Minsait Payments, la filial de medios de Pago de Minsait y parte del grupo Indra, ha obtenido la calificación ‘PCI SSS’ (Payment Card Industry Software Security Standard, por sus siglas en inglés), considerado el mayor standard de seguridad en la industria de pagos para servicios de software, según ha explicado este jueves la compañía.
Minsait Payments ha explicado que ha logrado esta certificación con su solución ‘Onesait Payments Switch’, convirtiéndose en una de las cinco primeras a nivel mundial completamente ‘cloud-native’ –empresa para pagos seguros en la nube– que logra tal reconocimiento.
De hecho, más de 600 soluciones internacionales de su categoría (‘Payment Gateway’ y ‘Switch’) todavía aguardan lograr certificarse en la nueva certificación, ha destacado la compañía.
En concreto, hasta la fecha sólo lo han logrado alrededor de 30 soluciones a nivel mundial, y entre ellas, tan cinco lo han conseguido utilizando las arquitecturas ‘cloud-native’, como Minsait Payments.
La nueva versión de ‘PA-DSS’, ‘PCI SSS’ es el standard oficial de seguridad con el que la industria de pagos certifica que un software o producto cumple con la normativa de seguridad del PCI Security Standards Council.
En este sentido, la firma ha explicado que facilita a sus clientes la externalización de sus procesos de medios de pago con las máximas garantías de seguridad, al tiempo que les ayudará a facilitar las «rigurosas» auditorías sobre sus infraestructuras y sistemas de información repartidas internacionalmente, para el procesamiento ‘SaaS’ de tarjetas de crédito, débito y prepago.
Entre las capacidades con las que cuenta la solución de Minsait Payments, la compañía ha destacado la posibilidad de definir el modelo de conexiones dependiendo del crecimiento y las necesidades del propio negocio, gracias a su arquitectura modular; así como la habilitación de módulos específicos en función del tipo de infraestructura sobre la que se actúe.
También detecta el fraude ‘online’ combinando motores paramétricos de reglas anti-fraude y apoyándose en motores de ‘machine learning’ para una detección temprana del mismo.