LexisNexis Risk Solutions lägger till signaler från AI-agenter i bedrägeribedömningar

LexisNexis Risk Solutions presenterade information om Know Your Agent (KYA) den 5 november 2026 och lade därmed till aktivitet från AI-agenter och kontextuella risksignaler i sin plattform för digital identitet och bedrägeribekämpning. Företaget uppgav att trafiken från AI-agenter ökade med mer än 750 % under första halvåret 2026.

Många kunder använder redan KYA i sina löpande riskhanteringsbeslut. Företaget uppgav att dess Digital Identity Network analyserade mer än 116 miljarder digitala transaktioner 2025 och upptäckte 4,9 miljarder automatiserade botattacker, 59 % fler än året innan. Den befintliga insynen i mänskliga och automatiserade interaktioner utgör det sammanhang som KYA kompletterar med aktivitet från AI-agenter.

Upptäckt ligger till grund för en bredare riskbedömning

De flesta personliga AI-agenter uppger inte att de är AI-agenter, vilket gör upptäckt till den omedelbara utmaningen. Enbart identifiering kan inte fastställa vem en AI-agent företräder, om dess aktivitet är behörig, om dess beteende stämmer överens med den befogenheten eller om interaktionen i stort verkar legitim. KYA är utformat för att i realtid komplettera identitets-, enhets-, nätverks-, beteende- och relationssammanhang med upptäckt av AI-agenter.

Det sammanhanget kan förändras under en och samma digitala kundresa när kontrollen växlar mellan en person och en AI-agent. Mike Woodberry, vice vd för produkt och analys, sade att målet är att fastställa vad som agerar, vem eller vad det företräder, om det har behörighet och vad det försöker göra. Varje beslut gäller därför en specifik AI-agent som utför en specifik handling i ett specifikt sammanhang, styrt av organisationens riskpolicyer.

Så når signalerna bedrägeriarbetsflödena

Företagets broschyr om AI-agenters intelligens beskriver information om webbläsare, enheter, operativsystem och nätverk som sätt att känna igen signaturer från AI-agenter och andra tecken på agentstyrd aktivitet. Tillämpningar som är inbäddade i ChatGPT, Claude och liknande plattformar kan också profileras utifrån webbläsaregenskaper, domäner, applikationssignaler och andra indikatorer för att skapa ett sammanhang för den digitala identiteten. Tekniska indikatorer och beteendeindikatorer bidrar till att klassificera aktivitet som mänsklig, från en skadlig bot eller från en AI-agent.

Trust Tags kan skapa bestående relationer mellan användare, enheter och interaktioner med AI-agenter, vilket hjälper organisationer att bedöma senare aktivitet. Autentisering via en separat kanal kan bidra till att skapa betrodda relationer mellan kunder, AI-agenter och interaktioner. Organisationer kan sedan införliva signalerna i befintliga arbetsflöden och tillåta, autentisera, granska eller avvisa en interaktion utifrån dess sammanhang och sina egna riskpolicyer.

I ThreatMetrix kombinerar intelligens om AI-agenter digital identitet och beteendeanalys. API:er, programvaruutvecklingspaket och integrationer som är färdiga att användas i arbetsflöden stöder webb-, mobil- och backendmiljöer. Genom leverans via LexisNexis Dynamic Decision Platform kopplas funktionen till forensiska utredningar, ärendehantering, rapportering och samordning av arbetsflöden.

Användningsområden för bedrägeribekämpning och produktens avgränsningar

Användningsområdena omfattar handel med stöd av AI-agenter, kontoöppning och kundintroduktion, banktjänster och betalningar, autentisering och åtkomsthantering samt kundservice. AI-agenter kan undersöka eller köpa produkter, delta i registreringsprocesser, få åtkomst till konton, boka returer eller hantera konton. Systemet är också avsett att bedöma om en AI-agent har legitim behörighet vid kontoåtkomst och verifiering.

LexisNexis varnar för att autonoma AI-agenter kan öka omfattningen och sofistikeringen av bedrägerier med auktoriserade betalningar och attacker för att ta över konton. Skadliga AI-agenter kan lära sig av framgångar och misslyckanden för att anpassa efterföljande attacker. Grayson Clarke, kommersiell chef, sade att en global finansinstitution använde företagets upptäcktsfunktioner för att identifiera aktivitet från AI-agenter och bidra till att hindra dem från att genomföra känsliga transaktioner.

De nuvarande funktionerna kretsar kring upptäckt, kontext och beslut i arbetsflöden. Materialet beskriver mer avancerad identitet och behörighet för AI-agenter, liksom interaktioner mellan AI-agenter, som framtida utvecklingsområden utan att utlova någon funktionalitet. Resultaten varierar beroende på implementering, datatillgång, transaktionernas egenskaper och kundernas användning. Ingen lösning kan identifiera, klassificera, autentisera eller upptäcka varje användare, enhet, bot eller AI-agent under alla omständigheter.

För bedrägeriteam innebär den praktiska förändringen att AI-agenters medverkan blir ytterligare en faktor i ett etablerat beslut, med åtgärder anpassade efter kunden, behörigheten och den aktuella handlingen. Den öppna frågan är om detta kontextbaserade arbetssätt förblir effektivt i takt med att AI-agenter, standarder och interaktioner mellan AI-agenter utvecklas, särskilt medan de mer avancerade funktionerna för identitet och behörighet fortfarande är framtida utvecklingsområden.