Kyberturvallisuus

LexisNexis Risk Solutions lisää tekoälyagentteihin liittyviä signaaleja petospäätöksiin

mm
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa

LexisNexis Risk Solutions julkisti Know Your Agent (KYA) -älyn 5. marraskuuta 2026 ja lisäsi digitaalisen identiteetin ja petostentorjunnan alustaansa tekoälyagenttien toimintaa sekä kontekstuaalisia riskisignaaleja. Yhtiön mukaan agenttiliikenne kasvoi vuoden 2026 ensimmäisellä puoliskolla yli 750 %.

Monet asiakkaat käyttävät jo KYA:ta nykyisissä riskienhallintapäätöksissään. Yhtiö kertoi, että sen Digital Identity Network analysoi vuonna 2025 yli 116 miljardia digitaalista tapahtumaa ja havaitsi 4,9 miljardia automatisoitua bottihyökkäystä, 59 % enemmän kuin edellisenä vuonna. Tämä jo olemassa oleva näkyvyys ihmisten ja automatisoitujen järjestelmien vuorovaikutukseen tarjoaa kontekstin, johon KYA lisää agenttien toiminnan.

Havaitseminen täydentää laajempaa riskinarviointia

Useimmat henkilökohtaiset agentit eivät ilmoita olevansa agentteja, joten niiden havaitseminen on välitön haaste. Pelkkä tunnistaminen ei kerro, kenen puolesta agentti toimii, onko sen toiminta valtuutettua, vastaako sen käyttäytyminen sille annettua valtuutusta tai vaikuttaako koko vuorovaikutus oikeutetulta. KYA on suunniteltu lisäämään agenttien havaitseminen reaaliajassa osaksi identiteettiin, laitteisiin, verkkoon, käyttäytymiseen ja suhteisiin liittyvää kontekstia.

Konteksti voi muuttua yhden digitaalisen asiointipolun aikana, kun hallinta siirtyy ihmiseltä agentille tai päinvastoin. Tuote- ja analytiikkatoiminnoista vastaava varatoimitusjohtaja Mike Woodberry sanoi, että tavoitteena on selvittää, mikä toimii, kenen tai minkä puolesta se toimii, onko sillä siihen valtuutus ja mitä se yrittää tehdä. Jokainen päätös koskee siis tiettyä agenttia, joka suorittaa tiettyä toimintoa tietyssä kontekstissa organisaation riskikäytäntöjen mukaisesti.

Näin signaalit tulevat osaksi petostentorjunnan työnkulkuja

Yhtiön agenttiälyä käsittelevässä esitteessä kuvataan selaimeen, laitteeseen, käyttöjärjestelmään ja verkkoon liittyvää tietoa keinoina tunnistaa agenttien tunnusmerkkejä ja muita agenttien suorittamaan toimintaan viittaavia merkkejä. Myös ChatGPT:n, Clauden ja vastaavien alustojen sisäänrakennettuja sovelluksia voidaan profiloida selaimen ominaisuuksien, verkkotunnusten, sovellussignaalien ja muiden merkkien avulla digitaalisen identiteetin kontekstin selvittämiseksi. Tekniset ja käyttäytymiseen liittyvät merkit auttavat luokittelemaan toiminnan ihmisen, haitallisen botin tai tekoälyagentin toiminnaksi.

Trust Tags -tunnisteilla voidaan luoda pysyviä yhteyksiä käyttäjien, laitteiden ja agenttien välisten vuorovaikutusten välille, mikä auttaa organisaatioita arvioimaan myöhempää toimintaa. Erilliskanavan tunnistautuminen voi auttaa luomaan luotettuja yhteyksiä asiakkaiden, agenttien ja vuorovaikutusten välille. Organisaatiot voivat tämän jälkeen sisällyttää signaalit olemassa oleviin työnkulkuihinsa ja sallia vuorovaikutuksen, vaatia tunnistautumista, ottaa sen tarkasteluun tai hylätä sen kontekstin ja omien riskikäytäntöjensä perusteella.

ThreatMetrixissä ThreatMetrix agenttiäly yhdistää digitaalisen identiteetin ja käyttäytymiseen liittyvän älyn. Ohjelmointirajapinnat, ohjelmistokehityspaketit ja suoraan työnkulkuihin integroitavat ratkaisut tukevat verkko-, mobiili- ja taustajärjestelmäympäristöjä. LexisNexis Dynamic Decision Platform -alustan kautta toimitettuna ominaisuus kytkeytyy tutkintaan, tapausten hallintaan, raportointiin ja työnkulkujen orkestrointiin.

Petostentorjunnan käyttökohteet ja tuotteen rajat

Käyttökohteita ovat agenttien avustama kaupankäynti, tilien avaaminen ja käyttöönotto, pankkitoiminta ja maksaminen, tunnistautuminen ja käyttöoikeuksien hallinta sekä asiakaspalvelu. Agentit voivat etsiä tai ostaa tuotteita, osallistua rekisteröitymisprosesseihin, käyttää tilejä, aikatauluttaa palautuksia tai hallinnoida tilejä. Järjestelmän tarkoituksena on myös arvioida, onko agentilla asianmukainen valtuutus tilille pääsyn ja henkilöllisyyden varmentamisen yhteydessä.

LexisNexis varoittaa, että autonomiset agentit voivat lisätä valtuutettuihin push-maksupetoksiin ja tilin kaappausyrityksiin liittyvien hyökkäysten määrää ja kehittyneisyyttä. Haitalliset agentit voivat oppia onnistumisista ja epäonnistumisista ja mukauttaa niiden perusteella myöhempiä hyökkäyksiä. Kaupallinen johtaja Grayson Clarke kertoi, että eräs maailmanlaajuinen rahoituslaitos käytti yhtiön havaintokykyä agenttien toiminnan tunnistamiseen ja auttoi estämään niitä toteuttamasta arkaluonteisia tapahtumia.

Nykyiset ominaisuudet keskittyvät havaitsemiseen, kontekstiin ja työnkulkuun liittyviin päätöksiin. Aineistossa kehittyneemmän agentin identiteetin ja valtuutuksen sekä agenttien välisten vuorovaikutusten kuvataan olevan tulevaisuuden kehityssuuntia, mutta niiden toteutumisesta ei anneta sitoumuksia. Tulokset vaihtelevat käyttöönoton, tietojen saatavuuden, tapahtumien ominaisuuksien ja asiakkaan käyttötavan mukaan, eikä mikään ratkaisu pysty tunnistamaan, luokittelemaan, todentamaan tai havaitsemaan kaikkia käyttäjiä, laitteita, botteja tai tekoälyagentteja kaikissa tilanteissa.

Petostentorjuntatiimien kannalta käytännön muutos on se, että agentin osallistumisesta tulee yksi lisätieto vakiintuneessa päätöksenteossa. Toimenpiteet suhteutetaan asiakkaaseen, valtuutukseen ja kyseiseen toimintaan. Avoimeksi jää, säilyykö tämä kontekstuaalinen lähestymistapa toimivana agenttien, standardien ja agenttien välisten vuorovaikutusten kehittyessä, etenkin kun kehittyneemmät identiteetti- ja valtuutusominaisuudet ovat vielä tulevaisuuden kehityssuuntia.

Finn Carrow on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka kattaa tekoälyä vakuutus-, riskinarvio- ja aktuaariteknologioissa. Hänen työnsä keskittyy siihen, miten tekoälymallit muokkaavat vakuutusriskien arviointia ja hyväksymistä, automaattista korvausprosessia, petosten havaitsemista ja henkilökohtaisia vakuutustuotteita globaaleilla vakuutusmarkkinoilla.
Varovaisesta ja yksityiskohtiin keskittyvästä näkökulmasta Finn tarkastelee, miten koneoppimista sovelletaan riskimalliin, hinnoittelun tarkkuuteen ja vahinkojen ehkäisemiseen, samalla kiinnittäen tarkkaa huomiota sääntelyn mukaisuuteen, avoimuuteen ja mallien hallintaan. Hän on erityisen kiinnostunut siitä, miten vakuuttajat tasapainottavat automaation ja vastuun korkean panoksen päätöksentekojärjestelmissä.
Artikkelit, joita Finn Carrow on kirjoittanut, ovat tekoälyllä luotuja ja Unite.AI:n toimittajatiimin tarkastamia, jotta voidaan varmistaa tarkkuus, selkeä kieli ja vastuullinen kattavuus tekoälyn roolista modernissa vakuutus- ja riskienhallinnassa.