La nueva red de Incode para señales de fraude anonimizadas aumenta la detección en un 53% | Biometric Update
La nueva plataforma TrustGraph de Incode representa un avance significativo en el análisis de datos que preserva la privacidad, ya que permite a las instituciones compartir señales de fraude sin intercambiar los datos personales subyacentes. Mediante el uso de computación multipartita segura y emparejamiento criptográfico, los bancos y las empresas fintech participantes pueden identificar actividades fraudulentas recurrentes incluso cuando cambian las identidades. Este enfoque colaborativo permite a las organizaciones detectar hasta un 50 % más de casos de fraude que los modelos aislados, demostrando que la inteligencia compartida mejora la seguridad al tiempo que mantiene el estricto cumplimiento normativo y la privacidad individual. Este mecanismo es particularmente relevante para los principios de datos abiertos, ya que desafía la dicotomía tradicional entre los silos de datos y el acceso abierto. En lugar de publicar conjuntos de datos en bruto, TrustGraph ofrece un modelo centrado en la privacidad, donde el valor se obtiene a partir de información agregada en lugar de registros individuales. Ilustra cómo las redes descentralizadas pueden mejorar los estándares de seguridad globales sin comprometer la confidencialidad de los usuarios. Este enfoque sugiere que las futuras iniciativas de datos abiertos podrían depender cada vez más de métodos de verificación criptográfica para equilibrar la transparencia con la protección necesaria de los datos, fomentando la confianza entre competidores que deben colaborar para combatir amenazas sofisticadas. A medida que el fraude impulsado por la inteligencia artificial, como los deepfakes, se vuelve más prevalente, la necesidad de inteligencia compartida se vuelve urgente. Ninguna entidad puede combatir eficazmente por sí sola las identidades sintéticas, lo que hace que redes como TrustGraph sean esenciales para la resiliencia de toda la industria. Este cambio implica que los ecosistemas de datos abiertos deben evolucionar más allá del simple intercambio de información para incluir marcos de colaboración seguros y que preserven la privacidad. En última instancia, TrustGraph destaca una ruta viable en la que las organizaciones pueden beneficiarse abiertamente del aprendizaje colectivo mientras cumplen con estrictas normas de privacidad de datos, estableciendo un precedente sobre cómo la información sensible puede gestionarse de manera responsable en un panorama de amenazas cada vez más automatizado.
Fuente: biometricupdate.comPublicado el 2026-10-15
Noticias relacionadas
- Se encuentran vulnerabilidades de seguridad en el principal gateway de IA de código abierto: las vulnerabilidades de LiteLLM podrían afectar a millones de usuarios
- Inteligencia de amenazas agéntica con Gemini en Google Threat Intelligence
- Las capacidades ocultas de la IA pueden hacerse criptográficamente indetectables, demuestra un artículo de NeurIPS
- Pillar Security descubre 'BadEngram', exponiendo un riesgo oculto en la cadena de suministro de modelos de IA de peso abierto – IT Business Net
- LankaWeb – Séptimo recordatorio – Solicitud de acuse de recibo de mi apelación de fecha 29 de julio de 2026 y, posteriormente, estado de mis solicitudes de acceso a la información (RTI)