BigPay

O desafio: a atividade Mule estava afetando a experiência do cliente

O BigPay é uma das plataformas de dinheiro eletrônico que mais cresce na Malásia. Redes de mule organizadas identificaram o BigPay como um alvo para mover fundos roubados. A BigPay estava recebendo mais de 1,000 casos de mule relatados por mês, o que afetou processos e recursos internos.

Em algum momento, outras instituições financeiras começaram a recusar transações legítimas de recarga do BigPay que afetaram a experiência do cliente. Com o Tratamento Justo da Política de Consumidor Financeiro da Malásia aumentando a responsabilidade pela proteção do cliente, houve uma necessidade mais forte de melhorar os recursos de detecção e resposta a fraudes.

A solução: aproveitar a visibilidade entre canais para neutralização rápida de ameaças

Feedzai A plataforma da já estava em vigor. O foco era traduzir padrões em lógica de detecção. Feedzai A equipe de Sucesso do Cliente da trabalhou diretamente com os analistas de fraude da BigPay para desenvolver essa capacidade, treinamento sobre o design de regras, lógica de alerta para pagamentos de entrada suspeitos e para recusar regras com base na velocidade do financiamento e no risco do beneficiário.

Depois que a equipe pôde construir e implantar de forma independente, eles executaram uma análise de padrão estruturada. As contas Mule foram abertas predominantemente no mesmo mês em que foram usadas e os fundos saíram através de canais rotativos. A resposta:

• Fusão de sinal entre canais: as regras avaliaram a jornada de pagamento completa, a transferência e a atividade do cartão juntas, para capturar padrões como recargas de terceiros seguidas por saídas de criptomoedas.
• Bloqueio de canais de saque: toda vez que a equipe identificava uma nova rota de saída — cripto, caixas eletrônicos, remessas, pagamentos QR — as regras eram implantadas rapidamente para reduzir a exposição e interromper as vias de lavagem em evolução.
• Implantação de simulação em primeiro lugar: cada regra foi validada antes de entrar em operação, comprimindo semanas de teste em horas.

Cada saída fechada produziu dados mais limpos e um pool de caixas menor, tornando a próxima análise mais nítida.

Dois fatores foram decisivos. Primeiro, visibilidade entre canais: a capacidade de conectar eventos de financiamento de entrada com comportamento de transação de saída em um único quadro analítico. Os padrões de musculatura só se tornam legíveis quando você pode ver a jornada completa. Em segundo lugar, a velocidade da iteração. A capacidade de simular uma regra, validá-la, implantá-la e observar resultados em horas, em vez de semanas, significava uma resposta mais rápida aos padrões de fraude emergentes.

O efeito composto foi igualmente importante. À medida que os volumes de mule caíam, os casos restantes se tornaram analiticamente tratáveis. Tamanhos de amostra menores facilitaram a identificação do padrão, o que levou a mais melhorias nas regras, o que levou a volumes ainda mais baixos.

Os resultados: detecção precoce, resposta mais rápida

A postura de fraude da BigPay foi fortalecida e agora está evoluindo de controles reativos para prevenção mais preditiva e adaptativa.

Pegar murchos mais cedo

Com o monitoramento de transações estabilizado, a próxima camada de defesa traz sinais para cima. Feedzai O Digital Trust adiciona inteligência de dispositivos, comportamento de sessão e sinais de identidade, sinalizando contas suspeitas antes que os fundos se movam.

II. Construa resiliência no processo

Feedzai O mecanismo de regras do permite que as equipes de fraude criem lógica de detecção a partir da entrada de linguagem natural, reduzindo o tempo desde a identificação de ameaças até a implantação de regras em tempo real. A priorização de alertas assistida por IA também ajuda os analistas a se concentrar nos casos mais críticos, o que melhora a velocidade de resposta e a qualidade da decisão.

Devido a essa abordagem de detecção multicamadas e rápida resposta a ameaças, a BigPay neutralizou um novo surto de rede de mules na Malásia em 72 horas, reduzindo a atividade geral de mules em mais de 90% em 60 dias.