來源：華夏時報

　　近日，記者在短視頻平臺搜索“債務”，出現了“停息掛賬”“債務逾期法務咨詢”“債務重組”“債務協商靠譜嗎”這樣的標簽。刷著刷著，還看到“借錢不用還”“怎么協商還款”“如何退利息”之類的視頻。這些內容與金融黑灰產關系密切，它們利用消費者對債務處理的迫切需求，通過非法手段進行欺詐。

　　當前，金融機構正利用大模型，來識別和防范金融黑灰產活動。例如，通過分析聲紋、GPS地址、背景圖片相似度等多維度信息，判斷和防范金融黑灰產行為。

　　12月3日，南開大學金融學教授田利輝對《華夏時報》記者表示，金融大模型在打擊黑灰產方面發揮著重要作用，其具備強大的數據處理、模式識別和智能決策能力。通過技術創新和跨行業合作，金融大模型不僅提升了金融安全防護能力，也為金融行業的穩定與安全提供了新的解決方案。

　　素喜智研高級研究員蘇筱芮也對本報記者表示，金融大模型在金融風險管理中的應用已經進入到了縱深階段，其中的對抗學習技術對打擊黑灰產而言，能夠為傳統金融風控提質增效，同時也能夠針對AI時代黑灰產的升級，預計后續將有更多持牌機構加入到AI升級的浪潮中來。

　　個性化分期還是非法代理維權？

　　記者咨詢了某停息掛賬服務商，對方稱自己做的是“個性化分期協議”，無論是信用卡還是網貸都能和平臺協商，兩年內不催收、不起訴，到期還本金。某信貸平臺用戶稱，因為害怕被催收、被起訴，輕信了停息掛賬差點遭遇詐騙，如果“被收割”那真是太慘了。

　　有從業者分析道，很多負債人自己不會協商或者害怕和平臺協商，覺得自己欠錢理虧，這時候網上或者短視頻上又出現了很多“能人異士”，聲稱可以幫忙協商，許多人沒有充分了解就匆忙支付了費用。這些所謂的中介會要求用戶提供敏感的個人信息和電話卡，不僅增加了用戶受到詐騙的風險，也可能導致個人信息被濫用，而這就是典型的金融黑灰產。

　　金融黑灰產是指利用非法手段牟取利益，行走在法律邊緣，或者有明顯違反法律法規的一整套攪亂金融市場秩序的“產業鏈”，包括“非法代理維權”“反催收”“有組織逃廢債”“惡意投訴”“征信修復”“非法代理退保”等。

　　具體來看，代理人在開展業務期間常以兜售“債務優化”和“征信修復”等話術引流獲客，一旦獲得委托便歪曲消費者權益保護相關法律法規，以非法手段獲取或冒用債務人信息、捏造或虛構債務人需求、偽造或變造虛假材料，并持續向金融機構、監管部門或行業機構施以威脅、恐嚇，進而以不正當債務減免和賠償為條件，迫使機構妥協，達到其非法獲利的目的。

　　自2021年起金融黑灰產快速發展，增長了10倍之多，造成財產損失達百億級。馬上消費聯合西南政法大學發布的《中國金融黑灰產治理研究報告》顯示，根據威脅獵人安全研究員調研統計發現，2023 年互聯網黑灰產從業人數持續上升，從業人員數量達到587.1萬，較 2022年上升141%，而煽動教唆的“非法代理維權”活動參與人員有幾百、上千萬，造成財產損失達數百億級。

　　與此同時，隨著人工智能的發展，大模型生成式AI也給金融安全帶來了巨大挑戰，假單據、假人臉、假數據等現象頻出。有媒體報道，根據香港警方披露，一家跨國公司香港分部的職員受邀參加總部首席財務官發起的“多人視頻會議”，按照高管們的安排，先后15次將2億港元轉到指定的賬戶。沒承想，其他“參會人員”都是經過AI換臉后的詐騙人員。

　　為了應對這些挑戰，監管機構強調了提高金融抗風險能力的重要性。今年1月，國家數據局等部門聯合印發的《“數據要素×”三年行動計劃（2024—2026年）》指出，提高金融抗風險能力，推進數字金融發展，在依法安全合規前提下，推動金融信用數據和公共信用數據、商業信用數據共享共用和高效流通，支持金融機構間共享風控類數據。發揮金融科技和數據要素的驅動作用，支撐提升金融機構反欺詐、反洗錢能力，提高風險預警和防范水平。

　　未來或可建立職業投訴人黑名單

　　在整治金融黑灰產方面，金融大模型發揮著關鍵作用。通過提高反洗錢和反欺詐準確性，大模型強化了金融機構的風控能力，促進了數據共享，加強了金融機構間的聯合攻防，進一步提升風險防范水平。

　　馬上消費常務副總經理蔣寧提到，馬上消費日前升級的天鏡大模型 2.0 版本，針對安全隱患專門研發了對抗學習技術，將多模態的技術進行深度融合，把聲音、文字、視頻等多維度信息整合，構建對抗學習防偽新體系，提升金融安全防護能力。

　　“在打擊金融黑灰產方面，大模型采用了多項大模型技術。利用聲紋識別技術記錄并分析個體的聲音特征，當發現聲音特征發生變化時，我們便有理由懷疑這可能不是本人的行為。此外還會綜合考慮多個因素，如GPS地址的集中度、背景圖片的相似度、WIFI名稱的一致性以及語言的生物特征信息，通過這些多維度數據構建起多模態的大模型，用以判斷黑灰產行為的可能性。”蔣寧介紹道。

　　田利輝認為，金融大模型通過整合聲音、文字、視頻等多維度信息，構建了多模態的識別系統，提升了對黑灰產行為的識別和打擊能力。這種多模態識別系統能夠更準確地判斷黑產行為，為金融安全提供了新的技術支撐。另外通過對抗學習技術，金融大模型將多模態技術深度融合，構建了全新的對抗學習防偽新體系，使得金融大模型能夠更有效地識別和防御新型欺詐手段。

　　大模型訓練過程中，如何確保數據安全？加密、對抗訓練和聯邦學習等技術，幫助在保護用戶隱私的同時，利用數據來訓練和優化大模型。此外，金融機構還建立了數據隱私評估和保護模型、機制，實施安全認證，保護金融領域的敏感數據。

　　在業內看來，金融機構未來可引入聲紋聚類等技術，更準確地識別出重復投訴的客戶。客服團隊根據聲音特征將投訴電話歸類，并結合投訴的具體內容進行深入分析，辨別出可能存在的惡意投訴行為，并加入“職業投訴人黑名單”。與此同時，對于沒有被標記且不存在其他業務風險的普通用戶，機構則會將其納入“正常客戶白名單”，有助于金融機構更有效地區分不同類型的投訴者，優化異常投訴的處理。

　　一方面，對于監管而言，可以利用黑名單數據，更準確地區分惡意投訴者與真正消費者，據此制定合理管理策略。另一方面，對金融機構來說，通過識別黑灰產組織及共享黑名單信息，能有效打擊非法活動，保障業務穩定和市場秩序。

海量資訊、精準解讀，盡在新浪財經APP

責任編輯：曹睿潼