新聞宏觀經濟FraudNet 獲選為 Gartner®《2026 年詐騙與金融犯罪防護技術成熟度曲線》樣本供應商

FraudNet 獲選為 Gartner®《2026 年詐騙與金融犯罪防護技術成熟度曲線》樣本供應商

作者: Globalfintechseries·

重點速覽

  • •FraudNet 獲選為 2026 年 7 月 27 日發布的 Gartner《2026 年詐騙與金融犯罪防護技術成熟度曲線》中「用於詐騙偵測的自監督式學習」項目的樣本供應商。
  • •該項目聚焦於自監督式學習,此機器學習技術讓模型從未標記資料中產生訓練訊號,而非完全依賴人工標記的範例。
  • •FraudNet 將此次入選歸因於其在機器學習方面的持續投入,該機器學習旨在隨詐騙模式演變而調整,並將此方法定位為即時詐騙偵測與防護的核心。
  • •FraudNet 的單一平台結合即時詐騙防護、AML 合規以及 KYC/KYB 功能,旨在保護支付完整性,同時降低正當客戶所遇到的摩擦。
  • •樣本供應商的定位僅是將一家公司列為項目中的範例,並不代表 Gartner 的背書、評級、分數或排名。
FraudNet 獲選為 Gartner®《2026 年詐騙與金融犯罪防護技術成熟度曲線》樣本供應商

FraudNet 是一個 AI 原生的詐騙防護、反洗錢(AML)合規以及認識客戶/認識企業(KYC/KYB)平台,該公司宣布已獲選為 Gartner®《2026 年詐騙與金融犯罪防護技術成熟度曲線》(Hype Cycle™ for Fraud and Financial Crime Prevention, 2026)中「用於詐騙偵測的自監督式學習」項目的樣本供應商。該報告於 2026 年 7 月 27 日發布。

Gartner 技術成熟度曲線是描繪特定領域內技術成熟度與採用情況的研究出版物,「樣本供應商」的定位是將一家公司列入個別項目所引用的範例之中。根據 Gartner 的免責聲明,此類收錄並不構成對任何供應商、產品或服務的背書。FraudNet 出現的該項目涵蓋自監督式學習,這是一種機器學習方法,模型可從未標記資料中產生訓練訊號,而非僅依賴人工標記的範例。

該公司表示,此次入選反映出其在機器學習方面的持續投入,此機器學習旨在隨詐騙模式變化而調整——該公司將此方法定位為即時詐騙偵測與防護的核心。

FraudNet 執行長暨共同創辦人 Whitney Anderson 表示:「詐騙防護團隊每季面對的威脅樣貌都不同,他們需要能夠跟上步伐的技術。我們專注於協助組織即時攔阻詐騙,同時不為其服務的對象增加摩擦,我們也感謝讓這項工作得以實現的客戶與團隊成員。」

FraudNet 的 AI 原生平台提供即時的詐騙、風險與合規解決方案,該公司表示這些解決方案協助組織保護支付完整性,同時降低正當客戶所遇到的摩擦。其產品在同一平台內涵蓋詐騙防護、AML 合規以及 KYC/KYB 功能。

對於關注詐騙偵測技術的讀者而言,此公告僅描述樣本供應商的收錄,並不代表該報告中的任何評級、分數或排名。

讀者可前往 Gartner.com 上的報告頁面,進一步了解該報告及其涵蓋內容。有關該平台即時偵測與防護能力的更多資訊,請參閱 FraudNet 網站。

Gartner 免責聲明:Hype Cycle 是 Gartner, Inc. 和/或其關係企業的商標。Gartner 不為其出版物中所述的任何公司、供應商、產品或服務背書,也不建議技術使用者僅選擇評級最高或其他特定認定的供應商。Gartner 出版物的內容為 Gartner 業務與技術研究組織的觀點,不應被解讀為事實陳述。Gartner 對本出版物不作任何明示或默示的保證,包括適銷性或特定用途適用性的任何保證。

本公告最初由 Global FinTech Series 發布。