【律商风险】2024安全赢在当下科技创新未来负责任的AI在欺诈与身份识别领域的应用与展望报告_13页_1mb

LexisNexis® Risk Solutions在反欺诈和身份验证领域利用AI技术实现持续优化，其核心在于结合海量数据、多样化AI方法和负责任的AI原则。公司自2000年起引入AI，通过逻辑回归、梯度提升机器（GBM）、决策树等技术提升欺诈检测能力，如历史案例显示AI模型使欺诈检测价值平均提升260%，每年保护数千万美元资产。
AI的应用不仅限于风险评分，在金融服务、电商、旅行等行业中，其通过分析用户行为（如登录频率、设备使用模式）和跨渠道数据（如开放银行、移动支付）实现精准风险识别。例如，某英国银行使用GBM技术，在20天内检测并阻止超63万美元的欺诈交易，成功打破社交工程攻击循环。
面对生成式AI带来的挑战，如深伪诈骗在亚太地区增长超1500%，公司强调技术需与伦理并重。其负责任AI框架包括：

1. 数据科学团队：监控算法透明性与公平性，开发修改后的GBM模型以避免因缺失个人信息（如社保号）导致的潜在偏见。
2. 行业合作：在RELX集团指导下，遵循隐私保护、可解释性及反偏见原则，已发布多份白皮书探讨替代信用数据与金融包容性。
3. 技术融合：通过监督与非监督学习结合，既发现异常模式（如用户生物行为偏差），又保持模型可解释性（如基于设备访问账户数量的风险分级）。

未来计划聚焦三大方向：

• 自我服务AI：如ThreatMetrix平台允许客户自主配置模型，降低技术门槛，增强控制力。
• 混合AI：2024年推出，通过调用多模型组合检测特定欺诈类型，如LexisNexis Fraud Intelligence将用于精准分类风险。
• 生成式AI：探索用开放式文本验证替代传统知识认证（KBA），减少欺诈者获取答案的可能，同时挖掘自由文本中的风险信号。

公司认为，AI需在“安全”与“创新”间平衡，既提升欺诈防护效率，又保障用户体验。通过持续的技术演进和负责任的实践，LexisNexis® Risk Solutions致力于为全球客户提供更智能、更透明的解决方案，应对当前及未来欺诈威胁。