LexisNexis Risk Solutions voegt signalen van AI-agents toe aan fraudebeslissingen

LexisNexis Risk Solutions kondigde intelligentie voor Know Your Agent (KYA) aan op 5 november 2026. Daarmee voegt het bedrijf activiteit van AI-agents en contextuele risicosignalen toe aan zijn platform voor digitale identiteit en fraudepreventie. Het bedrijf meldde dat het verkeer van agents in de eerste helft van 2026 met meer dan 750% is gegroeid.

Veel klanten gebruiken KYA al bij hun huidige beslissingen op het gebied van risicobeheer. Het bedrijf meldde dat zijn Digital Identity Network in 2025 meer dan 116 miljard digitale transacties analyseerde en 4,9 miljard geautomatiseerde botaanvallen detecteerde, 59% meer dan het jaar ervoor. Dit bestaande inzicht in menselijke en geautomatiseerde interacties biedt de context waaraan KYA activiteit van agents toevoegt.

Detectie vormt de basis voor een bredere risicobeoordeling

De meeste persoonlijke agents maken niet bekend dat ze agents zijn, waardoor detectie de eerste uitdaging vormt. Alleen identificatie kan niet vaststellen wie een agent vertegenwoordigt, of zijn activiteit is toegestaan, of zijn gedrag binnen die bevoegdheid valt en of de bredere interactie legitiem lijkt. KYA is ontworpen om detectie van agents in realtime toe te voegen aan de context van identiteit, apparaten, netwerken, gedrag en relaties.

Die context kan tijdens één digitale klantreis veranderen wanneer de controle overgaat van een persoon naar een agent of andersom. Mike Woodberry, senior vicepresident product en analytics, zei dat het doel is vast te stellen wat er handelt, wie of wat het vertegenwoordigt, of het bevoegd is en wat het probeert te doen. Elke beslissing betreft dus een specifieke agent die een specifieke handeling uitvoert in een specifieke context, en valt onder het risicobeleid van de organisatie.

Zo komen de signalen terecht in fraudeworkflows

De brochure over agentintelligentie van het bedrijf beschrijft browser-, apparaat-, besturingssysteem- en netwerkinformatie als manieren om kenmerken van agents en andere aanwijzingen voor door agents aangestuurde activiteit te herkennen. Ook applicaties die zijn ingebed in ChatGPT, Claude en vergelijkbare platforms kunnen worden geprofileerd aan de hand van browserkenmerken, domeinen, applicatiesignalen en andere indicatoren, om context voor de digitale identiteit vast te stellen. Technische en gedragsindicatoren helpen activiteit in te delen als menselijk gedrag, een kwaadwillende bot of een AI-agent.

Trust Tags kunnen duurzame relaties vastleggen tussen gebruikers, apparaten en interacties met agents, zodat organisaties latere activiteit beter kunnen beoordelen. Authenticatie via een ander kanaal kan helpen om vertrouwde relaties tussen klanten, agents en interacties vast te stellen. Organisaties kunnen de signalen vervolgens opnemen in hun bestaande workflows en een interactie toestaan, authenticeren, beoordelen of afwijzen op basis van de context en hun eigen risicobeleid.

Binnen ThreatMetrix combineert agentintelligentie digitale identiteit met gedragsinformatie. API’s, software development kits en integraties die klaar zijn voor workflows ondersteunen web-, mobiele en backendomgevingen. Levering via het LexisNexis Dynamic Decision Platform koppelt de functionaliteit aan forensisch onderzoek, casemanagement, rapportage en workfloworkestratie.

Fraudetoepassingen en grenzen van het product

Toepassingsgebieden zijn onder meer handel met ondersteuning van agents, het openen van rekeningen en onboarding, bankieren en betalingen, authenticatie en toegangsbeheer, en klantenservice. Agents kunnen producten onderzoeken of kopen, deelnemen aan registratieprocessen, toegang krijgen tot rekeningen, retouren inplannen of rekeningen beheren. Het systeem is ook bedoeld om te beoordelen of een agent bij toegang tot een rekening en verificatie daartoe bevoegd is.

LexisNexis waarschuwt dat autonome agents de omvang en verfijning van fraude met geautoriseerde pushbetalingen en aanvallen waarbij rekeningen worden overgenomen, kunnen vergroten. Kwaadwillende agents kunnen leren van successen en mislukkingen om vervolgaanvallen daarop af te stemmen. Grayson Clarke, commercieel directeur, zei dat een wereldwijde financiële instelling de detectiemogelijkheden van het bedrijf heeft ingezet om agentactiviteit vast te stellen en te helpen voorkomen dat agents gevoelige transacties uitvoeren.

De huidige mogelijkheden zijn gericht op detectie, context en beslissingen in workflows. Het materiaal noemt geavanceerdere identiteit en autorisatie van agents, evenals interacties tussen agents onderling, als mogelijke toekomstige ontwikkelingen, zonder toezeggingen over functionaliteit. De resultaten variëren afhankelijk van de implementatie, de beschikbaarheid van gegevens, de kenmerken van transacties en het gebruik door klanten. Geen enkele oplossing kan in alle omstandigheden elke gebruiker, elk apparaat, elke bot of elke AI-agent identificeren, classificeren, authenticeren of detecteren.

Voor fraudeteams houdt de praktische verandering in dat betrokkenheid van agents een extra input wordt voor een bestaande beslissing, waarbij de reactie wordt afgestemd op de klant, de bevoegdheid en de betrokken handeling. De open vraag is of deze contextuele aanpak effectief blijft naarmate agents, standaarden en interacties tussen agents zich verder ontwikkelen, vooral zolang de geavanceerdere mogelijkheden voor identiteit en autorisatie nog toekomstplannen zijn.