Patrocinado IA para proteção financeira: um mergulho profundo com o AgentLayer

AgentLayer é uma plataforma inovadora que aumenta a segurança e a funcionalidade de aplicativos financeiros por meio de integração avançada de IA e blockchain. Em seu núcleo, o AgentOS da plataforma permite gerenciamento seguro de dados, colaboração multiagente e comunicação contínua, garantindo que as operações financeiras sejam eficientes e protegidas.

Com recursos como criptografia de dados, controle de acesso e detecção proativa de vulnerabilidades, o AgentLayer atende às demandas das finanças modernas, protegendo informações confidenciais. O BeInCrypto sentou-se com a equipe do AgentLayer para falar sobre como sua plataforma está lidando com problemas reais em tecnologia financeira usando IA e blockchain. Sem enrolação — apenas um mergulho profundo no que está funcionando, o que não está e para onde a indústria está indo.

Você pode detalhar como o sistema operacional principal, AgentOS, melhora a segurança e a funcionalidade de aplicativos financeiros? Quais recursos ou métodos especiais ele usa para manter as operações financeiras seguras e eficientes?

O AgentOS permite tornar os aplicativos financeiros seguros e eficientes. Ele protege dados confidenciais criptografando-os durante a transmissão e o armazenamento, garantindo que informações críticas como histórico de transações, status do razão e contratos inteligentes permaneçam seguras.

O AgentOS utiliza a tecnologia blockchain para descentralizar e proteger dados, garantindo que ninguém possa alterá-los ou adulterá-los. O sistema também controla quem pode acessar e modificar dados por meio de um gerenciamento de permissão ajustado. Isso garante que apenas agentes autorizados possam fazer alterações, aumentando a segurança geral.

O programa gerencia a rede regulando os nós (pontos de conexão) que operam dentro dela. Esses nós são registrados no blockchain, e os operadores precisam bloquear um depósito para cada instância que possuem. Se algum nó se comportar de forma maliciosa, um mecanismo à prova de fraude penaliza o agente mal-intencionado, o que ajuda a manter a integridade da rede. A equipe de desenvolvimento também usa ferramentas como verificação formal e varredura de código estático para detectar e corrigir proativamente vulnerabilidades no código do sistema.

No lado da funcionalidade, o AgentOS oferece suporte à colaboração multiagente por meio do protocolo AgentLink. Isso permite que diferentes agentes se comuniquem, colaborem e compartilhem incentivos, o que melhora a tomada de decisões e a eficiência em aplicações financeiras. O sistema também se integra à tecnologia blockchain, usando sua natureza descentralizada e transparente para aumentar

Quando os desenvolvedores criam um agente, eles podem escolher entre uma variedade de modelos, incluindo o modelo proprietário TrustLLM, que é baseado na abordagem Mixture of Experts (MoE). Este modelo ajuda a melhorar o desempenho, a segurança e os recursos de geração multimodal, tornando-o ideal para aplicações financeiras. Também facilita o registro e o gerenciamento de serviços, permitindo que os desenvolvedores implantem agentes de acordo com suas necessidades comerciais e os registrem no blockchain com permissões especificadas.

O protocolo de roteamento do sistema garante que todos os agentes possam operar efetivamente juntos, permitindo que eles se comuniquem e colaborem para concluir tarefas complexas. Isso melhora o desempenho geral e a flexibilidade das aplicações financeiras.

Como os protocolos AgentLink ajudam os agentes de IA a se comunicarem e lidarem com transações de forma segura? Quais etapas de segurança específicas vocês tomam para manter essas interações seguras e privadas?

Os protocolos AgentLink garantem comunicação e transações seguras entre agentes de IA, usando vários mecanismos principais.

O AgentLink define como as informações são organizadas e compartilhadas pela rede. Essa estrutura garante transmissão de dados eficiente, mesmo com largura de banda limitada, reduzindo erros ou interrupções. Ao simplificar e tornar as mensagens mais previsíveis, o AgentLink melhora a confiabilidade da comunicação entre agentes de IA.

Para organizar essas interações, o AgentLink fornece uma estrutura estruturada dentro da camada AgentNetwork. Essa estrutura estabelece protocolos de comunicação claros que determinam como os agentes compartilham conhecimento, trocam informações, enviam comandos e recuperam resultados. Essa abordagem estruturada não apenas simplifica a comunicação, mas também aumenta a segurança, minimizando o risco de falha de comunicação ou acesso não autorizado. Os agentes sempre sabem para onde e como enviar tipos específicos de informações, reduzindo vulnerabilidades.

O AgentLink também incorpora troca de dados assíncrona por meio de uma fila de mensagens compartilhada. Essa fila atua como um buffer, permitindo que os agentes enviem e recebam mensagens sem precisar de processamento imediato. Essa configuração oferece vantagens de segurança significativas: se um agente enfrentar problemas ou for atacado, isso não afetará imediatamente os outros. Ele também processa mensagens de forma controlada, reduzindo o risco de sobrecarregar o sistema e prevenindo vulnerabilidades.

Para proteger ainda mais a comunicação, o AgentLink formata e roteia mensagens adequadamente. A formatação padronizada ajuda a detectar e filtrar mensagens maliciosas ou incorretas, enquanto um sistema de roteamento claro garante que as mensagens cheguem aos destinatários corretos sem interceptação ou direcionamento incorreto por partes não autorizadas.

Middleware, como a fila de mensagens compartilhadas, adiciona outra camada de confiabilidade. Ele atua como uma área de retenção segura para mensagens, protegendo contra perda ou corrupção de dados durante a transmissão. Controles de acesso rigorosos e criptografia aumentam a segurança na fila, garantindo que apenas agentes autorizados acessem e mantenham as mensagens confidenciais.

Por fim, a separação dos processos de comunicação do processamento em tempo real ajuda a proteger contra ataques que visam o manuseio imediato de mensagens. Se ocorrer um ataque, a fila armazena mensagens até resolver o problema.

Você poderia fornecer um exemplo do mundo real em que os agentes de IA podem detectar e prevenir com sucesso uma violação de segurança?

Um ótimo exemplo é o agente AGIS, que provou ser incrivelmente eficaz em detectar e prevenir violações de segurança, particularmente no mundo blockchain. O AGIS é uma ferramenta orientada por IA que audita contratos inteligentes escaneando o código em busca de vulnerabilidades potenciais. Impressionantemente, ele identificou 21 vulnerabilidades por conta própria antes de sua implementação completa, demonstrando seu poder e eficácia.

O AGIS usa modelos avançados de IA, como seu TrustLLM proprietário, que são especificamente construídos para se aprofundar no código do contrato inteligente. Esses modelos escaneiam o código em busca de quaisquer sinais de problemas, como falhas de segurança ou erros lógicos. O AGIS passa por um processo detalhado em que ele escaneia e valida continuamente esses problemas potenciais, reduzindo as chances de alarmes falsos e garantindo que ele detecte até mesmo os problemas mais complicados. Durante uma competição recente, o AGIS não apenas encontrou essas vulnerabilidades, mas também ganhou um prêmio significativo, destacando seus recursos de primeira linha.

Assim que o sistema detecta uma ameaça, o AGIS adota uma abordagem colaborativa para auditoria. Ele permite que os usuários criem tarefas e definam parâmetros, como recompensas e prazos, para atrair auditores que podem trazer diferentes perspectivas. Esses auditores então discutem e concordam sobre as questões, garantindo uma revisão completa. Para manter todos honestos, a AGIS usa um sistema de staking com seu próprio token, $AGIS. Os auditores precisam fazer staking desses tokens para participar, o que significa que eles têm participação no jogo. Se eles erram, correm o risco de perder sua participação, o que incentiva um trabalho cuidadoso e preciso.

Também rastreia a reputação de seus auditores e validadores, recompensando aqueles que fazem um bom trabalho e penalizando aqueles que não o fazem. Se houver algum desacordo sobre as descobertas, o AGIS tem um processo de resolução de disputas em vigor, que pode até envolver um árbitro terceirizado, se necessário.

No geral, a AGIS atua como um “guardião inteligente” altamente confiável para a segurança do blockchain, aprendendo e melhorando continuamente para ficar à frente de ameaças potenciais. Ele está disponível na rede de teste AgentLayer, onde colabora com outros agentes de IA para expandir os limites do que é possível na segurança Web3. Olhando para o futuro, o AGIS continuará aprimorando suas habilidades de auditoria e expandindo suas capacidades.

Como os modelos de linguagem grande (LLMs) ajudam a detectar fraudes e melhorar a segurança no sistema AgentLayer? Você pode dar exemplos de onde os LLMs foram especialmente eficazes?

Grandes modelos de linguagem desempenham um papel significativo no aumento da segurança e na detecção de fraudes no ecossistema AgentLayer, analisando minuciosamente o código e monitorando as interações.

Uma das principais maneiras pelas quais os LLMs ajudam é conduzindo auditorias detalhadas de contratos inteligentes. Ferramentas como o AGIS, que faz parte do AgentLayer, usam LLMs avançados como GPT-4, Llama 3 e TrustLLM para escanear o código em busca de falhas de segurança, erros lógicos e ineficiências. Esses modelos são excelentes para detectar vulnerabilidades que os fraudadores podem explorar. Eles podem até mesmo detectar problemas complexos e ocultos que podem passar despercebidos pelos auditores humanos, tornando os contratos inteligentes muito mais seguros.

Os LLMs também são cruciais para entender o contexto e revisar o conteúdo em tempo real. Por exemplo, quando os chatbots interagem com os usuários, os LLMs podem distinguir entre solicitações legítimas e potencialmente prejudiciais. Se alguém tentar manipular um chatbot para revelar informações confidenciais, o LLM pode detectar a intenção maliciosa e responder adequadamente, evitando uma violação de segurança. Esse monitoramento em tempo real ajuda a garantir que os chatbots forneçam apenas respostas seguras e apropriadas, protegendo ainda mais as informações confidenciais.

Quando se trata de integrar chatbots com sistemas de backend, os LLMs ajudam a tomar decisões mais inteligentes sobre controle de acesso. Eles podem avaliar se uma solicitação de dados confidenciais é legítima com base em regras predefinidas, evitando acesso não autorizado. Mesmo se alguém tentar explorar uma vulnerabilidade, a integração segura gerenciada pelos LLMs garante que os dados críticos de backend permaneçam protegidos.

Os LLMs também desempenham um papel na verificação de fontes de dados externas. Eles podem analisar o conteúdo e as origens dos dados de fora do sistema para determinar se são confiáveis. O LLM pode bloquear a entrada de dados arriscados ou não confiáveis ​​no sistema, reduzindo a chance de comprometê-lo.

Em termos de aplicações no mundo real, os LLMs provaram sua eficácia em competições de auditoria de contratos inteligentes de alto nível. Por exemplo, o AGIS, equipada com LLMs, identificou 21 vulnerabilidades potenciais por conta própria. Essa detecção precoce ajuda a prevenir fraudes, como acesso não autorizado a contratos inteligentes ou manipulação de termos contratuais.

Quais estratégias e tecnologias o AgentLayer emprega para proteger a privacidade de dados, particularmente ao lidar com informações financeiras sensíveis? Você pode discutir a abordagem da plataforma para conformidade com regulamentações de proteção de dados e quaisquer padrões de criptografia usados?

O AgentLayer usa uma variedade de estratégias e tecnologias para garantir a privacidade dos dados, especialmente ao lidar com informações financeiras confidenciais.

Para começar, a plataforma integra ferramentas avançadas de validação e limpeza de entrada em seus chatbots. Essas ferramentas identificam e bloqueiam quaisquer prompts maliciosos que possam ter como alvo dados financeiros. Por exemplo, se alguém inserir algo suspeito — como palavras-chave associadas a fraude — o sistema pode detectá-lo e impedir que seja processado.

O AgentLayer também toma medidas extras para proteger como seus chatbots interagem com sistemas de backend. Ela usa controles de acesso rigorosos, o que significa que os chatbots podem acessar apenas as informações necessárias para suas tarefas. Por exemplo, um chatbot pode ver apenas dados agregados em vez de transações individuais. Ao extrair dados de fontes externas, o sistema verifica cuidadosamente a reputação, os certificados de segurança e o conteúdo da fonte para garantir que esteja seguro. Isso ajuda a evitar que quaisquer dados maliciosos entrem furtivamente.

A plataforma também emprega mecanismos avançados de compreensão de contexto e revisão de conteúdo. Isso ajuda os chatbots a distinguir entre solicitações financeiras legítimas e aquelas que podem ser prejudiciais. Se um chatbot estiver prestes a responder com informações financeiras confidenciais, o sistema analisa a resposta em tempo real para garantir que não exponha nenhum detalhe crítico.

Quando se trata de conformidade com regulamentações de proteção de dados como o GDPR, a AgentLayer leva isso muito a sério. A plataforma provavelmente tem uma equipe ou processo dedicado a garantir que suas práticas atendam a todos os requisitos legais necessários. Auditorias e revisões regulares mantêm tudo em linha com as regulamentações. Os usuários também têm controle sobre suas configurações de privacidade de dados, incluindo a capacidade de optar por não participar de certas atividades de coleta de dados ou solicitar que seus dados sejam excluídos.

Como os agentes de IA na plataforma AgentLayer usam análise preditiva para identificar e reduzir riscos financeiros? Quais tipos de dados e métodos de análise eles usam para prever e abordar esses riscos?

Os agentes de IA na plataforma AgentLayer usam análises preditivas para identificar e gerenciar potenciais riscos financeiros de algumas maneiras importantes. Eles começam realizando auditorias detalhadas de contratos inteligentes. Por exemplo, o AGIS, um dos agentes de IA, examina cuidadosamente o código em busca de vulnerabilidades, como falhas de segurança ou erros lógicos, que podem levar a problemas financeiros. Ao detectar esses problemas antecipadamente, a plataforma ajuda a garantir a integridade das transações financeiras.

Outra maneira pela qual a plataforma coleta dados úteis é por meio de seus chatbots, que interagem com os usuários. Esses chatbots podem identificar preocupações ou perguntas relacionadas a transações financeiras, e essas informações são analisadas para identificar riscos emergentes. O sistema também é equipado para detectar avisos potencialmente prejudiciais durante essas interações, o que ajuda a prevenir fraudes antes que aconteçam.

O AgentLayer não para por aí — ele também acessa fontes de dados externas, como dados do mercado financeiro e tendências do setor. Isso ajuda a plataforma a entender o contexto mais amplo em que as transações estão ocorrendo, dando a ela uma chance melhor de prever riscos.

No lado técnico, a plataforma usa modelos de linguagem avançados como GPT-4 e TrustLLM para analisar os dados coletados. Esses modelos podem identificar padrões ou anomalias que podem indicar riscos financeiros. Por exemplo, se uma conversa de chatbot incluir sinais de confusão ou preocupação, o sistema pode sinalizar isso como um problema potencial.

A plataforma também é ótima para entender o contexto dessas interações. Ela pode diferenciar entre solicitações financeiras legítimas e aquelas que podem ser suspeitas. Ao monitorar e revisar continuamente as saídas do chatbot em tempo real, ela pode capturar e abordar riscos potenciais antes que eles aumentem.

Quando se trata de prever riscos específicos, os agentes de IA usam modelos sofisticados para atribuir pontuações de risco a diferentes cenários. Ao analisar dados anteriores, eles podem prever a probabilidade de certos riscos, como a chance de um contrato inteligente ser explorado. Isso permite que a plataforma tome medidas proativas, como notificar usuários, reforçar a segurança ou ajustar as configurações do contrato para minimizar a exposição.

Quando um risco é detectado, a plataforma pode tomar medidas imediatas. Isso pode incluir o envio de alertas às partes relevantes ou o reforço de medidas de segurança, como controles de acesso mais rigorosos ou criptografia aumentada. A plataforma também oferece suporte à auditoria colaborativa, onde auditores experientes podem trabalhar juntos para revisar e resolver riscos potenciais.

Finalmente, o AgentLayer monitora constantemente a eficácia dessas medidas e usa o feedback para melhorar sua análise preditiva. Ao aprender com experiências passadas, os agentes de IA melhoram na identificação e no gerenciamento de riscos no futuro.

Como os protocolos AgentLink ajudam os agentes de IA a trabalhar juntos de forma segura e eficiente ao lidar com dados financeiros? Quais medidas de segurança essenciais estão em vigor para evitar violações de dados e garantir um gerenciamento de dados?

Os protocolos AgentLink garantem que vários agentes de IA possam trabalhar juntos de forma eficiente e segura, especialmente ao gerenciar dados financeiros confidenciais. Eles definem como as informações e mensagens são formatadas e transmitidas pela rede, otimizando o processo mesmo em condições de largura de banda limitada. Isso reduz a probabilidade de erros ou interrupções que podem comprometer os dados financeiros.

A plataforma fornece uma estrutura para interação, facilitando o compartilhamento de conhecimento, a troca de informações, o envio de comandos e a recuperação de resultados pelos agentes. Esse processo de comunicação bem organizado ajuda a minimizar o risco de falha de comunicação ou acesso não autorizado, pois os agentes sabem exatamente para onde e como enviar tipos específicos de informações.

O AgentLink também usa troca de dados assíncrona, com uma fila de mensagens compartilhada permitindo que os agentes enviem e recebam mensagens sem precisar de processamento imediato. Isso é particularmente benéfico ao gerenciar dados financeiros, pois garante que, se um agente encontrar um problema ou for atacado, isso não afetará os outros. A fila de mensagens também controla o fluxo de informações, evitando sobrecarga do sistema e reduzindo riscos de segurança.

Além disso, separar o processo de comunicação do processamento imediato ajuda a proteger contra ataques em tempo real. Se um invasor tentar interromper o processamento de mensagens financeiras, a fila ainda pode reter e armazenar essas mensagens até que o problema seja resolvido. Essa separação permite verificações de segurança mais completas nas mensagens, aumentando a segurança geral quando os agentes lidam com dados financeiros.

Você pode explicar as etapas envolvidas no treinamento de um agente de IA na plataforma AgentLayer para tarefas financeiras específicas? Quais são os principais estágios, da coleta de dados ao ajuste fino de modelos, e como o desempenho do agente é medido?

Treinar um agente de IA na plataforma AgentLayer para lidar com tarefas financeiras específicas envolve vários estágios principais. Começa com a aquisição de dados, onde o agente acessa vários tipos de dados. Por exemplo, ele pode analisar auditorias de contratos inteligentes para detectar vulnerabilidades e riscos potenciais, procurando por falhas de segurança, erros lógicos e ineficiências que podem impactar transações financeiras.

As interações do chatbot são outra fonte de dados valiosa. Conforme os chatbots interagem com os usuários, eles coletam dados sobre consultas e preocupações financeiras, fornecendo insights sobre problemas comuns e necessidades do usuário. Além disso, o agente pode integrar fontes de dados externas, como dados do mercado financeiro, indicadores econômicos e tendências do setor, para entender melhor o contexto mais amplo das tarefas financeiras em questão.

Depois que os dados são coletados, eles passam por pré-processamento e preparação. Isso envolve a limpeza dos dados para remover ruídos e informações irrelevantes, como filtrar prompts maliciosos ou entradas financeiras incorretas. Para informações financeiras confidenciais, os dados permanecem anônimos para proteger a privacidade do usuário.

Em seguida, vem a seleção do modelo e o treinamento inicial. Na plataforma AgentLayer, os desenvolvedores escolhem um modelo base apropriado entre opções como Mistral, Llama ou o TrustLLM proprietário. O treinamento inicial envolve alimentar os dados pré-processados ​​no modelo e ajustar seus parâmetros para aprender padrões e relacionamentos dentro dos dados financeiros.

Após o treinamento inicial, o modelo passa por um ajuste fino. Esta etapa usa conjuntos de dados financeiros específicos relacionados à tarefa-alvo, como analisar demonstrações financeiras, permitindo que o modelo se torne mais especializado. Técnicas como aprendizagem de transferência e adaptação de domínio permitem tornar o modelo mais eficaz para aplicações financeiras, enquanto métodos avançados como a tecnologia Retrieval-Augmented Generation (RAG) e correspondência de conhecimento aumentam a capacidade do modelo de lidar com dados financeiros complexos.

Finalmente, a avaliação de desempenho é crítica para garantir que o agente atinja seus objetivos. Isso envolve medir a precisão das previsões ou saídas do agente, como o quão bem ele prevê riscos financeiros ou analisa dados financeiros. O feedback do usuário ajuda a entender como o agente se sai em aplicações do mundo real, incluindo classificações e sugestões de melhoria. Testes no mundo real também são conduzidos aplicando o agente em cenários financeiros reais ou ambientes controlados para simular transações e tarefas reais, garantindo que ele tenha um desempenho eficaz fora do ambiente de treinamento.

Como o AgentLayer garante que seus agentes de IA sigam regulamentações e padrões financeiros globais? Quais processos estão em vigor para mantê-los atualizados com as mudanças nas regulamentações?

O AgentLayer toma várias medidas para garantir que seus agentes de IA cumpram com as regulamentações e padrões financeiros globais. Para começar, a plataforma usa ferramentas de validação de entrada e limpeza de dados em seus chatbots para bloquear quaisquer prompts maliciosos e tornar anônimas informações financeiras confidenciais. Isso ajuda a proteger a privacidade do usuário e garante que o manuseio de dados pessoais e financeiros atenda aos requisitos regulatórios. Além disso, o AgentLayer se integra a sistemas de backend usando controles de acesso rigorosos e gerenciamento de funções, o que limita quem pode acessar dados financeiros confidenciais, garantindo a conformidade com os regulamentos de segurança de dados.

Auditoria e monitoramento também são componentes essenciais da estratégia de conformidade do AgentLayer. Agentes de IA como o AGIS realizam auditorias completas de contratos inteligentes para detectar vulnerabilidades que podem afetar transações financeiras. Ao proteger essas operações, o AgentLayer se alinha com os padrões regulatórios que regem os sistemas financeiros. A plataforma também emprega mecanismos de compreensão e revisão de conteúdo em seus chatbots para monitorar e filtrar respostas, evitando o vazamento de informações confidenciais e aderindo aos regulamentos de proteção de dados.

Para acompanhar as mudanças nos regulamentos globais, o AgentLayer provavelmente tem uma equipe ou processo dedicado que monitora continuamente as atualizações regulatórias. Isso pode envolver a assinatura de boletins informativos do setor, a participação em fóruns regulatórios e o trabalho com especialistas jurídicos e financeiros para se manter informado sobre padrões novos ou emergentes. Revisões regulares dessas mudanças regulatórias ajudam a plataforma a avaliar seu impacto e garantir que seus agentes de IA permaneçam em conformidade.

A plataforma foi projetada para ser flexível, permitindo que ela se adapte rapidamente a novos requisitos regulatórios. Isso significa que a AgentLayer pode atualizar facilmente seus agentes e sistemas de IA conforme necessário, como aprimorar os padrões de criptografia ou reforçar os controles de acesso em resposta a novos regulamentos.

A colaboração é outro aspecto fundamental da abordagem do AgentLayer. A plataforma trabalha com órgãos reguladores, associações do setor e instituições acadêmicas para obter insights sobre as últimas tendências e melhores práticas. Essa abordagem proativa ajuda o AgentLayer a antecipar mudanças regulatórias e ajustar suas operações de acordo. A plataforma também busca aconselhamento especializado de profissionais jurídicos e financeiros para garantir a conformidade contínua, o que pode incluir auditorias e revisões regulares por especialistas externos.

Você pode compartilhar novos recursos ou atualizações do AgentLayer? Como essas mudanças ajudarão a plataforma a lidar melhor com ameaças emergentes?

O AgentLayer está fazendo atualizações importantes em sua plataforma. Em 10 de setembro, o recurso de staking para tokens AGENT e APGN Yields foi lançado, permitindo que os investidores ganhem retornos substanciais. Com apenas uma semana antes do Token Generation Event (TGE), os investidores são incentivados a aproveitar a oportunidade de staking.

Também estamos nos preparando para a listagem do token nativo do AgentLayer nas principais bolsas de criptomoedas, como Gate.io, BingX, Uniswap e Aerodrome. A listagem, marcada para 18 de setembro de 2024, às 19:00, horário de Cingapura, aumentará as oportunidades de negociação para investidores e aprimorará o ecossistema financeiro.

O AgentLayer também está atualizando seu uso de modelos de linguagem grande (LLMs) como TrustLLM para detectar melhor fraudes complexas e padrões incomuns em dados financeiros. Ao trabalhar com conjuntos de dados mais diversos e aplicar técnicas avançadas, a plataforma visa capturar novos tipos de golpes.

A plataforma está aprimorando suas ferramentas de análise de risco, usando aprendizado de máquina para estudar dados anteriores e tendências de mercado, o que ajudará a identificar ameaças antecipadamente. Ele também monitorará atividades financeiras em tempo real para capturar comportamentos suspeitos, como padrões de transações incomuns.

Na frente de segurança, o AgentLayer está explorando tecnologias avançadas de criptografia, incluindo métodos resistentes a quantum, para proteger melhor os dados financeiros. A autenticação multifatorial e biométrica também será introduzida para aumentar a segurança dos usuários.