当反诈主战场来到金融行业，大模型会变成银行的「杀手锏」吗？

文 | 周天财经

周天财经 原创出品

随着国家力量重拳出击，电诈空间正在被严重挤压，但犯罪团伙不断转移向真空地带，诈骗剧本推陈出新，形势依然不可掉以轻心。

市面上已经出现了一些针对特定人群的垂直细分剧本：

最近有律师发现：有人自称是美国律师写邮件给中国律师，说美国有一笔遗产无人认领，特邀一同瓜分这笔钱，其中行业术语专业，援引法条准确，令人细思极恐。

有小微企业主收到短信，说其工商年报异常，需要立刻更正，要求其在给定的网址里输入银行账号密码。还有差旅人士收到陌生来电，说航班取消，请立刻申请退款，并要求用户下载一个经伪装后的录屏软件，按要求输入账号密码才能领取航班补偿。

一个个的个案，汇集成了参差多态的骗局，越发渗入日常生活之中，也越发垂直精准，千人千面。据威胁猎人公开的数据显示，2024年共捕获贷款欺诈攻击情报414万条，作恶黑产超过11万人。中国每年因信贷业务欺诈所损失的资金高达上千亿元。AB贷、职业背债、虚假材料、恶意骗贷、贷款电信网络诈骗、恶意逃废债、身份伪冒等信贷欺诈场景层出不穷，欺诈风险形势繁复严峻。同时，由于真人众包的作业模式，导致传统的应对方式面临识别难度大、误判率高等多重挑战。

据中国公安部公布的数据，目前刑事犯罪中约有60%为涉诈案件。最高法副院长李勇不久前也透露另一组数据，2024年，全国法院一审审结电信网络诈骗犯罪案件4万余件，判处8.2万余名被告人，案件数和被告人数同比分别上升29.4%、26.7%。

而由于涉诈案件的最后一环通常都是银行的交易或支付系统，这也给金融行业提出了较大的挑战。金融机构需要在交易的几十毫秒的时间来判断。第一，这笔是否属于涉诈资金需要去阻断，以及是否存在潜在受害人需要劝阻。在阻断跟劝阻的同时，还要避免对正常支付结算过程的打扰，确保服务质量。所以相当于是三重压力汇聚一点，交易风控决策系统要在几十毫秒之间做出精准的判断。对于任何主体来说，都承载了艰巨的责任。

面对金融机构的预防和封堵，犯罪分子除了不断迭代自身的骗术、持续寻找系统漏洞之外，还会在外围伪装真实用户，通过针对各种部门发起投诉、举报的方式，妄图把水搅浑，持续消耗金融机构的应对资源。

毫不夸张地说，应对诈骗犯罪的主战场，来到了银行体系。为此，银行业早已在暗中积极行动，他们各显神通，在寻找破局之道。

工商银行安全保卫部副总经理施维透露，工行以AI为基座，建成包含开户风险管理、设备风险监测、账户风险监测、风险账户管控、账户额度管理的智能反诈风险防控体系。以拦截电信诈骗汇款为例，通过与权威部门合作，共建电信诈骗黑名单库，线上渠道7×24小时全天候实时预警和拦截，线下渠道将风险提示嵌入业务流程中，提示柜面加强审核，阻止不法分子通过柜台取现转移涉诈资金。截至2024 年中，累计拦截电信诈骗风险交易50余万笔，为客户避免资金损失超百亿元。

新网银行则把AI技术深化应用到贷款电信网络诈骗防控方面，过去一年成功阻断贷款电信网络诈骗案件500余起，拦截诈骗资金超过3400万元。在数据共享及联防联控方面，新网银行就通过隐私计算平台累计提供反诈服务超过1亿次，接入超过10家金融机构，累计共享欺诈名单超过5000万条，并与国家反诈中心实现了无缝对接，日均上报涉诈风险数据数万笔。

中信银行，则在腾讯云的帮助下，建立了「哨兵」智能反欺诈系统，提升了4倍风险事件拦截率，近两年, 中信识别并拦截电信诈骗事件1700余起, 线下网点劝阻电信诈骗受害人400余次, 全行成功保护2100余名客户资金2.5亿余元;协助国家和各地方反诈中心开展被诈账户保护性止付工作, 已为客户挽回损失3亿余元。与之类似，2025年以来，广发银行智能风控系统累计识别并拦截黑产软件诈骗共计49起，为客户避免潜在资金损失近千万元。

但仅靠银行业自身的应战，并不足以建立天衣无缝的防护网。比如，有的涉诈案件，就通过线下金条交易绕开银行支付，更夸张的案例，犯罪分子甚至利用2-3元钱一个的虚拟商品来洗钱。而有的案件则是在移动终端或者通信端「下黑手」，利用恶意软件录屏或者伪基站来嗅探用户密码和验证码，显然远远超出了金融机构的能力范围。

这不是某一家企业单独与黑产对抗的战役。

以诈骗的洗钱销赃环节为例，用一位业内人士的话来说，诸如「话费、水电费低价慢充」、「鲜花、蛋糕藏现金」等手法，就是从坏人「亲自」作案，演进到坏人诱骗「好人」参与作案，在「好人」不知情的情况下将其拉入到作案流程中，使其充当施骗或洗钱的关键一环：诈骗团伙正在以无限趋近于正常人的行为来对抗反诈风控规则。

联结不同部门共建反诈的全生态防护网，迫在眉睫。

01 正在成型的全生态反诈链

无需悲观，因为一支覆盖全生态的反诈科技力量，正在集结壮大，打磨出日益完善的反诈风控体系，而以此为契机，AI能力等一系列前沿技术，正在加速渗入金融机构的反诈底层能力之内。

其中，电信部门已经行动起来，提出了前瞻的解决方案，在2025年腾讯云城市峰会中，众多算法科学家和工程师聚在一起商讨对策，形成行业共识。我们就注意到，来自运营商代表队的天翼支付数科事业部副总裁、翼支付区块链研究院院长贺伟分享了其所在机构的进展，他们用区块链和隐私计算技术来增强不同机构之间的信息互通，从而实现多方之间的实时化联防联控。

贺伟说，过去，存在着多方之间的高敏感数据如何互通和归结联合计算这个难题。按照传统的技术模式，出于合规要求，各家银行之间的这种涉诈数据不能实现直接互通的。但区块链和隐私计算出来之后，就有机会把各家商业银行以及公安人民银行之间的数据进行一个「可用而不可见」的有效打通，最终实现反诈资金的高效追溯。

腾讯云天御金融风控高级产品专家郭俊翔则发现，把AI大模型引入反诈过程，会产生奇效：从后端模型防守来看，反诈风控模型本身的建立需要大量数据来做训练，从数据到特征再到模型的过程。业界普遍使用基于表格统计特征的树模型作为风控模型，这一方法对特征工程的要求较高，需要人工分析规律来形成特征向量，且效果上限明显。

而有了AI大模型助力，可以穿透诈骗黑产的海量多模态迷雾，随诈骗手法翻新自适应提取特征，更前置更全面捕捉诈骗分子从施诈初期就留下的蛛丝马迹；同时大幅提高特征工程的效率，训练模型的时间从几个月、几天缩短到现在的几小时以内。

从效果来看，基于上述实践建立的金融反诈风控体系，可帮助金融机构更精准研判异常账户可疑交易，同时提前阻断更多涉诈风险，实现对「便民利民」与「风险防控」的统筹兼顾。且模型效果上限随着海量多模态数据的持续扩充而无限提升，这样建立的模型可随诈骗手法的日新月异而不断进化，在与诈骗持续的对抗中保持稳固效果。

而在相对靠前的环节，可充分利用DeepSeek等大模型的优势，从海量非结构化信息中快度提炼关键要点并给出科学有效且通俗易懂的决策建议，例如整理最近集中出现的诈骗案例，让大模型抽丝剥茧找到诈骗话术的典型套路与关键破绽，反向形成防骗技巧与劝阻话术，第一时间向社会公众广泛宣传，用技术跑赢电诈；此外，大模型能让冷冰冰的客服劝阻变得「有温度」。过去对于被骗群众的劝阻和保护，更多靠纯人工沟通来实现，如今，大模型能快速接入最新的诈骗威胁情报与反诈经验知识库，并根据被骗受害人的风险状态实时决策反馈，采取更具有引导性、易接受、更明确、更具有共情力的方式劝阻被骗受害人，提升劝阻有效率，切实保护人民群众钱袋子安全。

其中，有一些金融机构的试水，已经颇有成效。

02 金融机构快速构建AI能力

在这个反诈生态的背后，实际上恰好也为我们提供了一个切口，能完整地观察AI能力在银行体系的快速构建过程。

比如，新网银行引入了多模态联合推理框架，突破传统单模态风控局限，其应用精细化程度，为单模型、融合模型、多模态综合模型的效果对比，多重模型方法交叉比对，提供了可落库的数据支撑。同时，首创图像、语音、行为流、关系网络的多模态欺诈识别算法，欺诈拦截率提升5%。

快速迭代模型和应用的机制，能自适应自动识别新型欺诈手法，并将应对时间降低至准实时。针对同类场景的多模型调用需求，通过聚合接口将串行模型调用简化为并行模型调用，有效降低了模型调用失败带来的系统影响，同时，模型管理层面实现了大接口的单独管理，显著降低了模型管理成本，相关算法及技术方案已获得授权专利累积64篇。

这些技术，背后很大程度上融合了腾讯云MaaS金融风控创新能力，天御金融风控大模型集成了大模型、迁移学习和蒸馏学习等技术，融合了多模态金融风控数据与知识的生成式智能风控模型。从而重塑了「模型对抗」的新型反欺诈业务中台，建立了跨业务场景的多模态风控知识库，能有效识别信贷欺诈、骗贷并显著缩短建模周期。传统风控模型从入场到上线通常需要两周，而双方联合构建的金融风控大模型仅需两天。此外，相较于传统方案，该模型在区分度和KS指标上提升了20%。

值得一提的是，这套全自动化信贷反欺诈多模态智控平台，融合了腾讯云的多项核心能力：第一，业界最全面、最鲜活的黑灰产库。在过去20多年，腾讯成功识别出超过十亿个与黑产相关的工具网站、APP、各类欺诈账号、可疑设备以及异常网络IP环境的风险要素信息，形成了国内最大最全的黑灰产知识图谱数据库，覆盖欺诈黑产、行为画像、属性类别、行为序列、关联网络、投机套现等维度大数据。

第二，腾讯拥有覆盖全链路的精准反欺诈及风险管理模型。根据实践显示，腾讯云的反欺诈模型识别欺诈人群能力（KS）领先同行业20%-40%，同时显著提升风控效率，精准率可达到70%，欺诈用户召回率超过50%。同时，腾讯天御通过将用户社交关系、用户账号属性以及用户网络行为等信息编码为自然语言，并通过腾讯云大模型库挖掘embedding的方式成功衍生下游特征1000余维，这些腾讯独特的特征能力可以在包括反欺诈、申请准入、在贷监控、存量运营等风控各环节发挥作用，向银行提供全链路的金融风险管理模型。

最终，技术创新也将带来反诈的模式创新：新网银行智能多模态信贷反欺诈防控平台采用了全新的反欺诈解决方案，实现了从单一数据源到多模态数据融合的转变，引入反馈闭环和自适应学习优化机制，实现从被动防御到主动学习的转变。同时，该平台还具备可复制、可推广的特点，能为更多金融机构提供全面、智能、高效的反欺诈解决方案。

实际上，抵御欺诈既是一种履行社会责任的担当，也有助于降低资损，提升利润和客户满意度。对于当下金融行业面临的复杂环境，就变得尤为有意义。这些年中小银行业绩承压，又承担巨大的社会责任，利润就需要借助创新的风险应对举措一点一点「抠出来」。

特别是，风险防控也需要与便民利民相平衡。不少用户一度发现，自己不常用的银行卡或支付账户，可能会被暂时冻结，或者支付流程变得较为繁琐，需要线下面签解除控制和限额。为此，中国人民银行高度重视「资金链」精准治理，按照「精准研判、精细操作、精确打击」总要求，指导商业银行、支付机构统筹做好涉诈风险防控和优化服务工作。郭俊翔团队在某银行试点后发现，基于AI大模型构建的天御「智能解提」模型与银行现有处置运营策略相结合，能够帮助银行自动处置70%以上的用户解控提额申请。使得该行用户正常合理的用卡取款支付需求得到了最大化满足，同时也为该行反诈运营团队减少了七成以上的处置运营压力。上述实践使得账户解控后涉诈案发率低于万分之一，试点至今无一例解控后涉案与用户投诉。有效保护人民群众资金安全与合法权益，充分便利人民群众用卡取款支付需求，践行科技向善，也为该银行赢得了良好客户口碑。

03 反诈未来篇章：AI能力的高强度终极对决

金融机构的AI能力在快速提升，但犯罪团伙的技术和工具也在突变之中。我们获悉，有逐渐增多的黑产团队开始雇佣计算机人才来破解安全防护网，寻找漏洞来伺机作案，因而进入「高强度攻防」的阶段。

同时，AI换脸、AI合成声音和篡改聊天对话，伪造票据、收据的深度伪造诈骗类型在与日剧增。「诈骗分子频繁利用AI换脸、加密通信等技术实施精准诈骗，防范打击难度越来越大。」今年两会期间，最高法刑事审判第三庭庭长陈鸿翔在接受专访时如此表示。

我们能够看到一条清晰的诈骗范式演变：

从钓鱼邮件、虚假投资平台为主要媒介的数字化诈骗，进入到了AI驱动智能诈骗时代。诈骗手段从传统的「冒充公检法」「刷单返利」向AI换脸拟声、虚拟货币洗钱等智能化、跨境化方向演变。例如，诈骗分子通过加密软件远程操控设备，利用虚拟货币结算，极大增加了侦破难度。

反诈的主战场来到金融，而高强度对抗的主战役来到了AI能力，我们能看到的是，金融机构有意愿也有能力，在与互联网平台的通力合作优势互补之下，共同构筑起技术屏障，来面对这场漫长艰辛的持久战，相信，取得反诈战争的决定性拐点，就在眼前了。

*仅介绍公司，不构成推荐股票的建议