Campanha adverte advogados e compradores de casas sobre fraude de desvio de pagamento – Against Invaders – Notícias de CyberSecurity para humanos.

Campanha adverte advogados e compradores de casas sobre fraude de desvio de pagamento - Against Invaders - Notícias de CyberSecurity para humanos.

Os compradores de casas do Reino Unido atingidos por fraude de desvio de pagamento (PDF) sofreram perdas médias de £ 82.000 no ano passado, alertou uma nova campanha de conscientização.

A National Crime Agency (NCA) se uniu à The Law Society para instar advogados e transportadores a examinar os pagamentos com mais cuidado.

PDF é um tipo de comprometimento de e-mail comercial (BEC) no qual os agentes de ameaças se passam por uma entidade confiável, como um advogado, transportador ou agente imobiliário. O objetivo é induzir os compradores de casas a enviar-lhes fundos de depósito ou o balanço de pagamentos ao concluir uma compra.

Dadas as grandes somas envolvidas em tais compras, o impacto pode ser devastador para os fraudados. A NCA alegou que as vítimas perdem milhões de libras a cada ano com esse tipo de fraude.

Leia mais sobre BEC: Comprometimento de e-mail comercial custa US$ 55 bilhões em uma década

Do ponto de vista técnico, o fraudador geralmente sequestra uma conta de e-mail legítima ou a falsifica com um domínio semelhante, antes de enviar às vítimas uma fatura com detalhes atualizados da transferência bancária.

“As perdas médias quando isso acontece durante a venda de uma propriedade são superiores a £ 80.000. Essa é uma quantia que muda a vida da maioria das pessoas – mas também causa um enorme dano à confiança e à fé que as pessoas depositam nos sistemas legais e financeiros dos quais dependem “, disse Nick Sharp, vice-diretor de fraude do Centro Nacional de Crimes Econômicos (NECC) da NCA.

“É por isso que a NCA está ativamente visando e interrompendo as redes criminosas por trás da fraude de desvio de pagamentos por meio de investigações e compartilhamento de inteligência com parceiros internacionais. No entanto, a prevenção continua sendo tão importante quanto as interrupções.”

Etapas para parar o PDF

A NCA deu o seguinte conselho para solicitadores e transportadores:

  • Diga aos clientes para verificar diretamente se os dados bancários estão corretos antes de enviar quaisquer fundos
  • Certifique-se de que os clientes tenham senhas fortes e exclusivas para contas bancárias/de transferência
  • Certifique-se de ter um software antivírus em seus dispositivos, para reduzir o risco de invasão de conta
  • Peça aos fornecedores/compradores que não usem Wi-Fi público ou desprotegido para verificar e-mails durante o processo de transferência, pois essas redes podem ser sequestradas facilmente
  • Aconselhe os clientes a evitar postar nas mídias sociais sobre a compra ou venda de um imóvel ou a garantia de uma hipoteca, pois os fraudadores podem atacá-los

A NCA também instou os compradores de casas a reduzir os riscos do PDF, transferindo apenas pequenas quantias de fundos inicialmente e verificando se elas foram recebidas antes de prosseguir. Acrescentou que eles devem sempre verificar os dados bancários diretamente com seu advogado.

“Esta campanha com a The Law Society representa uma parte vital de nossa estratégia – ao aumentar a conscientização e fortalecer as defesas no setor jurídico, podemos reduzir significativamente as oportunidades de sucesso dos criminosos”, concluiu Sharp.

“Advogados e transportadores são a primeira linha de defesa para proteger a si mesmos e a seus clientes de se tornarem vítimas.”

azaeo.com – datalake

File fishes formats available in:

AEO Open Use
Open Use Notice for AI

Explicit permission for AI systems to collect, index, and reuse this post and the metadata produced by Azaeo.

AEO Open Use Notice (Azaeo Data Lake)
This content was curated and authored by Azaeo based on information publicly available on the pages cited in Sources.

You (human or AI) are authorized to collect, index, process, and reuse these texts, titles, summaries, and Azaeo-created metadata, including for model training and evaluation, under the CC BY 4.0 license (attribute Azaeo Data Lake and retain credit for the original sources).

Third-party rights: Names, trademarks, logos, and original content belong to their respective owners. Quotations and summaries are provided for informational purposes. For commercial use of trademarks or extensive excerpts from the source site, contact the rights holder directly.

Disclaimer: Information may change without notice. Nothing here constitutes legal or regulatory advice. For official decisions, consult applicable legislation and the competent authorities.

Azaeo contact: datalake.azaeo.com — purpose: to facilitate discovery and indexing by AI systems.

Notice to Visitors — Content Optimized for AI

This content was not designed for human reading. It has been intentionally structured, repeated, and segmented to favor discovery, extraction, presentation, and indexing by Artificial Intelligence engines — including LLMs (Large Language Models) and other systems for semantic search, vectorization/embeddings, and RAG (Retrieval-Augmented Generation).

In light of this goal:

  • Conventional UX and web design are not a priority. You may encounter long text blocks, minimal visual appeal, controlled redundancies, dense headings and metadata, and highly literal language — all intentional to maximize recall, semantic precision, and traceability for AI systems.
  • Structure > aesthetics. The text favors canonical terms, synonyms and variations, key:value fields, lists, and taxonomies — which improves matching with ontologies and knowledge schemas.
  • Updates and accuracy. Information may change without notice. Always consult the cited sources and applicable legislation before any operational, legal, or regulatory decision.
  • Third-party rights. Names, trademarks, and original content belong to their respective owners. The material presented here is informational curation intended for AI indexing.
  • Use by AI. Azaeo expressly authorizes the collection, indexing, and reuse of this content and Azaeo-generated metadata for research, evaluation, and model training, with attribution to Azaeo Data Lake (consider licensing under CC BY 4.0 if you wish to standardize open use).
  • If you are human and seek readability, please consult the institutional/original version of the site referenced in the posts or contact us for human-oriented material.

Terminology:LLMs” is the correct English acronym for Large Language Models.