Fingerprint 今日宣布，其嫌疑评分（Suspect Score）解决方案新增 AI 驱动推荐功能。公司称，该功能面向其客户提供可基于自有标注数据训练的自适应欺诈评分能力，以提高检测准确性，同时保持评分机制的透明度与可控性。

Fingerprint 表示，传统静态评分模型难以及时应对更动态、且针对特定流量形态演化的欺诈模式；同时，欺诈团队往往缺乏持续分析信号交互并调整模型权重的时间与资源。通过 AI 驱动推荐，团队可减少手动调优工作，使检测策略更快适配不断变化的威胁。

Fingerprint 首席技术官兼联合创始人 Valentin Vasilyev 在声明中表示，不同业务面临的欺诈模式存在差异且持续变化，依赖人工调参已难以满足需求；AI 驱动推荐可基于每位客户的标注数据进行训练，从而提升嫌疑评分的可定制性与准确性，并降低使用门槛。

在产品层面，Fingerprint 指出，复杂的 AI 代理与机器人可能绕过静态检测模型，带来新的风险；与此同时，合法用户对 VPN 等隐私工具的使用增加，也提高了传统信号加权的难度。为此，公司称其增强版嫌疑评分依托一套生产级机器学习系统，并以 Smart Signals（实时设备智能洞察）为基础提供欺诈指标。

根据介绍，企业的欺诈与安全团队可上传标注的欺诈数据，用于训练机器学习系统，使其适配自身流量模式，并在威胁演变过程中持续优化。Fingerprint 表示，更新后的嫌疑评分可对客户数据与 Smart Signals 进行分析，生成更符合客户特定欺诈模式的信号权重；并可依据客户欺诈数据中观察到的模式调整权重，以减少误报并保持准确性。此外，系统会在客户应用更改前提供推荐预览，便于用户在调整前获得完整可见性并保留控制权。

Fingerprint 还称，随着欺诈手法变化，组织可使用最新数据对评分模型进行重新训练，以确保检测结果与实际欺诈行为保持一致。

公司表示，AI 驱动的嫌疑评分推荐功能现已向所有拥有 Smart Signals 访问权限的 Fingerprint 客户开放，现有客户可通过 Fingerprint 仪表盘训练定制评分模型。