当前位置: 首页 > news >正文

Accertify与Liminal发布首份实证研究,证明欺诈与网络安全融合行之有效,并定义了正确的实施路径

一项针对250位高层领导的新研究确定了四种组织行为,这些行为与孤岛式组织相比拥有3.4倍的绩效优势

Accertify是一家领先的欺诈决策服务提供商,其Predictive Yes平台使商家能够接纳更多优质客户、获得更多收入并实现更多增长。该公司今日发布了《融合红利:量化欺诈与网络安全融合的实际价值》(The Convergence Dividend: Quantifying What Fraud-Cyber Convergence Actually Delivers),这项里程碑式的专有研究由Accertify与Liminal合作开展。该研究覆盖了零售/电子商务、旅游、餐饮/快餐、娱乐与媒体以及市场平台等五大领域的250位总监级别及以上的欺诈、风险和安全负责人,首次大规模实证证明了欺诈与网络安全融合能够带来更优的商业成果,并率先明确了区分顶级表现组织与其他组织的具体行为。

尽管欺诈与网络安全融合是受访者几乎一致(94%)认可的优先事项,但研究发现许多组织缺乏一个清晰的框架来有效实施。为了确定与最佳成果相关的实践,Accertify和Liminal根据“精准接纳”(Precise Yes)绩效指标分析了组织行为,该指标旨在衡量商家对客户说“是”的精准度,定义为每1美元欺诈拒付所批准放行的正常交易金额。

由此产生的分析得出了一个四支柱成熟度模型,该模型确定了与成功的欺诈-网络安全融合最相关的运营特征:

  • 共享2种或更多威胁类型/用例:欺诈和网络安全团队对两种或更多特定威胁类型共同承担责任
  • 通过通用平台共享数据:欺诈和网络安全数据被整合到一个共享管道中,提供跨生命周期的客户单一视图
  • 在董事会层面定期讨论:欺诈被提升为董事会层面的常规议程项目
  • 结构性整合:欺诈和网络安全团队正式统一到同一个组织结构下

展现出所有四个支柱的组织,其平均“精准接纳”得分为每损失1美元欺诈金额可批准放行1540美元的正常交易,而仍在孤岛模式下运作的组织为每损失1美元欺诈金额可批准放行456美元的正常交易,差距达3.4倍。这种精准度优势主要由欺诈拒付率的降低所驱动:与尚未开始欺诈-网络安全融合的组织相比,精英层级组织的欺诈拒付率降低了62%。

研究还发现,组织采用这些支柱的顺序至关重要。在建立共享数据、共同所有权和运营协作之前就重组欺诈和网络安全团队的组织,其表现比那些保持团队分离的组织更差。这表明,成功的融合始于共享的工作流和情报,而非组织架构图。

Accertify首席营销官Maryling Yu表示:“有一个发现非常突出:当欺诈和网络安全团队改善数据共享方式时,组织表现会更好。在整个客户生命周期中提供对信号的共享可见性,能让团队更全面地理解风险,帮助它们自信地接纳更多优质客户、减少不必要的摩擦,并推动实现更优的业务成果。”

Liminal首席创新官Filip Verley表示:“数据显示,这些是运营行为,而非结构性行为。它们不需要大幅调整预算或重组架构。它们只需要两个团队决定共同解决相同的问题——然后建立让这些合作得以坚持的习惯。这意味着每一个踏上融合之旅的组织都有希望达到精英绩效层级。”

该研究还首次建立了跨行业的欺诈-网络安全融合同行基准视图,揭示了不同行业间成熟度的显著差异。例如,零售和电子商务组织通常表现出最强的绩效,而市场平台在平衡客户接纳和欺诈损失方面面临最大挑战。同时,研究发现97%的组织已经走在融合的道路上——表明这一转变是由运营必要性而非高管指令驱动。

《融合红利:量化欺诈与网络安全融合的实际价值》报告可在Accertify.com/2026-report下载。

关于Accertify

Accertify通过一项极其出色的工作来赋能商业:精准定位欺诈。公司的Predictive Yes平台帮助企业对更多方面说“是”——更多优质客户、更多收入和更多增长——同时避免遭受损失。在过去12个月中,Accertify处理了超过100亿笔交易和超过1万亿美元的电子商务交易额,为欺诈和支付团队提供自信地说“是”并实现增长所需的情报和精准度。

关于Liminal

Liminal是一家提供可执行情报的公司,致力于为身份、欺诈和网络安全市场提供结构化、经专家验证的情报。它为人类领导者和AI系统提供了一个可靠的替代方案,以取代那些在高风险决策中表现不佳的通用模型。Liminal成立于2022年,总部位于纽约市,受到Visa、Mastercard、Google、JPMC以及全球多个领先数字身份平台的信赖。

http://www.jsqmd.com/news/1251447/

相关文章:

  • AI应用开发成本解析:从数据标注到模型部署
  • 工控硬件通信基础:串口 RS232/485、I2C、SPI 用户层读写实操
  • LLM请求响应循环全解析:从Token化到流式输出的技术实践
  • 2026宁波雨刷片/汽车雨刮片厂家避坑指南:5个挑选要点,帮你绕开90%的采购坑 - mobible
  • 智能代理系统Hermes Agent:从工作流自动化到AI模型编排实战
  • 程序员如何转型大模型开发:路径规划与实战指南
  • TI ADS7851EVM-PDK评估套件深度解析:从硬件设计到性能测试实战
  • CNN-RNN-Attention模型在时间序列预测中的应用与优化
  • G2 PLC无线传输模块评测:485串口通讯稳定吗?
  • AI数字人口播视频生成工具:提升短视频创作效率
  • SSM框架与人脸识别在宿舍管理系统的应用实践
  • 2026年佛山靠谱的沙子供应商推荐 - 品牌排行榜
  • Modbus 协议实战:Modbus-RTU/TCP 采集传感器、变频器工控案例
  • 苏州商业活动全案策划:全流程服务商筛选建议与要点
  • 别信“全自动”:Agentic AI 从 Demo 到生产,死在边界控制与可观测性上
  • 深入解析MSPM0 DMA控制器:从基础通道到高级扩展模式实战
  • Qwen3.5轻量化AI模型:端侧部署与行业应用解析
  • 别只拿AI聊天了!AI智能体是怎么帮你“自动干活“的?
  • Meta开源Astryx:React设计系统的无障碍与Agent就绪实践
  • 长上下文处理技术:突破大模型计算与显存瓶颈
  • Simulink深度多智能体强化学习实践指南
  • SAP-ABAP:单表查询核心用法——字段选择、条件过滤与结果排序最佳实践
  • AI代码生成技术解析与主流工具评测
  • AI量化交易中的算力优化与分布式训练实践
  • 2026温州雨刷器/汽车雨刮器源头厂家选购指南:4个常见坑+5条硬标准 - mobible
  • 6、电气火灾防控
  • 国际经济与贸易专业学生适合考哪些证书?
  • LSTM改进架构在高光谱图像分类中的应用与优化
  • 大模型时代RAG与Agent实战:从原理到部署全解析
  • 传统产品经理如何转向 AI 产品经理