, como análise comportamental, detecção de fraude por deepfake e IA explicável.

Cada entrada foi elaborada para ser citável, pesquisável e imediatamente útil.

Como Usar Este Glossário

Navegue pelas letras usando as seções alfabéticas abaixo ou pesquise por um termo específico. Cada entrada inclui uma definição clara, um exemplo prático e um link para a página da solução Oscilar relevante para uma exploração mais profunda. Os termos têm referências cruzadas quando aplicável para ajudar você a construir uma compreensão completa de conceitos interligados.

A

Apropriação de Conta (ATO - Account Takeover)

Definição: Uma forma de roubo de identidade em que um agente malicioso obtém acesso não autorizado à conta de um usuário existente, roubando credenciais por meio de phishing, preenchimento de credenciais (credential stuffing), engenharia social ou malware. Uma vez dentro, o invasor pode alterar as configurações da conta, extrair dados ou iniciar transações fraudulentas. O ATO é um dos vetores de fraude que mais cresce nos serviços financeiros digitais.

Exemplo: Um cibercriminoso usa credenciais vazadas de uma violação de dados para fazer login no aplicativo bancário de um cliente, altera o e-mail e o número de telefone cadastrados e transfere $15.000 para uma conta laranja.

→ Ver: Proteção Contra Fraude Transacional

Fraude de ACH

Definição: Transações não autorizadas ou enganosas realizadas por meio da rede de Câmara de Compensação Automatizada (ACH), que processa transferências eletrônicas de fundos entre bancos. A fraude de ACH inclui débitos não autorizados, transferências impulsionadas por apropriação de conta e esquemas de desvio de folha de pagamento. Como as transações de ACH são processadas em lote e podem ser estornadas, os fraudadores exploram a janela de liquidação para movimentar fundos antes da detecção.

Exemplo: Um fraudador obtém o número de roteamento e da conta bancária de uma vítima por meio de um e-mail de phishing e, em seguida, inicia uma série de pequenos débitos de ACH para testar a conta antes de retirar uma quantia maior.

→ Ver: Monitoramento de Fraude de ACH sob a Nacha 2026

Triagem de Mídia Adversa

Definição: O processo de monitoramento e análise de fontes de notícias, registros públicos e mídias sociais para identificar informações negativas sobre clientes ou potenciais clientes que possam indicar envolvimento em crimes financeiros, fraude, corrupção ou outras atividades ilícitas. A triagem de mídia adversa é um componente essencial da devida diligência do cliente e do monitoramento contínuo, ajudando as instituições a detectar riscos que podem não aparecer em bancos de dados estruturados, como listas de sanções ou PEP.

Exemplo: Durante uma revisão periódica, uma ferramenta de triagem de mídia adversa traz à tona um artigo de notícias ligando um cliente existente a uma investigação de lavagem de dinheiro em outra jurisdição. A equipe de compliance encaminha o caso para uma Devida Diligência Aprofundada.

→ Ver: PLD para Bancos

PLD (Prevenção à Lavagem de Dinheiro)

Definição: O conjunto de leis, regulamentos e procedimentos organizacionais projetados para evitar que criminosos disfarcem fundos obtidos ilegalmente como renda legítima. Os programas de PLD normalmente incluem devida diligência do cliente, monitoramento de transações, relatórios de atividades suspeitas e triagem de sanções. As instituições financeiras são legalmente obrigadas a manter programas de PLD sob regulamentos como o Bank Secrecy Act e as Diretivas Antilavagem de Dinheiro da UE.

Exemplo: O sistema de PLD de um banco sinaliza uma série de depósitos em dinheiro logo abaixo do limite de relatório de $10.000 em várias agências — um padrão conhecido como fracionamento — e envia um Relatório de Atividade Suspeita.

→ Ver: PLD para Fintechs

Fraude de Pagamento Instantâneo Autorizado (APP)

Definição: Um golpe em que a vítima é manipulada para enviar voluntariamente um pagamento para a conta de um fraudador, normalmente por meio de engenharia social, falsificação de identidade de entidades confiáveis ou faturas falsas. Diferente da fraude não autorizada, a própria vítima inicia a transação, tornando a recuperação e a atribuição de responsabilidades mais complexas. A fraude de APP é uma preocupação crescente globalmente, levando os reguladores a introduzir esquemas de reembolso obrigatórios.

Exemplo: Uma empresa recebe um e-mail que parece vir de um fornecedor de longa data, solicitando o pagamento para uma nova conta bancária. A equipe financeira processa a transferência bancária, apenas para descobrir depois que o e-mail foi falsificado.

→ Ver: Proteção Contra Fraude Transacional

B

Análise Comportamental

Definição: A prática de analisar padrões no comportamento do usuário — como ritmo de digitação, movimentos do mouse, hábitos de navegação, horário da sessão e interação com o dispositivo — para criar um perfil de risco dinâmico. A análise comportamental permite a autenticação contínua e a detecção de anomalias sem adicionar atrito à experiência do usuário. Desvios dos padrões comportamentais estabelecidos podem sinalizar apropriação de conta, atividade de bot ou engenharia social.

Exemplo: Um mecanismo de análise comportamental detecta que um usuário que normalmente faz login de um computador desktop em Chicago está acessando a conta de um dispositivo móvel em outro país com uma velocidade de digitação incomumente rápida, acionando um desafio de autenticação adicional.

→ Ver: Plataforma Oscilar

Autenticação Biométrica

Definição: Um método de segurança que usa características biológicas exclusivas — como impressões digitais, geometria facial, padrões de íris ou voz — para verificar a identidade de um usuário. Nos serviços financeiros, a autenticação biométrica adiciona uma camada forte de segurança ao acesso à conta, autorização de transações e verificação de identidade. Quando combinada com a detecção de vivacidade, ajuda a evitar ataques de falsificação de identidade usando fotos, máscaras ou deepfakes.

Exemplo: Um aplicativo de banco móvel exige reconhecimento facial com detecção de vivacidade (exigindo que o usuário pisque e vire a cabeça) antes de autorizar qualquer transferência bancária acima de $1.000, evitando tanto o acesso não autorizado quanto ataques de deepfake.

→ Ver: Plataforma Oscilar

BSA (Bank Secrecy Act)

Definição: Uma lei federal dos Estados Unidos promulgada em 1970 que exige que as instituições financeiras auxiliem as agências governamentais na detecção e prevenção da lavagem de dinheiro. O BSA exige obrigações de manutenção de registros e relatórios, incluindo Relatórios de Transações de Moeda (CTRs) para transações que excedam $10.000 e Relatórios de Atividades Suspeitas (SARs) para atividades potencialmente ilícitas. Ele forma a base da estrutura regulatória de PLD dos EUA.

Exemplo: Um banco comunitário envia um CTR após um cliente depositar $12.000 em dinheiro, conforme exigido pelo BSA, e envia separadamente um SAR após notar que o cliente fez depósitos semelhantes em outras três agências na mesma semana.

→ Ver: PLD para Bancos

Fraude de Estouro de Crédito (Bust-Out Fraud)

Definição: Um esquema premeditado no qual um fraudador constrói um histórico de crédito positivo — frequentemente ao longo de meses — fazendo pagamentos regulares em contas de crédito, e de repente estoura todos os limites de crédito disponíveis e desaparece. A fraude de estouro de crédito pode envolver identidades sintéticas e é particularmente prejudicial porque os modelos tradicionais de pontuação de crédito classificam essas contas como de baixo risco até o momento do estouro.

Exemplo: Um fraudador abre várias contas de cartão de crédito usando uma identidade sintética cuidadosamente criada, faz pagamentos em dia durante oito meses para aumentar os limites de crédito, depois gasta $50.000 em todos os cartões e desaparece.

→ Ver: Decisão de Risco por IA

C

CDD (Devida Diligência do Cliente)

Definição: O processo que as instituições financeiras utilizam para verificar a identidade de seus clientes e avaliar o risco que eles representam. A CDD envolve coletar e verificar informações de identificação, entender a natureza e o objetivo da relação com o cliente e realizar monitoramento contínuo. Para clientes de maior risco, aplica-se a Devida Diligência Aprofundada (EDD), com padrões de verificação e monitoramento mais rigorosos.

Exemplo: Durante a abertura da conta, um banco coleta o documento de identidade emitido pelo governo de um novo cliente, comprovante de residência e documentação da origem dos fundos e, em seguida, faz a triagem do indivíduo contra listas de sanções e bancos de dados de PEP como parte da CDD padrão.

→ Ver: Detecção de Fraude em KYC

Fraude de Estorno (Chargeback)

Definição: Também conhecida como fraude amigável ou abuso de fraude de primeira pessoa, a fraude de estorno ocorre quando um consumidor faz uma compra legítima e depois contesta a cobrança com o emissor do cartão, alegando falsamente que a transação não foi autorizada ou que os produtos nunca foram recebidos. Isso transfere a perda financeira para o lojista e pode resultar em taxas de processamento mais altas, danos à reputação e possível perda dos privilégios de processamento do lojista.

Exemplo: Um cliente compra um notebook de última geração online, recebe o produto e entra em contato com o banco para contestar a cobrança, alegando que o pacote nunca chegou. O lojista é forçado a reembolsar a transação e perde o produto.

→ Ver: Proteção Contra Fraude Transacional

Preenchimento de Credenciais (Credential Stuffing)

Definição: Um ciberaque automatizado no qual combinações de nome de usuário e senha roubadas de violações de dados são testadas sistematicamente em vários serviços online, explorando a prática comum de reutilização de senhas. Os ataques de preenchimento de credenciais usam redes de bots (botnets) para tentar milhares de combinações de login por minuto e são um dos principais impulsionadores da fraude de apropriação de conta.

Exemplo: Um invasor obtém 2 milhões de pares de e-mail e senha de um banco de dados de e-commerce vazado e usa scripts automatizados para testá-los em uma plataforma de banco digital, conseguindo comprometer 15.000 contas onde os usuários reutilizaram suas senhas.

→ Ver: Proteção Contra Fraude Transacional

Tomada de Decisão de Crédito

Definição: O processo de avaliar a capacidade de pagamento de um mutuário e determinar os termos do empréstimo usando modelos baseados em dados. As plataformas modernas de tomada de decisão de crédito combinam dados tradicionais de agências de crédito com fontes de dados alternativas — como análise de fluxo de caixa, sinais comportamentais e inteligência de dispositivos — para produzir decisões de empréstimo mais rápidas, inclusivas e precisas. A tomada de decisão de crédito baseada em IA permite aprovações em tempo real, mantendo a conformidade regulatória.

Exemplo: Um credor fintech usa um mecanismo de decisão de crédito por IA que analisa o histórico de transações bancárias de um candidato sem histórico de crédito tradicional, a verificação de emprego e os sinais do dispositivo para aprovar um empréstimo pessoal em poucos segundos.

→ Ver: Decisão de Risco por IA

Pontuação de Crédito (Credit Scoring)

Definição: Um método estatístico para quantificar a probabilidade de um mutuário pagar uma dívida, normalmente expresso como uma pontuação numérica. As pontuações de crédito tradicionais baseiam-se no histórico de pagamentos, utilização de crédito, tempo de histórico de crédito, tipos de crédito utilizados e novas consultas de crédito. Modelos alternativos de pontuação de crédito incorporam dados não tradicionais, como pagamentos de aluguel, contas de consumo e comportamento bancário para ampliar o acesso ao crédito para populações desatendidas.

Exemplo: Uma cooperativa de crédito usa um modelo de pontuação alternativo que considera os pagamentos consistentes de aluguel e o histórico de contas de consumo de um associado, permitindo a aprovação para alguém cuja pontuação tradicional resultaria em recusa.

→ Ver: Decisão de Risco por IA

CTR (Relatório de Transação de Moeda)

Definição: Um relatório que as instituições financeiras dos EUA devem enviar ao FinCEN para cada transação em dinheiro que exceda $10.000, ou várias transações em dinheiro relacionadas que totalizem mais de $10.000 em um único dia útil. Os CTRs são um componente fundamental da conformidade com o BSA e ajudam as autoridades a rastrear grandes movimentações de dinheiro que possam indicar lavagem de dinheiro, evasão fiscal ou outros crimes financeiros.

Exemplo: Um caixa de banco processa três depósitos em dinheiro totalizando $11.500 do mesmo cliente em um único dia. O sistema agrega automaticamente as transações e gera um CTR para envio ao FinCEN.

→ Ver: PLD para Bancos

D

Enriquecimento de Dados

Definição: O processo de complementar dados brutos de transações ou de clientes com contexto adicional de fontes internas e externas para melhorar a precisão das decisões de risco. Na prevenção de fraudes, o enriquecimento de dados pode incluir a adição de inteligência de dispositivo, reputação de e-mail, verificação de número de telefone, geolocalização de IP, presença em mídias sociais e sinais comportamentais a um registro de transação básico.

Exemplo: Quando uma nova conta é aberta, a plataforma enriquece o endereço de e-mail do candidato verificando sua idade, reputação de domínio e associação com redes de fraude conhecidas, adicionando esses sinais aos recursos de entrada do modelo de risco.

→ Ver: Plataforma Oscilar

Mecanismo de Decisão

Definição: Um sistema de software que automatiza decisões complexas avaliando entradas de dados em relação a um conjunto configurável de regras, modelos e políticas. No gerenciamento de risco, os mecanismos de decisão orquestram a detecção de fraudes, a análise de crédito e os processos de conformidade em tempo real. Os mecanismos de decisão modernos oferecem suporte à criação de regras sem código, integração de modelos de aprendizado de máquina e testes A/B para otimizar continuamente a precisão das decisões.

Exemplo: O mecanismo de decisão de uma empresa de pagamentos avalia cada transação em relação a mais de 200 regras e três modelos de aprendizado de máquina em 50 milissegundos, aprovando automaticamente pagamentos de baixo risco e direcionando os suspeitos para uma fila de revisão manual.

→ Ver: Decisão de Risco por IA

Fraude por Deepfake

Definição: O uso de inteligência artificial — especificamente técnicas de aprendizado profundo, como redes adversárias generativas (GANs) — para criar áudios, vídeos ou imagens altamente realistas, mas fabricados, para fins fraudulentos. Nos serviços financeiros, as deepfakes são cada vez mais usadas para burlar sistemas de verificação de identidade, personificar executivos em esquemas de comprometimento de e-mail corporativo e manipular controles de autenticação biométrica.

Exemplo: Um fraudador usa um vídeo gerado por IA do Diretor Financeiro de uma empresa para realizar uma chamada de vídeo com o departamento financeiro, instruindo-os a transferir $2 milhões para uma conta no exterior. O deepfake é convincente o suficiente para passar pelo exame inicial.

→ Ver: Plataforma Oscilar

Impressão Digital do Dispositivo (Device Fingerprinting)

Definição: Uma técnica que coleta e analisa uma combinação de atributos do dispositivo do usuário — incluindo tipo de navegador, sistema operacional, resolução de tela, plug-ins instalados, fuso horário, configurações de idioma e características de hardware — para criar um identificador exclusivo. A impressão digital do dispositivo ajuda a detectar fraudes identificando anomalias no aparelho, vinculando várias contas ao mesmo dispositivo ou reconhecendo aparelhos associados a redes de fraude conhecidas.

Exemplo: Um sistema de prevenção de fraudes identifica que sete solicitações de empréstimo aparentemente não relacionadas foram enviadas a partir da mesma impressão digital de dispositivo — correspondendo à configuração do navegador, resolução da tela e fontes instaladas —, revelando uma rede de fraude coordenada.

→ Ver: Plataforma Oscilar

E

Detecção de Emulador

Definição: O processo de identificar quando um usuário está acessando um serviço digital por meio de software que simula um dispositivo móvel ou ambiente de navegador, e não por um dispositivo físico real. Os fraudadores usam emuladores para falsificar identidades de dispositivos, automatizar a criação de contas em escala, burlar controles de segurança baseados no aparelho e testar credenciais roubadas. Detectar emuladores é uma camada crítica na inteligência moderna de dispositivos.

Exemplo: Um sistema de risco de cadastro detecta que uma nova solicitação de conta está sendo enviada de um emulador Android rodando em um desktop Windows, o que contradiz o tipo de dispositivo declarado e aciona uma rejeição automática.

→ Ver: Plataforma Oscilar

Devida Diligência Aprofundada (EDD)

Definição: Um nível elevado de verificação e monitoramento do cliente aplicado a indivíduos e entidades de maior risco, como pessoas politicamente expostas (PEPs), clientes de jurisdições de alto risco e envolvidos em transações complexas ou incomumente grandes. A EDD vai além da CDD padrão, exigindo informações mais detalhadas sobre a origem do patrimônio, a finalidade da relação comercial e um acompanhamento mais próximo e contínuo da atividade da conta.

Exemplo: Um banco privado que aceita um funcionário do governo estrangeiro como cliente realiza EDD verificando a origem declarada do patrimônio do funcionário por meio de pesquisas independentes, solicitando documentação adicional e atribuindo a conta a um monitoramento de transações aprimorado com limites de alerta mais baixos.

→ Ver: Detecção de Fraude em KYC

IA Explicável (XAI)

Definição: Modelos e técnicas de inteligência artificial projetados para produzir explicações compreensíveis para humanos sobre suas previsões e decisões. Em serviços financeiros regulamentados, a explicabilidade é essencial para atender aos requisitos de concessão justa de crédito, satisfazer auditorias regulatórias, apoiar avisos de decisões adversas e permitir que os analistas entendam e confiem nos resultados dos modelos. A XAI preenche a lacuna entre a precisão do modelo e a transparência regulatória.

Exemplo: Quando uma solicitação de crédito é recusada, o sistema de IA explicável gera um aviso de decisão adversa em linguagem simples, indicando os três principais fatores contribuintes: histórico de crédito insuficiente, alta relação dívida/renda e pouco tempo no endereço atual.

→ Ver: IA da Oscilar

F

Falso Positivo

Definição: Uma transação ou atividade legítima do cliente que é incorretamente sinalizada como suspeita por um sistema de conformidade ou detecção de fraudes. Altas taxas de falsos positivos são um dos maiores desafios operacionais no gerenciamento de risco, levando a atrito desnecessário com o cliente, perda de tempo do analista, aumento dos custos operacionais e possível perda de clientes. Reduzir os falsos positivos sem aumentar os falsos negativos é um objetivo fundamental da tomada de decisões de risco baseada em IA.

Exemplo: Um cliente em viagem ao exterior faz o pagamento de um hotel que aciona um alerta de fraude devido à localização geográfica incomum. Um analista revisa e confirma que se trata de uma compra legítima, adicionando-a ao perfil de viagem do cliente para evitar futuros falsos positivos.

→ Ver: Decisão de Risco por IA

FinCEN (Financial Crimes Enforcement Network)

Definição: Um órgão do Departamento do Tesouro dos EUA encarregado de proteger o sistema financeiro contra o uso ilícito, combater a lavagem de dinheiro e promover a segurança nacional por meio da coleta, análise e disseminação de inteligência financeira. O FinCEN administra o Bank Secrecy Act e recebe relatórios como SARs, CTRs e Relatórios de Contas Bancárias Estrangeiras (FBARs) de instituições financeiras.

Exemplo: O FinCEN emite um alerta notificando as instituições financeiras sobre uma nova tipologia de lavagem de dinheiro envolvendo corretoras de criptomoedas, levando as equipes de compliance a atualizar seus cenários de monitoramento de transações para capturar os padrões identificados.

→ Ver: PLD para Fintechs

Fraude de Primeira Pessoa (First-Party Fraud)

Definição: Fraude cometida pelo próprio titular da conta usando sua própria identidade (ou uma versão manipulada dela) para enganar uma instituição financeira. Ao contrário da fraude de terceiros, em que uma identidade roubada é usada, a fraude de primeira pessoa envolve deturpação intencional pelo próprio indivíduo — como fornecer informações de renda falsas em uma solicitação de empréstimo, obter crédito sem intenção de pagar ou fazer reclamações de seguro falsas.

Exemplo: Um indivíduo infla sua renda em uma solicitação de financiamento imobiliário enviando holerites adulterados, garante um empréstimo que não pode pagar e entra em inadimplência após seis meses.

→ Ver: Proteção Contra Fraude Transacional

Detecção de Fraude

Definição: O uso de tecnologia, análise de dados, regras e modelos de aprendizado de máquina para identificar potenciais atividades fraudulentas em tempo real ou quase em tempo real. Sistemas eficazes de detecção de fraude combinam vários sinais — incluindo padrões de transação, inteligência de dispositivo, análise comportamental, verificação de identidade e análise de rede — para distinguir atividades legítimas de fraudes, minimizando os falsos positivos.

Exemplo: Uma plataforma de detecção de fraude analisa uma solicitação de transferência bancária e identifica uma convergência de sinais de risco: novo beneficiário, valor incomum, divergência de dispositivo e anomalia de velocidade. O sistema bloqueia a transação e alerta a equipe de operações de fraude.

→ Ver: Proteção Contra Fraude Transacional

Fraude Amigável

Definição: Um tipo de fraude de primeira pessoa em que um titular de cartão legítimo faz uma compra e depois contesta a cobrança, alegando que ela não foi autorizada. A fraude amigável difere da fraude de estorno pura porque o titular do cartão pode realmente acreditar que a contestação é válida (por exemplo, esquecer uma compra ou não reconhecer o nome do lojista na fatura), embora o termo também seja usado para abuso deliberado. É uma das principais causas de perdas para lojistas no e-commerce.

Exemplo: Um consumidor assina um serviço de streaming, esquece-se da cobrança recorrente e a contesta com seu banco como não autorizada. O lojista perde a receita e recebe uma taxa de estorno, apesar de a assinatura ser legítima.

→ Ver: Proteção Contra Fraude Transacional

G

Análise de Grafos

Definição: Uma técnica de análise de dados que modela as relações entre entidades — como clientes, contas, dispositivos, endereços e transações — como uma rede de grafos para revelar conexões ocultas e padrões que indicam fraude ou lavagem de dinheiro. A análise de grafos é excelente para detectar redes de fraude, contas laranja e comportamentos colusivos que são invisíveis quando se analisa transações individuais isoladamente.

Exemplo: A análise de grafos revela que 20 solicitações de empréstimo aparentemente não relacionadas estão conectadas por números de telefone, dispositivos e endereços de entrega compartilhados, expondo uma rede coordenada de fraude de identidade sintética que os métodos tradicionais de detecção não perceberam.

→ Ver: IA da Oscilar

I

Verificação de Identidade

Definição: O processo de confirmar que um indivíduo é quem afirma ser, normalmente validando documentos de identificação emitidos pelo governo, dados biométricos e informações pessoais em relação a fontes de dados confiáveis. A verificação de identidade é a primeira linha de defesa contra fraudes de identidade e é um componente crítico dos processos de KYC, PLD e integração de clientes. A verificação de identidade moderna combina autenticação de documentos, detecção de vivacidade e checagem em bancos de dados.

Exemplo: O fluxo de cadastro de um banco digital exige que os novos clientes enviem uma foto da carteira de motorista e tirem uma selfie ao vivo. O sistema usa OCR para extrair os dados do documento, verifica-os em bancos de dados governamentais e realiza uma comparação biométrica para confirmar se o candidato corresponde à foto do documento.

→ Ver: Detecção de Fraude em KYC

Inteligência de IP

Definição: A análise de dados do endereço de Protocolo de Internet (IP) para obter sinais de risco, como geolocalização, uso de proxy ou VPN, classificação do provedor de hospedagem e associação histórica com atividades maliciosas. A inteligência de IP é um componente fundamental da prevenção de fraudes digitais, permitindo que as instituições detectem anomalias geográficas, ataques automatizados e tentativas de ocultar a verdadeira localização do usuário.

Exemplo: Uma tentativa de login a partir de um endereço de IP identificado como um nó de saída Tor conhecido e geolocalizado em um país onde o cliente não tem histórico aciona um desafio de autenticação adicional e um alerta de fraude.

→ Ver: Plataforma Oscilar

K

KYB (Know Your Business / Conheça sua Empresa)

Definição: O processo de devida diligência usado para verificar a legitimidade e a estrutura de propriedade de uma entidade empresarial antes de estabelecer uma relação comercial. O KYB envolve a verificação do registro da empresa, a identificação de seus Beneficiários Finais (UBOs), a triagem de diretores e conselheiros contra listas de sanções e PEP, e a avaliação do perfil de risco da empresa. O KYB é essencial para evitar empresas de fachada e lavagem de dinheiro por meio de estruturas corporativas.

Exemplo: Um credenciador de pagamentos que realiza o cadastro de um novo lojista conduz o KYB verificando o contrato social da empresa, identificando todos os acionistas com mais de 25% de participação e realizando a triagem de cada beneficiário final em bancos de dados globais de sanções e mídia adversa.

→ Ver: Detecção de Fraude em KYC

KYC (Know Your Customer / Conheça seu Cliente)

Definição: A exigência regulatória e o processo operacional por meio dos quais as instituições financeiras verificam a identidade de seus clientes e avaliam sua adequação, perfil de risco e potencial de envolvimento em lavagem de dinheiro ou financiamento ao terrorismo. O KYC é um subconjunto de requisitos mais amplos de CDD e abrange a verificação de identidade, identificação de beneficiários finais e monitoramento contínuo. A falha em manter programas de KYC adequados pode resultar em penalidades regulatórias significativas.

Exemplo: Um banco digital usa um processo automatizado de KYC que coleta os dados pessoais do candidato, verifica seu documento de identidade em tempo real, faz a triagem em listas de vigilância globais e atribui uma faixa de risco — tudo em menos de dois minutos.

→ Ver: KYC Fluido e Seguro

L

Detecção de Vivacidade (Liveness Detection)

Definição: Uma técnica de segurança biométrica que verifica se o usuário é uma pessoa real e fisicamente presente, e não uma tentativa de falsificação de identidade usando foto, reprodução de vídeo, máscara ou deepfake. Os métodos de detecção de vivacidade incluem verificações ativas (pedir ao usuário para realizar ações como piscar ou virar a cabeça) e passivas (analisar microtexturas, reflexos de luz e sinais de profundidade). É essencial para evitar fraudes de identidade durante cadastros remotos.

Exemplo: O fluxo de cadastro de um banco digital usa detecção passiva de vivacidade para analisar padrões sutis de textura da pele e reflexos de luz na selfie do candidato, rejeitando automaticamente uma proposta que tentou usar uma foto impressa segurada em frente à câmera.

→ Ver: Detecção de Fraude em KYC

M

Aprendizado de Máquina em Fraude

Definição: A aplicação de algoritmos de aprendizado de máquina — incluindo modelos supervisionados, não supervisionados e de aprendizado profundo — para detectar padrões fraudulentos que sistemas baseados em regras não conseguem capturar. Os modelos de ML aprendem com dados históricos de fraude para identificar padrões sutis e em evolução, como redes de fraude coordenadas, novos vetores de ataque e comportamentos anômalos. Eles melhoram continuamente à medida que novos dados ficam disponíveis, permitindo uma prevenção de fraudes adaptável e escalável.

Exemplo: Um modelo de ML não supervisionado detecta um padrão emergente de fraude no qual novas contas são abertas com pequenas variações da mesma identidade sintética em várias instituições — um padrão invisível para sistemas baseados em regras.

→ Ver: IA da Oscilar

MFA (Autenticação de Múltiplos Fatores)

Definição: Um mecanismo de segurança que exige que os usuários forneçam dois ou mais fatores de verificação independentes — algo que eles sabem (senha), algo que possuem (dispositivo ou token) e algo que são (biometria) — antes de conceder o acesso. O MFA reduz significativamente o risco de apropriação de conta, garantindo que credenciais roubadas sozinhas não sejam suficientes para o acesso não autorizado.

Exemplo: Após digitar a senha, o usuário precisa aprovar uma notificação push em seu celular cadastrado e ler a impressão digital antes de autorizar uma transferência de alto valor — combinando conhecimento, posse e fatores biométricos.

→ Ver: Plataforma Oscilar

Laranja (Money Mule)

Definição: Um indivíduo que transfere dinheiro obtido ilegalmente em nome de criminosos, frequentemente por meio de sua conta bancária pessoal. Laranjas podem ser recrutados sem saber por meio de falsas ofertas de emprego ou golpes de romance, ou podem participar voluntariamente em troca de uma comissão. Contas laranja são uma infraestrutura crítica para a lavagem dos ganhos de fraudes, e detectá-las é um foco essencial do monitoramento de transações de PLD.

Exemplo: Um estudante universitário responde a uma vaga de emprego online de "agente de processamento de pagamentos". Ele recebe transferências bancárias de vítimas de fraude em sua conta pessoal e repassa 90% para uma conta no exterior, retendo 10% como sua "comissão".

→ Ver: PLD para Fintechs

N

Conformidade com a Nacha

Definição: A adesão às regras e diretrizes operacionais estabelecidas pela Nacha (antiga National Automated Clearing House Association), que rege a rede ACH nos Estados Unidos. As regras da Nacha cobrem requisitos de autorização, segurança de dados, monitoramento de fraudes e processos de devolução para transações ACH. Mudanças recentes nas regras ampliaram as obrigações de monitoramento de fraudes, exigindo que as instituições financeiras de origem e de destino monitorem as transações ACH em busca de atividades fraudulentas.

Exemplo: Após as atualizações das regras da Nacha em 2026, uma cooperativa de crédito implementa o monitoramento em tempo real dos créditos ACH recebidos para detectar transações potencialmente fraudulentas antes de sua liquidação, reduzindo significativamente as perdas com fraudes em transferências não autorizadas.

→ Ver: Monitoramento de Fraude de ACH sob a Nacha 2026

Análise de Redes

Definição: O exame de relacionamentos, conexões e padrões de comunicação entre entidades para identificar estruturas suspeitas, relações ocultas e atividades de crime organizado. No contexto de crimes financeiros, a análise de redes mapeia o fluxo de fundos entre contas, identifica atributos compartilhados entre entidades aparentemente não relacionadas e detecta padrões consistentes com lavagem de dinheiro, redes de fraude ou financiamento ao terrorismo.

Exemplo: A análise de redes revela que dezenas de contas que recebem pequenas transferências internacionais estão todas ligadas por meio de uma única conta intermediária, com os fundos se movimentando rapidamente pela cadeia antes de serem sacados em espécie — um padrão clássico de ocultação (layering).

→ Ver: IA da Oscilar

O

OFAC (Office of Foreign Assets Control)

Definição: Uma divisão do Departamento do Tesouro dos EUA responsável por administrar e aplicar programas de sanções econômicas contra países estrangeiros, regimes, terroristas, traficantes internacionais de drogas e proliferadores de armas de destruição em massa. As instituições financeiras são obrigadas a rastrear todas as transações e relações com clientes em relação à lista de Cidadãos Especialmente Designados (SDN) da OFAC e outras listas de sanções.

Exemplo: O sistema de triagem de sanções em tempo real de um banco bloqueia uma transferência internacional quando o nome do beneficiário corresponde a uma entidade na lista SDN da OFAC, e a equipe de compliance envia um relatório de bloqueio à OFAC dentro do prazo obrigatório de 10 dias.

→ Ver: PLD para Bancos

Risco no Cadastro

Definição: O risco de fraude, roubo de identidade ou violações de compliance que surge durante o processo de integração de novos clientes ou lojistas. O cadastro é um ponto de alta vulnerabilidade porque é a primeira oportunidade para os fraudadores introduzirem identidades falsas ou roubadas em um sistema financeiro. O gerenciamento eficaz do risco no cadastro combina verificação de identidade, inteligência do dispositivo, análise comportamental e triagem de listas de vigilância para aprovar clientes legítimos enquanto bloqueia agentes maliciosos.

Exemplo: Um aplicativo fintech detecta que uma nova solicitação de conta está sendo enviada de um dispositivo previamente associado a cinco cadastros rejeitados, usando um e-mail criado minutos antes do registro e a partir de um IP vinculado a uma VPN conhecida — acionando uma recusa automática.

→ Ver: Plataforma Oscilar

P

PEP (Pessoa Politicamente Exposta)

Definição: Um indivíduo que exerce ou exerceu recentemente uma função pública de destaque — como chefes de estado, políticos do alto escalão, autoridades judiciais ou líderes militares —, além de seus familiares e colaboradores próximos. Os PEPs apresentam um risco maior de envolvimento em corrupção e lavagem de dinheiro devido à sua posição e influência. As instituições financeiras devem aplicar a Devida Diligência Aprofundada (EDD) às relações com PEPs e monitorá-las mais de perto.

Exemplo: Uma empresa de gestão de patrimônio identifica um novo cliente como cônjuge de um ministro de estado em exercício. A equipe de compliance classifica a conta como relacionada a PEP e aplica a EDD, incluindo o monitoramento aprimorado de transações e revisões anuais de relacionamento.

→ Ver: PLD para Bancos

Triagem de PEP

Definição: O processo de checagem de indivíduos e entidades em bancos de dados de PEP para identificar pessoas politicamente expostas e seus associados durante o cadastro e em caráter contínuo. A triagem de PEP é uma exigência regulatória sob a legislação de PLD e geralmente é executada por meio de bancos de dados especializados que agregam informações de fontes governamentais, registros públicos e mídia de várias jurisdições.

Exemplo: Durante o cadastro em KYC, o nome de um cliente aciona uma correspondência de PEP contra um banco de dados que o lista como ex-funcionário de alto escalão em uma autoridade tributária estrangeira. A equipe de compliance realiza uma devida diligência adicional antes de aprovar o relacionamento.

→ Ver: PLD para Bancos

Phishing

Definição: Um ataque de engenharia social no qual um fraudador se passa por uma entidade confiável — como um banco, empregador ou agência governamental — por meio de e-mail, mensagem de texto (smishing) ou chamada de voz (vishing) para enganar as vítimas e fazê-las revelar informações confidenciais, clicar em links maliciosos ou transferir fundos. O phishing é o vetor de ataque inicial mais comum para apropriação de conta, comprometimento de e-mails corporativos e roubo de credenciais.

Exemplo: Um funcionário recebe um e-mail que parece ser do seu banco, solicitando que ele verifique sua conta clicando em um link. O link leva a uma réplica convincente da página de login do banco, que captura as credenciais do funcionário e as repassa ao invasor.

→ Ver: Proteção Contra Fraude Transacional

R

Tomada de Decisão em Tempo Real

Definição: A capacidade de avaliar riscos e tomar decisões automatizadas de aprovação, recusa ou revisão de transações, solicitações ou eventos em milissegundos após sua ocorrência. A tomada de decisão em tempo tempo real é essencial para manter a segurança e a experiência do cliente em ambientes digitais de alto volume, onde qualquer atraso no processamento pode resultar em abandono do carrinho, atrito com o cliente ou fraudes não detectadas.

Exemplo: O mecanismo de decisão em tempo real de um processador de pagamentos avalia cada uma de 10.000 transações por segundo em relação a modelos de fraude, regras e listas de sanções, retornando uma decisão em 50 milissegundos para garantir que a experiência de checkout não seja interrompida.

→ Ver: Decisão de Risco por IA

Tomada de Decisão de Risco

Definição: O processo de tomar decisões automatizadas e baseadas em dados sobre aprovar, recusar ou encaminhar para revisão uma transação, cadastro ou interação com o cliente, baseado no nível de risco avaliado. Plataformas de tomada de decisão de risco baseadas em IA unificam a detecção de fraudes, a avaliação de crédito e as verificações de conformidade em uma única estrutura de decisão em tempo real, permitindo que as empresas equilibrem a mitigação de riscos com a experiência do cliente e a eficiência operacional.

Exemplo: Uma plataforma de decisão de risco avalia uma proposta de empréstimo executando simultaneamente a verificação de identidade do candidato, a pontuação de crédito, a pontuação do modelo de fraude e a triagem de conformidade, retornando uma decisão de aprovação com condições em 200 milissegundos.

→ Ver: Decisão de Risco por IA

Mecanismo de Regras (Rules Engine)

Definição: Um componente de software que executa uma lógica condicional predefinida (regras