Visa 擬以 24 億美元收購行為生物辨識公司 BioCatch，以因應日增的 AI 詐騙

目錄

• 你可能想知道
• 主要議題
• 關鍵見解表
• 後續……

你可能想知道

Visa 收購一家行為生物辨識公司，將如何改變對抗由人工智慧驅動、日益複雜的詐騙手法的方式？

將大型支付網路與行為生物辨識訊號結合，能否在大規模上顯著降低詐騙與帳戶接管的情況？

主要議題

Visa 於週一宣布，已同意以 24 億美元現金收購專注於行為生物辨識的詐騙偵測新創公司 BioCatch。此交易將把 BioCatch 的行為分析能力納入 Visa 的組合，因為金融機構與支付網路正尋求更強的防禦，以因應由生成型人工智慧促成的詐騙與帳戶接管浪潮。根據披露條款，Visa 將從總部位於倫敦的私募股權公司 Permira 及其他投資者手中收購 BioCatch，並視監管審批與慣常交割條件而定。

BioCatch 的技術分析一系列行為訊號——包括按鍵時序、觸控螢幕壓力與其他互動模式——以區分合法客戶與詐騙者、自動化機器人或被脅迫的帳戶。這些行為指標旨在揭露真實使用者操作裝置方式與惡意行為者或自動化工具之間的微妙差異。Visa 的意圖是將這些訊號整合到其現有的詐騙防制服務中，讓可疑活動能在顧客旅程的更早階段被識別並阻止，理想情況是「在到達付款階段之前」。如 Visa 價值加值服務總裁 Andrew Torre 所言，這項能力旨在將防禦向上游移動，並減少銀行與其客戶的損失。

此收購反映出支付公司面臨的更大壓力，因為生成型 AI 降低了詐騙成本並提升真實感。深偽技術、自動化社交工程活動以及 AI 協助的帳密填充，讓攻擊者更容易大規模執行帳戶接管與冒名詐騙。Visa 估計，詐騙與帳戶接管每年對全球經濟造成超過 1 兆美元的負擔。在此情況下，支付生態系的公司正加速投資於先進的偵測與緩解工具，以保護交易、帳戶與客戶信任。

這項關鍵見解顯著影響了對詐騙防制演進的理解：僅依賴靜態識別資訊（密碼、代幣）的保護日益不足；行為訊號提供另一層更難偽造的防護，可以即時區分真人使用者與自動化或被脅迫的行為者。透過將行為生物辨識與 Visa 廣泛的交易足跡和分析能力結合，該公司旨在將這些訊號應用於比單獨由 BioCatch 能觸及的更多機構與支付流程。

BioCatch 報告目前保護約 7.6 億使用者，分布於約 350 家銀行。相比之下，Visa 連接近 14,500 家金融機構，並每年處理數千億筆交易。這種規模差距是 Visa 戰略理由的核心：將 BioCatch 平台整合進 Visa 的價值加值服務業務，可加速行為生物辨識防護在更多銀行與商家的普及。該價值加值服務部門負責詐騙防制、資安與分析服務，一直是 Visa 成長最快的業務之一，突顯出安全之外的商業動機。

此交易預計在 Visa 2027 財年第二季結束前完成，仍須監管核准。除 24 億美元現金收購價外，未披露其他財務條款。在公告附帶的說明中，BioCatch 表示加入 Visa 將使其在全球詐騙增加的情況下擴大影響力，並指出業界目前正失守：詐騙損失的數量與金額、騾子帳戶數量以及受害者人數在許多地區年年增加。

從技術角度看，將 Visa 的交易層級遙測資料與 BioCatch 的裝置與互動層級行為訊號結合，可為機器學習模型產生更豐富的詐騙訊號集。交易速率、商家類別變化與異常支付模式提供一維的偵測；疊加像是打字節奏與觸控壓力等行為特徵，則增加了正交資料，可能較不易被通用自動化工具模擬。然而，在全球規模實施此類能力會帶來隱私、資料治理、跨司法管轄法規以及模型對抗性強健性等挑戰。

隱私與法規遵循將是關鍵考量。行為生物辨識涉及處理細緻的互動資料，可能具敏感性，不同司法管轄區對生物辨識、定性輪廓與自動化決策有不同規範。Visa 與 BioCatch 需展示強有力的保障措施——例如資料最小化、在可行情況下的匿名化、透明的同意模式與嚴謹的治理——以避免法律與聲譽風險。成功部署也需要向客戶與合作夥伴清楚說明使用了哪些行為訊號以及如何保護這些資料。

在運作上，將 BioCatch 整合到 Visa 的服務中需要謹慎工程設計，以維持延遲與使用者體驗。詐騙偵測系統常在近即時運作以避免中斷合法交易；加入行為分析不得引入過多摩擦。同樣地，誤判（將合法使用者錯誤標示為可疑）會損害客戶體驗並侵蝕信任，因此校準閾值與建立人工介入的審查流程將十分重要。

在經濟面，該收購凸顯大型支付公司透過將安全能力商品化、作為賣給銀行與處理機構的價值加值服務來創收的趨勢。對 Visa 而言，擴展這些服務可讓收入多元化，不僅限於交換費，並利用其在資料與分銷上的規模。對銀行而言，從主要網路供應商取得先進偵測工具，是在不建立等同內部能力下加強防禦的吸引選項。

總而言之，Visa 以 24 億美元購得 BioCatch，表明其有實質押注：行為生物辨識若與廣泛的交易可見性結合，能實質降低 AI 驅動詐騙的影響。如果能成功克服監管障礙與技術整合挑戰，此舉可幫助遏止部分與詐騙及帳戶接管相關的龐大經濟損失，同時擴大 Visa 的服務項目。

關鍵見解表

後續……

展望未來，支付基礎建設與行為安全的交會指向數個值得進一步探討的領域。企業應投資於能保護行為分析的隱私保護方法，例如端側處理與差分隱私，以降低敏感訊號的集中暴露風險。針對行為模型的對抗性韌性研究亦很重要：隨著攻擊者採用 AI，防禦模型必須經過測試並強化以對抗合成或模擬的互動模式。

跨司法管轄區的生物及行為資料監管框架也將是實現大規模部署同時保護消費者權利的關鍵。標準化的同意做法、對自動決策的透明說明與可稽核性，將有助於在這些工具變得更普及時維持公眾信任。最後，網路、銀行與技術供應商之間的合作——共享匿名化的威脅情報與最佳實務——能建立比孤立努力更有效的集體防禦。

簡言之，將豐富的行為訊號與廣泛的交易可見性結合，具備降低詐騙的潛力，但要負責任地做到這點，需技術創新、嚴謹治理與國際合作。