當反詐主戰場來到金融行業，大模型會變成銀行的「殺手锏」嗎？

文 | 周天財經

周天財經 原創出品

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。

市面上已經出現了一些針對特定人群的垂直細分劇本：

最近有律師發現：有人自稱是美國律師寫郵件給中國律師，說美國有一筆遺產無人認領，特邀一同瓜分這筆錢，其中行業術語專業，援引法條準確，令人細思極恐。

有小微企業主收到短信，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偽裝后的錄屏軟件，按要求輸入賬號密碼才能領取航班補償。

一個個的個案，匯集成了參差多態的騙局，越發滲入日常生活之中，也越發垂直精準，千人千面。據威脅獵人公開的數據顯示，2024年共捕獲貸款欺詐攻擊情報414萬條，作惡黑產超過11萬人。中國每年因信貸業務欺詐所損失的資金高達上千億元。AB貸、職業背債、虛假材料、惡意騙貸、貸款電信網絡詐騙、惡意逃廢債、身份偽冒等信貸欺詐場景層出不窮，欺詐風險形勢繁復嚴峻。同時，由于真人眾包的作業模式，導致傳統的應對方式面臨識別難度大、誤判率高等多重挑戰。

據中國公安部公布的數據，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據，2024年，全國法院一審審結電信網絡詐騙犯罪案件4萬余件，判處8.2萬余名被告人，案件數和被告人數同比分別上升29.4%、26.7%。

而由于涉詐案件的最后一環通常都是銀行的交易或支付系統，這也給金融行業提出了較大的挑戰。金融機構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算過程的打擾，確保服務質量。所以相當于是三重壓力匯聚一點，交易風控決策系統要在幾十毫秒之間做出精準的判斷。對于任何主體來說，都承載了艱巨的責任。

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

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

工商銀行安全保衛部副總經理施維透露，工行以AI為基座，建成包含開戶風險管理、設備風險監測、賬戶風險監測、風險賬戶管控、賬戶額度管理的智能反詐風險防控體系。以攔截電信詐騙匯款為例，通過與權威部門合作，共建電信詐騙黑名單庫，線上渠道7×24小時全天候實時預警和攔截，線下渠道將風險提示嵌入業務流程中，提示柜面加強審核，阻止不法分子通過柜臺取現轉移涉詐資金。截至2024 年中，累計攔截電信詐騙風險交易50余萬筆，為客戶避免資金損失超百億元。

新網銀行則把AI技術深化應用到貸款電信網絡詐騙防控方面，過去一年成功阻斷貸款電信網絡詐騙案件500余起，攔截詐騙資金超過3400萬元。在數據共享及聯防聯控方面，新網銀行就通過隱私計算平臺累計提供反詐服務超過1億次，接入超過10家金融機構，累計共享欺詐名單超過5000萬條，并與國家反詐中心實現了無縫對接，日均上報涉詐風險數據數萬筆。

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，提升了4倍風險事件攔截率，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，廣發銀行智能風控系統累計識別并攔截黑產軟件詐騙共計49起，為客戶避免潛在資金損失近千萬元。

但僅靠銀行業自身的應戰，并不足以建立天衣無縫的防護網。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的能力范圍。

這不是某一家企業單獨與黑產對抗的戰役。

以詐騙的洗錢銷贓環節為例，用一位業內人士的話來說，諸如「話費、水電費低價慢充」、「鮮花、蛋糕藏現金」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鍵一環：詐騙團伙正在以無限趨近于正常人的行為來對抗反詐風控規則。

聯結不同部門共建反詐的全生態防護網，迫在眉睫。

01 正在成型的全生態反詐鏈

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

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

賀偉說，過去，存在著多方之間的高敏感數據如何互通和歸結聯合計算這個難題。按照傳統的技術模式，出于合規要求，各家銀行之間的這種涉詐數據不能實現直接互通的。但區塊鏈和隱私計算出來之后，就有機會把各家商業銀行以及公安人民銀行之間的數據進行一個「可用而不可見」的有效打通，最終實現反詐資金的高效追溯。

騰訊云天御金融風控高級產品專家郭俊翔則發現，把AI大模型引入反詐過程，會產生奇效：從后端模型防守來看，反詐風控模型本身的建立需要大量數據來做訓練，從數據到特征再到模型的過程。業界普遍使用基于表格統計特征的樹模型作為風控模型，這一方法對特征工程的要求較高，需要人工分析規律來形成特征向量，且效果上限明顯。

而有了AI大模型助力，可以穿透詐騙黑產的海量多模態迷霧，隨詐騙手法翻新自適應提取特征，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，訓練模型的時間從幾個月、幾天縮短到現在的幾小時以內。

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

而在相對靠前的環節，可充分利用DeepSeek等大模型的優勢，從海量非結構化信息中快度提煉關鍵要點并給出科學有效且通俗易懂的決策建議，例如整理最近集中出現的詐騙案例，讓大模型抽絲剝繭找到詐騙話術的典型套路與關鍵破綻，反向形成防騙技巧與勸阻話術，第一時間向社會公眾廣泛宣傳，用技術跑贏電詐；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，更多靠純人工溝通來實現，如今，大模型能快速接入最新的詐騙威脅情報與反詐經驗知識庫，并根據被騙受害人的風險狀態實時決策反饋，采取更具有引導性、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，有一些金融機構的試水，已經頗有成效。

02 金融機構快速構建AI能力

在這個反詐生態的背后，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建過程。

比如，新網銀行引入了多模態聯合推理框架，突破傳統單模態風控局限，其應用精細化程度，為單模型、融合模型、多模態綜合模型的效果對比，多重模型方法交叉比對，提供了可落庫的數據支撐。同時，首創圖像、語音、行為流、關系網絡的多模態欺詐識別算法，欺詐攔截率提升5%。

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

這些技術，背后很大程度上融合了騰訊云MaaS金融風控創新能力，天御金融風控大模型集成了大模型、遷移學習和蒸餾學習等技術，融合了多模態金融風控數據與知識的生成式智能風控模型。從而重塑了「模型對抗」的新型反欺詐業務中臺，建立了跨業務場景的多模態風控知識庫，能有效識別信貸欺詐、騙貸并顯著縮短建模周期。傳統風控模型從入場到上線通常需要兩周，而雙方聯合構建的金融風控大模型僅需兩天。此外，相較于傳統方案，該模型在區分度和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智控平臺，融合了騰訊云的多項核心能力：第一，業界最全面、最鮮活的黑灰產庫。在過去20多年，騰訊成功識別出超過十億個與黑產相關的工具網站、APP、各類欺詐賬號、可疑設備以及異常網絡IP環境的風險要素信息，形成了國內最大最全的黑灰產知識圖譜數據庫，覆蓋欺詐黑產、行為畫像、屬性類別、行為序列、關聯網絡、投機套現等維度大數據。

第二，騰訊擁有覆蓋全鏈路的精準反欺詐及風險管理模型。根據實踐顯示，騰訊云的反欺詐模型識別欺詐人群能力（KS）領先同行業20%-40%，同時顯著提升風控效率，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系、用戶賬號屬性以及用戶網絡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、在貸監控、存量運營等風控各環節發揮作用，向銀行提供全鏈路的金融風險管理模型。

最終，技術創新也將帶來反詐的模式創新：新網銀行智能多模態信貸反欺詐防控平臺采用了全新的反欺詐解決方案，實現了從單一數據源到多模態數據融合的轉變，引入反饋閉環和自適應學習優化機制，實現從被動防御到主動學習的轉變。同時，該平臺還具備可復制、可推廣的特點，能為更多金融機構提供全面、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任的擔當，也有助于降低資損，提升利潤和客戶滿意度。對于當下金融行業面臨的復雜環境，就變得尤為有意義。這些年中小銀行業績承壓，又承擔巨大的社會責任，利潤就需要借助創新的風險應對舉措一點一點「摳出來」。

特別是，風險防控也需要與便民利民相平衡。不少用戶一度發現，自己不常用的銀行卡或支付賬戶，可能會被暫時凍結，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，指導商業銀行、支付機構統籌做好涉詐風險防控和優化服務工作。郭俊翔團隊在某銀行試點后發現，基于AI大模型構建的天御「智能解提」模型與銀行現有處置運營策略相結合，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

金融機構的AI能力在快速提升，但犯罪團伙的技術和工具也在突變之中。我們獲悉，有逐漸增多的黑產團隊開始雇傭計算機人才來破解安全防護網，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、收據的深度偽造詐騙類型在與日劇增。「詐騙分子頻繁利用AI換臉、加密通信等技術實施精準詐騙，防范打擊難度越來越大。」今年兩會期間，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字化詐騙，進入到了AI驅動智能詐騙時代。詐騙手段從傳統的「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備，利用虛擬貨幣結算，極大增加了偵破難度。

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

*僅介紹公司，不構成推薦股票的建議