Anticipándose a un escenario con ciberdelincuentes que pudieran estar robando ahora mismo datos protegidos con tecnologías de cifrado para desencriptarlos después, IBM lanzó un sistema que permite analizar transacciones en tiempo real y a escala para cargas de trabajo de misión crítica como tarjetas de crédito, salud y transacciones financieras.
Los pagos en tiempo real y los métodos de pago alternativos como las criptomonedas, están empujando los límites de las técnicas tradicionales de detección de fraude, que van desde transacciones en tarjetas de crédito, hasta fraude fiscal o robo minorista organizado, expuso la empresa desarrolladora de tecnología, software y soluciones de seguridad.
“En un entorno de nube híbrida, que incluye recursos locales y de nube pública, es crítico protegerse contra las amenazas actuales y tomar una postura ante los ciberdelincuentes que pueden estar robando datos ahora para descifrarlos más tarde”.
El sistema desarrollado por IBM, de última generación, con un acelerador de Inteligencia Artificial (IA) integrado en un chip Telum, está diseñado para analizar transacciones en tiempo real, basándose en tecnologías propias como el Cifrado Generalizado y la Computación Confidencial, que ofrecen criptografía de seguridad cuántica, compatibilidad con múltiples nubes y la privacidad de los datos.
“IBM z16 lleva la resiliencia cibernética un paso más allá para proteger los datos contra futuras amenazas que podrían evolucionar con los avances de la computación cuántica… Es el primer sistema con seguridad cuántica de la industria».
De esta manera, los bancos tendrán capacidad de analizar el fraude durante las transacciones a gran escala, pues el sistema puede procesar 300 mil millones de operaciones de inferencia por día con sólo un milisegundo de latencia.
“Para los consumidores, esto significaría reducir el tiempo y la energía necesarios para manejar transacciones fraudulentas en su tarjeta de crédito. Tanto para los comerciantes como para los emisores de tarjetas, permitiría una reducción en la pérdida de ingresos”.
En otras industrias puede ayudar en nuevos casos de uso, ya sea para acelerar la aprobación de préstamos comerciales o de consumo; compensación y liquidación, para determinar qué operaciones y/o transacciones pueden tener una exposición de alto riesgo antes de la liquidación; y en aprendizaje federado para el comercio minorista, con el fin de modelar mejor el riesgo contra el fraude y el robo.
Ric Lewis, Senior Vice President de IBM Systems, destacó que esto “abre enormes oportunidades para cambiar el juego en sus respectivas industrias, para que puedan posicionarse para ofrecer mejores experiencias al cliente y resultados comerciales más poderosos».
C$T-GM
