一、项目背景及目标

随着数字金融和移动支付的蓬勃发展，电信网络诈骗等非法活动日益猖獗，严重威胁金融安全和民众财产安全，新型诈骗手段层出不穷，对银行的风险防控能力提出了更高要求。在此背景下，加强银行业反诈能力建设，从账户管理全生命周期角度出发，排查存量风险，防范增量风险，势在必行。

本项目致力于构建高效、智能的风险防控体系。首先，搭建“事前预防+事中监控+事后处置”全链路反诈模型体系，在事前阶段根据账户风险实施差异化管理，在事中阶段精准识别并拦截风险交易，在事后阶段通过闭环优化机制持续提升模型效能；其次，打造“精准”风险管理策略，在事前分级限额适配风险等级，在事中监测闭环处置，在事后补救查漏补缺，形成“事前分级、事中精准、事后补漏”的全链路风险防控体系；最后，推进大模型创新应用，创新性地将大语言模型与机器学习模型结合，构建“模型分析-特征挖掘-报告生成”的全流程解决方案，通过SHAP（SHapley Additive exPlanations）可解释性算法精准定位风险特征，并利用大语言模型生成结构规范、表述专业的反诈案例报告，显著提升分析效率与模型可解释性。通过技术创新与业务融合，实现了风险预警与实时交易监控，及时干预诈骗行为，从源头守护客户资金安全，践行金融机构社会责任。

二、创新点

（一）业务创新点

本项目的核心目标是聚焦区域性银行反电诈工作的痛点，精准匹配区域性银行及其客户的核心需求，构建“社会价值+行业价值”的双重实现路径。

从需求层面来看，区域性银行面临多重压力：其一，风控体系相对薄弱、反诈资源有限，正承受电诈账户从国有大行外溢的冲击；其二，在履行反电诈社会责任过程中，需平衡反诈管控与客户体验，同时承担持续攀升的反诈成本，压力显著；其三，区域性银行服务的特定客群（以老年人、退休群体为典型）风险意识较弱，易成为诈骗分子目标，且此类客群对账户使用便捷性需求较高，对过度管控导致的正常金融需求受阻易产生投诉。

针对上述需求，本项目的业务创新体现在：

1.破解区域性银行资源约束下的反诈困局

为区域性银行提供适配其资源禀赋的轻量化、高效化反诈方案，助力其提升风控效率、降低反诈成本，减少因过度管控引发的客户流失，在履行社会责任的同时保障自身业务可持续性，针对性解决其风控能力不足却需承担外溢压力、反诈成本高、管控与体验难以平衡等痛点。

2.平衡守护客户的账户安全与满足客户的便捷需求

通过精准识别诈骗风险而非“一刀切”管控，化解老年人等群体“易遭诈骗”与“正常用卡受限”的矛盾，在筑牢账户安全防线的同时，保障特殊卡种使用便捷性，避免因风控过严影响基本生活资金周转，让安全与便捷并行。

3.优化服务，提升投诉处理的精准与效率

纵向贯通全链路防控信息，针对电话坐席在受理客户投诉时面临的风险判断能力不足、申诉处理效率偏低等问题，通过技术手段生成措施建议，助力坐席快速响应并高效解决客户因管控措施引发的申请诉求，提升服务体验。

本项目以区域性银行履行社会责任为核心抓手，同步化解社会层面电诈资金链治理难题与行业层面“管控-体验”失衡痛点，实现对不同用户主体需求的精准匹配。

（二）技术创新点

本项目的核心目标为：运用人工智能技术，全面提升银行反电诈防范能力。通过机制设计与算法技术融合，强化防御体系效能，打造“三步走”实施路径：一是模型建设，搭建“事前+事中+事后”全流程反诈模型体系；二是策略贯通，打造“精准”风险管理策略；三是技术探索，推进大模型创新应用。

图1.反电诈流程图

本质上，项目通过业务策略设计串联多个模型，形成“事前-事中-事后”全链路反电诈体系，反电诈流程如图1所示，全链路反电诈体系建设如图2所示。通过全链路反电诈机制设计，旨在有效增强涉诈风险识别的前瞻性、提高涉诈识别的准确性，保障业务稳健发展。

图2.“事前-事中-事后”全链路反电诈体系

1.诈骗发生前的预防阶段：风险前置预判

构建分类分级模型，基于多源数据开展全面分析，结合行业现状与专家经验制定分级分类策略，实现个人与单位账户存续分类分级，通过账户得分实施差异化管理，并将事前风险预估结果传递至事中环节。

2.诈骗正在发生时的干预阶段：交易精准拦截

构建实时监测模型和准实时机器学习模型，结合事前风险预估，基于交易环节中黑样本风险特性，结合实时交易流水建立交易事中规则，实现风险防控从“事后追溯”向“事中拦截”的前移，完善交易环节的实时风险防控能力；同时，挖掘风险特征表现，提取特征建立账户流水级指标，构建个人账户准实时机器学习模型，准确、精细化识别出涉诈风险，在交易层级进行风险交易识别和拦截，达成全渠道准实时防控覆盖。

3.诈骗发生后的处置与分析阶段：闭环迭代、团伙挖掘与大模型创新应用

实现风险闭环优化。构建事后模型，一方面进行高覆盖率的事后处置和可疑账户分析，深入分析公安和监管部门下发的涉案黑名单，基于可疑账户特征剖析电信网络诈骗的新型作案模式，总结可疑账户行为与交易行为的异常风险新特征，搭建个人账户事后机器学习模型及单位账户事后专家规则；另一方面，将挖掘出的可疑账户特征反哺至事前、事中模型，形成“识别-处置-优化”的循环迭代机制。

开展团伙风险挖掘。依托图数据库，基于图谱算法构建团伙挖掘模型，既用于对已确认可疑账户的事后分析，又可针对团伙中关联出的其他潜在风险账户进行事前预测，通过黑名单数据关联分析，辅助业务人员进行可疑团伙分析，完成个人及单位账户的事后团伙挖掘，实现风险的源头追溯与扩散防控。

大模型驱动业务效率提升。为有效解决机器学习模型分析结果的落地应用与后续处置，北京农商银行创新地构建了“模型分析-特征挖掘-报告生成”的全流程解决方案，如图3所示，以机器学习模型的分析结果为核心输入，通过大语言模型自动生成反诈案例报告。该方案提升了模型可解释性与人工分析效率，一方面，采用机器学习领域广泛应用的SHAP可解释性算法，通过对可疑样本全部特征的SHAP值进行计算，精准定位对样本分类结果贡献度最高的TOP N个关键特征；另一方面，将这些关键特征及其对应特征值作为输入，结合大语言模型的语义理解与文本生成能力，对特征含义、异常模式及风险指向展开多维度综合分析，最终生成结构规范、表述专业的反诈案例报告。

图3.“模型分析-特征挖掘-报告生成”的全流程解决方案

三、项目技术方案

（一）系统业务架构

系统支持模型全生命周期的建设与管理，涵盖从数据准备到模型部署管理的全过程。数据准备阶段，完成数据的接入、清洗与特征构建；模型开发阶段，可选择合适的算法，支持自动化建模、可视化建模以及Notebook专业编程三种方式，实现模型训练、评估与调优；模型训练完成后，可在模型服务模块进行部署发布，而后进行统一的生产运行管理。整体系统业务架构如图4所示：

图4.系统业务架构-业务侧自助建模平台功能架构及模型建设流程图

（二）系统应用架构

业务侧自助建模平台作为模型训练与运行的核心平台，与多个系统存在紧密交互。首先，平台依托数据湖提供数据沙箱，整合来自多个业务系统、数据仓库以及外部数据仓库数据源，构建统一的模型数据底座；反电诈模型完成训练后，批量任务模型部署于平台内部运行，模型结果输出至相关业务系统进行应用；实时决策类事中风控模型，部署于支持流式计算的实时交易风险监测平台，接入实时交易报文，进行实时风险判断，同时，可通过CDC数据复制技术将数据准实时同步，支持更丰富的数据指标加工。系统间关联关系如图5所示：

图5.系统应用架构-系统间关联关系图

（三）系统数据架构

数据是反电诈模型建设的基础，依托数据湖积累的内外部数据，构建“数据层-指标层-模型层”分层架构，实现数据统一管理与高效流转。数据层整合业务系统与外部数据源，通过数据沙箱实现安全合规使用；指标层基于清洗、聚合生成风险特征指标；模型层构建覆盖事前、事中、事后的风险防控模型体系，形成闭环处置机制。系统数据架构如图6所示：

图6.系统数据架构-“数据层-指标层-模型层”层级架构

（四）系统技术架构

1.业务侧自助建模平台技术架构

业务侧自助建模平台AI模块和图谱模块，使用K8S集群、Docker容器技术搭建微服务架构，应用Kafka消息队列、Nacos注册中心配置中心、Harbor镜像仓库、Minio对象存储、Prometheus监控、Bcs缓存中间件、Ocean Base数据库构建系统基础底座。其中AI模块应用Python框架作为模型服务运行底座，使用Hadoop大数据组件作为数据沙箱；图谱模块使用TuGraph图数据库作为图分析平台。架构图如7、图8所示：

图7.系统技术架构-业务侧自助建模平台AI模块

图8.系统技术架构-业务侧自助建模平台图谱模块

2.反电诈模型技术架构

在反电诈模型构建方面，采用集成学习LightGBM算法进行机器学习建模，以提升诈骗识别的准确性与效率；在图分析中，使用Louvain算法进行社区发现，挖掘潜在的团伙结构；在反诈案例报告生成中，使用Qwen模型，提升报告生成智能化、自动化程度。反电诈模型设计图如图9所示。

图9.系统技术架构-反电诈模型设计图

（五）系统安全架构或安全管控机制设计

1.密码技术：前后端接口传参中密码加密、数据库存储平台用户密码均使用国产密码算法。

2.身份鉴别：在一定时间内，如果用户没有任何操作，则将该用户的会话状态置为失效，提示用户重新登录才可使用。

3.访问控制：角色功能权限完全可配置，角色操作权限完全可配置；对于用户数据，基于项目维度进行控制，同项目下数据记录才可共享后进行操作。

4.日志安全：基于项目和角色控制平台应用日志和业务任务日志，只有同一项目下且授予角色功能权限后，才可查看到日志。

5.数据安全性和个人信息保护：平台基于项目维度进行控制，只有在同一项目下才可操作数据；数据展示进行敏感信息脱敏；建模中需使用非脱敏数据的，严格遵守行内数据恢复流程与要求，视模型要求不同遵循最小化使用脱敏数据的原则。

6.资源控制：系统中发起建模、批量预测、模型监控等任务时，是通过在K8S环境中启动pod实现的，通过控制pod可用最大CPU核数、内存进行资源限制。

对应架构图如图10所示：

图10.系统安全架构

四、运营情况

本项目以人工智能为核心驱动力，将反电诈全链路防控体系深度嵌入银行的数字化运营架构，形成“事前预警—事中阻断—事后追溯”的闭环业务体系。在应用与推广上体现出如下优势：

1.实用性：显著的风险成本节约效应、客户黏性与信任度提升

通过多维度风险画像、机器学习精准识别、图谱识别可疑关系链、毫秒级实时交易拦截等核心能力，项目能够在诈骗资金完全转移前阻断交易，有效降低因诈骗造成的直接经济损失及后续赔付、诉讼等间接成本。

在金融行业中，客户信任感是核心竞争力之一。人工智能反电诈体系可扩展模型实现受害人保护策略，为客户构建“资金安全屏障”，尤其在高净值客户与数字化普惠金融客户中，能够显著提升安全感与忠诚度，安全感提升将直接降低客户流失率，延长客户生命周期价值，同时增加交叉销售与综合金融服务的机会，推动整体收入增长。

2.适用性：区域性银行防范电信网络诈骗的可复制的解决方案

2024年12月，电信诈骗团伙突破原有事中风控规则后，涉案账户数量呈现大幅增长：2024年12月至2025年4月，涉案账户数增幅达255%。经分析，诈骗分子集中利用北京农商银行养老助残卡“高交易限额+老年客群风险识别弱”的双重特征，通过该卡种快速转移涉案资金。

为应对这一风险，北京农商银行于2024年底启动全行账户分级风控升级：2024年12月账户分类分级模型上线试运行，基于机器学习对全量账户进行风险画像，识别异常账户特征。2025年4月准实时拦截模型落地，采用微批次识别的方式对可疑交易精准拦截，贯通“监测-管控-止损”闭环链路，有效阻断涉案交易并留存资金。2025年5月完成全行账户动态分级应用部署，封堵诈骗资金通道。

2025年5月起，涉案账户得到有效控制，涉案账户数呈现断崖式下降，7月较4月涉案账户峰值数量下降91%；2026年2月，新增涉案账户较峰值降幅达96%。为区域性银行防范电信网络诈骗提供可复制的解决方案。

图11为北京农商银行2024年12月-2025年7月涉案账户数量趋势图。

图11.北京农商银行涉案账户数量趋势图

五、项目成效

（一）经济效益

本项目聚焦人工智能在反电信网络诈骗中的全链路应用，旨在提升风险识别的准确性与时效性，有效遏制电信网络诈骗行为，保障客户资金安全，维护金融秩序和社会稳定。该项目本身不直接产生经济效益，但通过强化风险防控能力，已取得显著的社会效益，具体如下：

1.协助资金返还，减少客户损失

2025年，北京农商银行通过对可疑账户实施限制非柜面交易等管控措施，已协助有权机关完成受害人资金返还800余笔，涉及资金6500余万元，有效挽回群众财产损失，切实守护了群众的“钱袋子”。

2.降低风险成本，节约潜在损失

项目构建的反电诈模型体系显著提升了涉案账户识别与拦截效率，2025年7月涉案账户数量较4月峰值下降91%，有效遏制了诈骗资金的转移，减少了因诈骗造成的潜在经济损失。

3.提升客户信任与满意度

通过构建资金安全屏障，增强了客户对北京农商银行的信任感和满意度，有助于提升客户黏性、延长客户生命周期，间接推动综合金融服务的增长。

综上所述，本项目虽无直接经济收益，但其在风险防控、客户保护、社会信任、数字化转型等方面的贡献，具有重要的战略意义和长远价值。

（二）社会效益

在普惠金融领域，项目聚焦于精准识别诈骗账户，从源头减少诈骗资金流转，为小微主体、个体工商户等普惠客群筑牢资金安全防线：对已识别的诈骗账户实施交易限额、转账阻断等控制措施，能显著降低诈骗资金规模化流转风险，减少普惠客群（尤其是个体工商户、农村经营者）因资金被骗导致的经营中断问题。这不仅直接提升了金融机构对普惠客群的服务信心——诈骗账户识别能力增强后，银行对小微账户的风险容忍度可适度提升，间接推动普惠信贷投放增加，扩大服务覆盖面；更通过控制诈骗资金链路，让金融活水更安全地流向实体经济末梢，助力稳定经营、保就业民生，切实推动普惠金融“量增质优”。

在养老金融领域，针对守护银发群体的“钱袋子”，项目在“养老项目投资骗局”“保健品诈骗”等典型场景，构建基于老年用户行为特征识别模型规则，实现对高风险交易的毫秒级拦截。项目可通过适老化交互设计和实时风险预警，将老年人资金损失率降低，直接响应《关于发展银发经济增进老年人福祉的意见》中“强化养老金融风险防控”的要求。

项目与国家战略深度协同，严格对标国务院《关于做好金融“五篇大文章”的指导意见》，在普惠金融领域强化“信易贷”、“一链一策”等政策落地保障，在养老金融领域助力个人养老金产品推广。同时，通过数字化反诈手段减少纸质宣传材料使用，间接支持“双碳”目标，符合ESG（环境、社会、治理）可持续发展要求。

六、经验总结

本项目构建了高效、智能的风险防控体系。通过技术创新与业务融合，实现了风险预警与实时交易监控，及时干预诈骗行为，从源头守护客户资金安全，践行金融机构社会责任，具有良好的推广前景与社会价值，其提供的反电诈实践路径具备良好的可迁移性，为行业风险防控提供了有益参考。