當反詐主戰(zhàn)場來到金融行業(yè)，大模型會變成銀行的「殺手锏」嗎？

文 | 周天財經(jīng)

周天財經(jīng) 原創(chuàng)出品

隨著國家力量重拳出擊，電詐空間正在被嚴重擠壓，但犯罪團伙不斷轉(zhuǎn)移向真空地帶，詐騙劇本推陳出新，形勢依然不可掉以輕心。

市面上已經(jīng)出現(xiàn)了一些針對特定人群的垂直細分劇本：

最近有律師發(fā)現(xiàn)：有人自稱是美國律師寫郵件給中國律師，說美國有一筆遺產(chǎn)無人認領(lǐng)，特邀一同瓜分這筆錢，其中行業(yè)術(shù)語專業(yè)，援引法條準確，令人細思極恐。

有小微企業(yè)主收到短信，說其工商年報異常，需要立刻更正，要求其在給定的網(wǎng)址里輸入銀行賬號密碼。還有差旅人士收到陌生來電，說航班取消，請立刻申請退款，并要求用戶下載一個經(jīng)偽裝后的錄屏軟件，按要求輸入賬號密碼才能領(lǐng)取航班補償。

一個個的個案，匯集成了參差多態(tài)的騙局，越發(fā)滲入日常生活之中，也越發(fā)垂直精準，千人千面。據(jù)威脅獵人公開的數(shù)據(jù)顯示，2024年共捕獲貸款欺詐攻擊情報414萬條，作惡黑產(chǎn)超過11萬人。中國每年因信貸業(yè)務(wù)欺詐所損失的資金高達上千億元。AB貸、職業(yè)背債、虛假材料、惡意騙貸、貸款電信網(wǎng)絡(luò)詐騙、惡意逃廢債、身份偽冒等信貸欺詐場景層出不窮，欺詐風(fēng)險形勢繁復(fù)嚴峻。同時，由于真人眾包的作業(yè)模式，導(dǎo)致傳統(tǒng)的應(yīng)對方式面臨識別難度大、誤判率高等多重挑戰(zhàn)。

據(jù)中國公安部公布的數(shù)據(jù)，目前刑事犯罪中約有60%為涉詐案件。最高法副院長李勇不久前也透露另一組數(shù)據(jù)，2024年，全國法院一審審結(jié)電信網(wǎng)絡(luò)詐騙犯罪案件4萬余件，判處8.2萬余名被告人，案件數(shù)和被告人數(shù)同比分別上升29.4%、26.7%。

而由于涉詐案件的最后一環(huán)通常都是銀行的交易或支付系統(tǒng)，這也給金融行業(yè)提出了較大的挑戰(zhàn)。金融機構(gòu)需要在交易的幾十毫秒的時間來判斷。第一，這筆是否屬于涉詐資金需要去阻斷，以及是否存在潛在受害人需要勸阻。在阻斷跟勸阻的同時，還要避免對正常支付結(jié)算過程的打擾，確保服務(wù)質(zhì)量。所以相當于是三重壓力匯聚一點，交易風(fēng)控決策系統(tǒng)要在幾十毫秒之間做出精準的判斷。對于任何主體來說，都承載了艱巨的責(zé)任。

面對金融機構(gòu)的預(yù)防和封堵，犯罪分子除了不斷迭代自身的騙術(shù)、持續(xù)尋找系統(tǒng)漏洞之外，還會在外圍偽裝真實用戶，通過針對各種部門發(fā)起投訴、舉報的方式，妄圖把水攪渾，持續(xù)消耗金融機構(gòu)的應(yīng)對資源。

毫不夸張地說，應(yīng)對詐騙犯罪的主戰(zhàn)場，來到了銀行體系。為此，銀行業(yè)早已在暗中積極行動，他們各顯神通，在尋找破局之道。

工商銀行安全保衛(wèi)部副總經(jīng)理施維透露，工行以AI為基座，建成包含開戶風(fēng)險管理、設(shè)備風(fēng)險監(jiān)測、賬戶風(fēng)險監(jiān)測、風(fēng)險賬戶管控、賬戶額度管理的智能反詐風(fēng)險防控體系。以攔截電信詐騙匯款為例，通過與權(quán)威部門合作，共建電信詐騙黑名單庫，線上渠道7×24小時全天候?qū)崟r預(yù)警和攔截，線下渠道將風(fēng)險提示嵌入業(yè)務(wù)流程中，提示柜面加強審核，阻止不法分子通過柜臺取現(xiàn)轉(zhuǎn)移涉詐資金。截至2024 年中，累計攔截電信詐騙風(fēng)險交易50余萬筆，為客戶避免資金損失超百億元。

新網(wǎng)銀行則把AI技術(shù)深化應(yīng)用到貸款電信網(wǎng)絡(luò)詐騙防控方面，過去一年成功阻斷貸款電信網(wǎng)絡(luò)詐騙案件500余起，攔截詐騙資金超過3400萬元。在數(shù)據(jù)共享及聯(lián)防聯(lián)控方面，新網(wǎng)銀行就通過隱私計算平臺累計提供反詐服務(wù)超過1億次，接入超過10家金融機構(gòu)，累計共享欺詐名單超過5000萬條，并與國家反詐中心實現(xiàn)了無縫對接，日均上報涉詐風(fēng)險數(shù)據(jù)數(shù)萬筆。

中信銀行，則在騰訊云的幫助下，建立了「哨兵」智能反欺詐系統(tǒng)，提升了4倍風(fēng)險事件攔截率，近兩年, 中信識別并攔截電信詐騙事件1700余起, 線下網(wǎng)點勸阻電信詐騙受害人400余次, 全行成功保護2100余名客戶資金2.5億余元;協(xié)助國家和各地方反詐中心開展被詐賬戶保護性止付工作, 已為客戶挽回損失3億余元。與之類似，2025年以來，廣發(fā)銀行智能風(fēng)控系統(tǒng)累計識別并攔截黑產(chǎn)軟件詐騙共計49起，為客戶避免潛在資金損失近千萬元。

但僅靠銀行業(yè)自身的應(yīng)戰(zhàn)，并不足以建立天衣無縫的防護網(wǎng)。比如，有的涉詐案件，就通過線下金條交易繞開銀行支付，更夸張的案例，犯罪分子甚至利用2-3元錢一個的虛擬商品來洗錢。而有的案件則是在移動終端或者通信端「下黑手」，利用惡意軟件錄屏或者偽基站來嗅探用戶密碼和驗證碼，顯然遠遠超出了金融機構(gòu)的能力范圍。

這不是某一家企業(yè)單獨與黑產(chǎn)對抗的戰(zhàn)役。

以詐騙的洗錢銷贓環(huán)節(jié)為例，用一位業(yè)內(nèi)人士的話來說，諸如「話費、水電費低價慢充」、「鮮花、蛋糕藏現(xiàn)金」等手法，就是從壞人「親自」作案，演進到壞人誘騙「好人」參與作案，在「好人」不知情的情況下將其拉入到作案流程中，使其充當施騙或洗錢的關(guān)鍵一環(huán)：詐騙團伙正在以無限趨近于正常人的行為來對抗反詐風(fēng)控規(guī)則。

聯(lián)結(jié)不同部門共建反詐的全生態(tài)防護網(wǎng)，迫在眉睫。

01 正在成型的全生態(tài)反詐鏈

無需悲觀，因為一支覆蓋全生態(tài)的反詐科技力量，正在集結(jié)壯大，打磨出日益完善的反詐風(fēng)控體系，而以此為契機，AI能力等一系列前沿技術(shù)，正在加速滲入金融機構(gòu)的反詐底層能力之內(nèi)。

其中，電信部門已經(jīng)行動起來，提出了前瞻的解決方案，在2025年騰訊云城市峰會中，眾多算法科學(xué)家和工程師聚在一起商討對策，形成行業(yè)共識。我們就注意到，來自運營商代表隊的天翼支付數(shù)科事業(yè)部副總裁、翼支付區(qū)塊鏈研究院院長賀偉分享了其所在機構(gòu)的進展，他們用區(qū)塊鏈和隱私計算技術(shù)來增強不同機構(gòu)之間的信息互通，從而實現(xiàn)多方之間的實時化聯(lián)防聯(lián)控。

賀偉說，過去，存在著多方之間的高敏感數(shù)據(jù)如何互通和歸結(jié)聯(lián)合計算這個難題。按照傳統(tǒng)的技術(shù)模式，出于合規(guī)要求，各家銀行之間的這種涉詐數(shù)據(jù)不能實現(xiàn)直接互通的。但區(qū)塊鏈和隱私計算出來之后，就有機會把各家商業(yè)銀行以及公安人民銀行之間的數(shù)據(jù)進行一個「可用而不可見」的有效打通，最終實現(xiàn)反詐資金的高效追溯。

騰訊云天御金融風(fēng)控高級產(chǎn)品專家郭俊翔則發(fā)現(xiàn)，把AI大模型引入反詐過程，會產(chǎn)生奇效：從后端模型防守來看，反詐風(fēng)控模型本身的建立需要大量數(shù)據(jù)來做訓(xùn)練，從數(shù)據(jù)到特征再到模型的過程。業(yè)界普遍使用基于表格統(tǒng)計特征的樹模型作為風(fēng)控模型，這一方法對特征工程的要求較高，需要人工分析規(guī)律來形成特征向量，且效果上限明顯。

而有了AI大模型助力，可以穿透詐騙黑產(chǎn)的海量多模態(tài)迷霧，隨詐騙手法翻新自適應(yīng)提取特征，更前置更全面捕捉詐騙分子從施詐初期就留下的蛛絲馬跡；同時大幅提高特征工程的效率，訓(xùn)練模型的時間從幾個月、幾天縮短到現(xiàn)在的幾小時以內(nèi)。

從效果來看，基于上述實踐建立的金融反詐風(fēng)控體系，可幫助金融機構(gòu)更精準研判異常賬戶可疑交易，同時提前阻斷更多涉詐風(fēng)險，實現(xiàn)對「便民利民」與「風(fēng)險防控」的統(tǒng)籌兼顧。且模型效果上限隨著海量多模態(tài)數(shù)據(jù)的持續(xù)擴充而無限提升，這樣建立的模型可隨詐騙手法的日新月異而不斷進化，在與詐騙持續(xù)的對抗中保持穩(wěn)固效果。

而在相對靠前的環(huán)節(jié)，可充分利用DeepSeek等大模型的優(yōu)勢，從海量非結(jié)構(gòu)化信息中快度提煉關(guān)鍵要點并給出科學(xué)有效且通俗易懂的決策建議，例如整理最近集中出現(xiàn)的詐騙案例，讓大模型抽絲剝繭找到詐騙話術(shù)的典型套路與關(guān)鍵破綻，反向形成防騙技巧與勸阻話術(shù)，第一時間向社會公眾廣泛宣傳，用技術(shù)跑贏電詐；此外，大模型能讓冷冰冰的客服勸阻變得「有溫度」。過去對于被騙群眾的勸阻和保護，更多靠純?nèi)斯贤▉韺崿F(xiàn)，如今，大模型能快速接入最新的詐騙威脅情報與反詐經(jīng)驗知識庫，并根據(jù)被騙受害人的風(fēng)險狀態(tài)實時決策反饋，采取更具有引導(dǎo)性、易接受、更明確、更具有共情力的方式勸阻被騙受害人，提升勸阻有效率，切實保護人民群眾錢袋子安全。

其中，有一些金融機構(gòu)的試水，已經(jīng)頗有成效。

02 金融機構(gòu)快速構(gòu)建AI能力

在這個反詐生態(tài)的背后，實際上恰好也為我們提供了一個切口，能完整地觀察AI能力在銀行體系的快速構(gòu)建過程。

比如，新網(wǎng)銀行引入了多模態(tài)聯(lián)合推理框架，突破傳統(tǒng)單模態(tài)風(fēng)控局限，其應(yīng)用精細化程度，為單模型、融合模型、多模態(tài)綜合模型的效果對比，多重模型方法交叉比對，提供了可落庫的數(shù)據(jù)支撐。同時，首創(chuàng)圖像、語音、行為流、關(guān)系網(wǎng)絡(luò)的多模態(tài)欺詐識別算法，欺詐攔截率提升5%。

快速迭代模型和應(yīng)用的機制，能自適應(yīng)自動識別新型欺詐手法，并將應(yīng)對時間降低至準實時。針對同類場景的多模型調(diào)用需求，通過聚合接口將串行模型調(diào)用簡化為并行模型調(diào)用，有效降低了模型調(diào)用失敗帶來的系統(tǒng)影響，同時，模型管理層面實現(xiàn)了大接口的單獨管理，顯著降低了模型管理成本，相關(guān)算法及技術(shù)方案已獲得授權(quán)專利累積64篇。

這些技術(shù)，背后很大程度上融合了騰訊云MaaS金融風(fēng)控創(chuàng)新能力，天御金融風(fēng)控大模型集成了大模型、遷移學(xué)習(xí)和蒸餾學(xué)習(xí)等技術(shù)，融合了多模態(tài)金融風(fēng)控數(shù)據(jù)與知識的生成式智能風(fēng)控模型。從而重塑了「模型對抗」的新型反欺詐業(yè)務(wù)中臺，建立了跨業(yè)務(wù)場景的多模態(tài)風(fēng)控知識庫，能有效識別信貸欺詐、騙貸并顯著縮短建模周期。傳統(tǒng)風(fēng)控模型從入場到上線通常需要兩周，而雙方聯(lián)合構(gòu)建的金融風(fēng)控大模型僅需兩天。此外，相較于傳統(tǒng)方案，該模型在區(qū)分度和KS指標上提升了20%。

值得一提的是，這套全自動化信貸反欺詐多模態(tài)智控平臺，融合了騰訊云的多項核心能力：第一，業(yè)界最全面、最鮮活的黑灰產(chǎn)庫。在過去20多年，騰訊成功識別出超過十億個與黑產(chǎn)相關(guān)的工具網(wǎng)站、APP、各類欺詐賬號、可疑設(shè)備以及異常網(wǎng)絡(luò)IP環(huán)境的風(fēng)險要素信息，形成了國內(nèi)最大最全的黑灰產(chǎn)知識圖譜數(shù)據(jù)庫，覆蓋欺詐黑產(chǎn)、行為畫像、屬性類別、行為序列、關(guān)聯(lián)網(wǎng)絡(luò)、投機套現(xiàn)等維度大數(shù)據(jù)。

第二，騰訊擁有覆蓋全鏈路的精準反欺詐及風(fēng)險管理模型。根據(jù)實踐顯示，騰訊云的反欺詐模型識別欺詐人群能力（KS）領(lǐng)先同行業(yè)20%-40%，同時顯著提升風(fēng)控效率，精準率可達到70%，欺詐用戶召回率超過50%。同時，騰訊天御通過將用戶社交關(guān)系、用戶賬號屬性以及用戶網(wǎng)絡(luò)行為等信息編碼為自然語言，并通過騰訊云大模型庫挖掘embedding的方式成功衍生下游特征1000余維，這些騰訊獨特的特征能力可以在包括反欺詐、申請準入、在貸監(jiān)控、存量運營等風(fēng)控各環(huán)節(jié)發(fā)揮作用，向銀行提供全鏈路的金融風(fēng)險管理模型。

最終，技術(shù)創(chuàng)新也將帶來反詐的模式創(chuàng)新：新網(wǎng)銀行智能多模態(tài)信貸反欺詐防控平臺采用了全新的反欺詐解決方案，實現(xiàn)了從單一數(shù)據(jù)源到多模態(tài)數(shù)據(jù)融合的轉(zhuǎn)變，引入反饋閉環(huán)和自適應(yīng)學(xué)習(xí)優(yōu)化機制，實現(xiàn)從被動防御到主動學(xué)習(xí)的轉(zhuǎn)變。同時，該平臺還具備可復(fù)制、可推廣的特點，能為更多金融機構(gòu)提供全面、智能、高效的反欺詐解決方案。

實際上，抵御欺詐既是一種履行社會責(zé)任的擔(dān)當，也有助于降低資損，提升利潤和客戶滿意度。對于當下金融行業(yè)面臨的復(fù)雜環(huán)境，就變得尤為有意義。這些年中小銀行業(yè)績承壓，又承擔(dān)巨大的社會責(zé)任，利潤就需要借助創(chuàng)新的風(fēng)險應(yīng)對舉措一點一點「摳出來」。

特別是，風(fēng)險防控也需要與便民利民相平衡。不少用戶一度發(fā)現(xiàn)，自己不常用的銀行卡或支付賬戶，可能會被暫時凍結(jié)，或者支付流程變得較為繁瑣，需要線下面簽解除控制和限額。為此，中國人民銀行高度重視「資金鏈」精準治理，按照「精準研判、精細操作、精確打擊」總要求，指導(dǎo)商業(yè)銀行、支付機構(gòu)統(tǒng)籌做好涉詐風(fēng)險防控和優(yōu)化服務(wù)工作。郭俊翔團隊在某銀行試點后發(fā)現(xiàn)，基于AI大模型構(gòu)建的天御「智能解提」模型與銀行現(xiàn)有處置運營策略相結(jié)合，能夠幫助銀行自動處置70%以上的用戶解控提額申請。使得該行用戶正常合理的用卡取款支付需求得到了最大化滿足，同時也為該行反詐運營團隊減少了七成以上的處置運營壓力。上述實踐使得賬戶解控后涉詐案發(fā)率低于萬分之一，試點至今無一例解控后涉案與用戶投訴。有效保護人民群眾資金安全與合法權(quán)益，充分便利人民群眾用卡取款支付需求，踐行科技向善，也為該銀行贏得了良好客戶口碑。

03 反詐未來篇章：AI能力的高強度終極對決

金融機構(gòu)的AI能力在快速提升，但犯罪團伙的技術(shù)和工具也在突變之中。我們獲悉，有逐漸增多的黑產(chǎn)團隊開始雇傭計算機人才來破解安全防護網(wǎng)，尋找漏洞來伺機作案，因而進入「高強度攻防」的階段。

同時，AI換臉、AI合成聲音和篡改聊天對話，偽造票據(jù)、收據(jù)的深度偽造詐騙類型在與日劇增?！冈p騙分子頻繁利用AI換臉、加密通信等技術(shù)實施精準詐騙，防范打擊難度越來越大?！菇衲陜蓵陂g，最高法刑事審判第三庭庭長陳鴻翔在接受專訪時如此表示。

我們能夠看到一條清晰的詐騙范式演變：

從釣魚郵件、虛假投資平臺為主要媒介的數(shù)字化詐騙，進入到了AI驅(qū)動智能詐騙時代。詐騙手段從傳統(tǒng)的「冒充公檢法」「刷單返利」向AI換臉擬聲、虛擬貨幣洗錢等智能化、跨境化方向演變。例如，詐騙分子通過加密軟件遠程操控設(shè)備，利用虛擬貨幣結(jié)算，極大增加了偵破難度。

反詐的主戰(zhàn)場來到金融，而高強度對抗的主戰(zhàn)役來到了AI能力，我們能看到的是，金融機構(gòu)有意愿也有能力，在與互聯(lián)網(wǎng)平臺的通力合作優(yōu)勢互補之下，共同構(gòu)筑起技術(shù)屏障，來面對這場漫長艱辛的持久戰(zhàn)，相信，取得反詐戰(zhàn)爭的決定性拐點，就在眼前了。

*僅介紹公司，不構(gòu)成推薦股票的建議