IBM：洞察先機防患未然：基于人工智能的電話反欺詐行動指南（8頁）.pdf

1、IBM 商業價值研究院 專家洞察 洞察先機 防患未然 基于人工智能的 電話反欺詐行動指南 掃碼關注 IBM 商業價值研究院 官網微博微信微信小程序 吳大維 IBM GBS CBDS團隊 副合伙人 主題專家 錢雪瑩 IBM GBS CBDS團隊 高級數據科學家 郝希蓓 IBM GBS CBDS團隊 資深數據科學家 王莉 IBM 商業價值研究院 高級咨詢經理 楊杭 IBM GBS CBDS團隊 人工智能解決方案負責人 首席業務咨詢顧問 高康睿 IBM GBS CBDS團隊 高級數據科學家 何佳惠 IBM GBS CBDS團隊 高級數據科學家 談話要點 數據技術聯動，完善預警系統 數據驅動，技管結合

2、，不斷提升及時預警電信 詐騙行為的能力。 明確建設方向，開展省級試點 對各省電信運營商而言，電信反欺詐發力的重 點不同，應根據自己的需要確定實施路線。 挖掘欺詐套路，建立長效機制 挖掘欺詐分子常用的欺詐套路，洞察先機，防 患于未然，將變化多端的欺詐套路扼殺在搖籃 之中。 知己知彼，百戰不殆 一通電話、一條短信，一個鏈接，一不小心，錢可能就沒了； 欠費了、 中獎了、 退稅了、 口罩來了， 電信詐騙的騙術層出不窮。 尤其是在 2020 年上半年，受疫情影響，就業壓力加大，有 的資金短缺的用戶，被貸款詐騙；有的找不到工作的用戶， 被兼職刷單詐騙；一些經常網購的用戶，被冒充客服和虛假 購物詐騙；一些有

3、投資意愿的用戶，被引誘參與虛假投資理 財和網絡賭博；冒充公檢法實施的詐騙案件也時有發生。 1 公安部通報，2019 年全國共破獲電信網絡詐騙案件 20 萬 起、抓獲犯罪嫌疑人 16.3 萬人，同比分別上升 52.7%、 123.3%。1 2020年上半年全國共破獲電信網絡詐騙案 件 10.1 萬起，抓獲犯罪嫌疑人 9.2 萬名，同比分別上升 73.7%、78.4%。2 詐騙電話的治理已成為電信運營商不可忽視的工作重點。雖然 三大運營商也都進行了詐騙活動識別的探索，但因其復雜性， 仍是電信行業的頑疾之一： 詐騙內容花樣繁多，嚴重影響用戶滿意度。疫情期間“新熱點+ 舊詐騙手法”的出現也告訴我們，與

4、詐騙內容的對抗將是一場 持久而關鍵的戰斗。如何在覆蓋現有詐騙方式的基礎上，利用 數據與 AI 技術的力量，與時俱進，及時有效地識別新的詐騙 內容? 現有的分析手段效果不佳。傳統的黑名單模式的時效性和準確 率不足，且需要持續運維投入，難以及時有效地識別并干預 電話詐騙行為。如何加大對電話渠道的監控，實現聯動分析， 及早識別并預警勸阻？ 整體解決方案不清晰，不知從何入手。反欺詐領域的技術能力 已初步形成，如何綜合成本、反欺詐準確率、法律風險、處理 能效等關鍵要素，形成整體的解決方案？ 2020 年 8 月 19 日工信部印發了關于運用大數據推進防范 治理電信網絡詐騙長效機制建設工作方案。方案明確，

5、 按照“整體推進、分步實施、數據驅動、技管結合、務求實效” 的總體思路，堅持數據融合、數據驅動和數據共享，加快推進 大數據反詐長效機制建設。3 電信運營商應充分利用手中的通信渠道和通信內容等數據資 源，結合 AI 分析手段，建立和完善電信反欺詐預警系統，不 斷提升精準預警盡早干預的能力，以最大程度降低用戶損失， 提升用戶滿意度。 使用基于話單分析的反 欺詐技術，分析通話號 碼主叫、被叫、時長、 頻率等構成的行為模式， 判斷號碼是否為欺詐號碼。 使用旁路監聽的方式 對實時音頻流做分析， 針對人的聲紋和語言 的意圖對來電進行詐 騙判斷。 使用旁路錄音的方式 對音頻流進行記錄， 當通話結束后， 對錄

6、音數據進行處理 和反欺詐識別。 離線反哺方案在線實時方案離線準實時方案 2 這三種主流的反欺詐方案，各有優劣，電信運營商可以根據 自身的需求進行選擇： 優勢劣勢 離 線 反 哺 方案 - 充分利用電信大數 據優勢，在防止區 域性欺詐風險上起 到很好的作用 - 對詐騙行為的反饋 較慢 在 線 實 時 方案 - 及時干預， 及時止損 - 與其他兩種方案相 比，技術難度最大 - 需考慮系統的并發 性和穩定性 離 線 準 實 時方案 - 與在線實時相比， 該場景下，人工智 能模型可根據完整 對話內容進行判斷， 可提高識別準確率 - 錄音文件的存儲與 處理需要大量的硬 件資源 在與電信運營商的合作過程中

7、，我們發現離線方案反應較慢， 無法及時止損，事后欺詐分子轉移較快；在線實時反欺詐可 形成電信服務產品，供個人進行開通選擇，避免法律風險。 鑒于以上原因，電信運營商紛紛開始實時電話反欺詐建設。 詐騙電話識別與干預 人工智能在反欺詐領域的技術能力已經初步形成并在生產應 用中不斷迭代更新。在電話反欺詐建設領域，需要考慮以下 四點： 綜合成本：包括軟件成本（反欺詐平臺）、硬件成本等 反欺詐準確率：要求在盡可能抓住壞人的同時盡量少的冤枉 好人 法律風險：在法律支持的數據、操作范圍內進行處理，不觸 犯紅線 處理能效：滿足一定量的并發能力支撐以及平臺橫向擴展要 求以及滿足單次判斷處理時間要求 然而，目前不存

8、在滿足綜合成本、反欺詐準確率、法律風險、 處理能效四個關鍵要素的完美解決方案。業界方案普遍需要 在關鍵要素中取舍平衡。 目前主流方案分為三種：離線反哺方案、在線實時方案、離 線準實時方案（見圖1）。 圖 1 三種主流反欺詐方案 3 某電信運營商識別發現最新欺詐 套路 4 2020 年的疫情對經濟造成了嚴重影響。在經濟下行的同時， 欺詐分子也蠢蠢欲動。某電信欺詐頻發省份，據統計，在疫 情最嚴重的 1-3 月，電話欺詐成功率高達 18%。 該省公安、電信運營商與 IBM 合作，利用 IBM 復雜欺詐套 路識別資產，從 20 萬余通疑似欺詐的電話中，半自動化挖掘 出 10 種頻繁出現的典型欺詐話術套

9、路。典型欺詐套路示例如 圖 2 所示。 我們發現，該欺詐套路在某市頻繁出現，有理由懷疑手機號 139XXXX、130XXXX、132XXXX、134XXXX 是同一個欺 詐團伙，建議作進一步核實。 另外，我們發現欺詐分子往往冒充某國家機構（如通信管理 局），且污蔑對方通過手機號或微信號倒賣高價口罩。故而 可以預測，未來，欺詐分子可能會在更多的國家機構名以及 倒賣其他某種緊缺商品上做文章。 該欺詐套路的挖掘，一方面，用于提高反欺詐模型對未出現 的欺詐電話有更穩定的識別準確率；另一方面，補充到欺詐 套路庫，當類似欺詐正在進行時，匹配到該欺詐套路，推送 至公安進行進一步審查核實。 欺詐話術套路分析與

10、洞察 在電信反欺詐領域，與短信欺詐、網絡欺詐相比，電話欺詐 的核心在于復雜的欺詐話術套路能迷惑人心。所謂的欺詐話 術套路，是指欺詐分子在電話中首先說了什么方面的內容， 然后又說了什么方面的內容，接著又采取了什么樣的話術技 巧迷惑對方，直至最后成功拿到對方關鍵信息。正是套路的 復雜性，容易讓人上當受騙。 實際上，電話反欺詐并不是一個新鮮的課題，一些電信運營 商在過去多年通過敏感關鍵詞列表（如“我是公安局的”） 等方式也進行過嘗試。 根據 IBM 多年反欺詐的經驗，電信欺詐分子常以團伙的形式 出現，欺詐分子集中培訓欺詐話術套路。故而，欺詐分子可 在同一個欺詐話術套路下通過變換關鍵詞等繞開此反詐機制

11、。 同時，因為語音轉寫質量的問題，往往個別錯別字的出現， 也會造成此反詐機制失效。電信運營商通過人力維護更新反 詐關鍵詞列表費事費力且反應滯后。 因此，對頻繁出現的欺詐套路進行挖掘，不但能夠揭露隱藏 的欺詐團伙， 同時， 將這些典型的欺詐套路加入反欺詐機制中， 也可以增加欺詐分子未來欺詐的難度。 除了已發現的復雜欺詐套路外，IBM 發現，欺詐分子也在原 有的話術套路上迭代更新使套路更復雜。通過對欺詐套路的 分析，還可以提前洞察未來欺詐套路的可能變化，提前預防。 基于過去多年在電信行業與金融行業的反欺詐經驗，IBM 建 立起了一套獨有的復雜欺詐套路識別資產?？蓮暮Ａ康钠墼p 電話記錄中快速給出頻繁

12、出現的復雜欺詐套路。 139XXXX 130XXXX 132XXXX 134XXXX 這里是 通信管理局 公安局刑偵大隊 互聯網舉報中心 你微信號 你手機號 賣高價口罩 詢問二維碼 詢問身份證 詢問個人信息 圖 2 典型欺詐套路示例 4 某電信運營商搭建電話實時反詐 平臺，識別詐騙電話，解決社會 難題 5 某省作為全國經濟大省，飽受電信詐騙所擾。2019 年該省 的詐騙案件數量、被騙金額總量均為全國第一。由于詐騙問 題存在已久，該省電信運營商大數據中心已于 2016 年推出 天盾服務用于詐騙電話識別，但詐騙問題仍然嚴峻。 電話欺詐分子極其狡猾，騙取錢財后迅速轉出，給公安等機 關追查造成了很大的

13、困難，該電信運營商與 IBM 合作，建立 在線實時智能反欺詐平臺，利用人工智能技術，實時識別欺 詐分子；同時，為了避免法律風險，平臺將電話內容遮掩， 只將欺詐摘要信息實時反饋給公安機關單位，助其提升詐騙 案件監管力度與執行效率。 該項目旨在降低詐騙成功率，重點進行實時詐騙行為攔截， 確保在詐騙分子成功實施詐騙之前， 完成詐騙判斷、 通話攔截、 受騙勸阻的過程。利用 AI 技術解決社會難題，實現企業社會 責任感。 目前平臺在試運行階段，對欺詐電話的識別準確率達到 95% 以上，對欺詐通話與欺詐手機號判斷準確性顯著提升，并通 過 24 小時監控干預，自動掛斷與警示功能直達潛在受害人， 成功降低區域

14、詐騙成功率 50%，提升了社會公信力。 電話反欺詐行動指南 結合 IBM 在反欺詐的經驗， 我們總結出四條關鍵的建設指南， 供電信運營商參考。 1. 明確反欺詐建設方向 在電話欺詐高發的省份，建議電信運營商與公安、通信管理 局充分做好反欺詐建設的溝通。根據公安和通信管理局的要 求進行建設。同時，對反欺詐模型的要求應遵循“盡量在不 冤枉好人的情況下抓住壞人“這一原則，減少對正常電話的 干擾。 若公安選擇電話欺詐監測但事后核實查證再采取行動，對反 欺詐模型的要求應遵循“可以暫時冤枉一批好人，但應盡量 覆蓋更多的壞人”的原則。此原則保證了在事后的檢查證核 實中，“好人”會被排除掉，而“壞人”可以一網

15、打盡。 另外，欺詐分子往往不會只嘗試一次就停止欺詐行為。而且 電信欺詐往往以團伙的形式存在。離線的大數據結合人工智 能可以對實時反欺詐起到很好的反哺作用。通過電話主叫被 叫大數據記錄，可以構建人際關聯網絡，挖掘出欺詐分子、 騷擾者等。 2. 保護個人隱私是應盡的義務和責任 反欺詐的建設，往往繞不開對個人隱私保護這一大前提。保 護個人隱私不但要滿足監管機構的要求，而且，從架構設計 的角度，也不允許設計任何數據庫來留存數據。當通話內容 經過 AI 模型判斷是否欺詐后就會自動丟失，不會保留下來， 從而實現對個人隱私的保護。技術測試成熟后，反欺詐業務 可作為一項訂購業務，由用戶自己進行選擇是否打開反欺

16、詐 功能。 75036175CNZH-015 3. 高質量的語音轉寫是高效識別欺詐的必要條件之一 當前， 主流的語音轉寫提供商多是在極其理想的環境 （無噪聲、 標準普通話等）下測試語音轉寫質量。但這樣的假設往往不 現實。當在真實外部世界中，并且有較嚴重口音的情況下， 語音轉寫質量就會大打折扣，甚至出現轉寫出來的絕大多數 內容都是錯別字，人類無法理解。 IBM 建議，在當地口音較嚴重的省份，語音轉寫提供商應根 據運營商的要求，在真實的環境中完成測試，優化語音轉寫 質量。 甚至在有的省份， 各地級市各區縣也有不同的方言口音。 即使在同一個省，也因根據地區的不同，進行語音轉寫質量 的優化工作。 4.

17、 豐富的反欺詐模型構建經驗是項目成功的必要保證 在電話反欺詐領域，往往極少量欺詐樣本隱藏在海量普通的 通話樣本中，利用人工逐條聽錄音并不現實，這就對建模效 果造成了很大的挑戰。對此，數據科學家應結合自然語言處 理手段與外部公開數據，將那些極少量的欺詐樣本挖掘出來， 形成建?；A。 另外，數據科學家應對電信反欺詐有深刻的理解和認識，利 用 AI 技術更好地識別出欺詐分子的復雜欺詐套路。所謂“魔 高一尺，道高一丈”，欺詐與反欺詐永遠是在相互博弈的過 程中進化。故而，反欺詐系統應形成定期迭代更新機制，能 夠識別最新的欺詐套路。 需要思考的重要問題 在電話反欺詐領域，貴企業遇到了哪些問 題或挑戰？ 您

18、打算如何構建反欺詐平臺？ 您是否打算聯手經驗豐富的合作伙伴，加 速向前推進？ 備注和參考資料 1. 熊豐，“2019 年全國共破獲電信網絡詐騙案件 20 萬起， 抓獲犯罪嫌疑人 16.3 萬人”，新華網， c_1125491558.htm 2. 朱紫陽，“公安部：上半年全國共破獲電信網絡詐騙案 件 10.1 萬起”，人民網， n1/2020/0728/c42510-31800812.html 3. “關于運用大數據推進防范治理電信網絡詐騙長效機制建 設工作方案”，工業和信息化部，http:/www.miit.gov. cn/n1146285/n1146352/n3054355/n3057724

19、/ n3057728/c8056526/content.html 4. IBM案例研究 5. IBM案例研究 選對合作伙伴，駕馭多變的世界 在 IBM，我們積極與客戶協作，運用業務洞察和先進的研究 方法與技術，幫助他們在瞬息萬變的商業環境中保持獨特的 競爭優勢。 IBM 商業價值研究院 IBM 商業價值研究院 (IBV) 站在技術與商業的交匯點，將行 業智庫、主要學者和主題專家的專業知識與全球研究和績效 數據相結合，提供可信的業務洞察。IBV 思想領導力組合包 括深度研究、 專家洞察、 對標分析、 績效比較以及數據可視化， 支持各地區、各行業以及采用各種技術的企業做出明智的業 務決策。 訪問I

20、BM商業價值研究院中國網站，免費下載研究報告 Copyright IBM Corporation 2020 IBM Corporation 國際商業機器中國有限公司 北京市朝陽區北四環中路 27 號 盤古大觀寫字樓 25 層 郵編：100101 美國出品 2020 年 10 月 IBM、IBM 徽 標、 和 Watson 是 International Business Machines Corp. 在世界各地司法轄區的注冊商標。 其他產品和服務名稱可能是 IBM 或其他公司的商標 。以下 Web 站點上的“Copyright and trademark information” 部 分 中

21、包 含 了 IBM 商 標 的 最 新 列 表： copytrade.shtml。 本文檔為自最初公布日期起的最新版本，IBM 可隨時對其進 行修改。IBM 并不一定在開展業務的所有國家或地區提供所 有產品或服務。 本文檔內的信息“按現狀”提供，不附有任何種類（無論是 明示還是默示）的保證，包括不附有關于適銷性、適用于某 種特定特定用途的任何保證以及非侵權的任何保證或條件。 IBM 產品根據其提供時所依 據協議條款和條件獲得保證。 本報告的目的僅為提供通用指南。它并不旨在代替詳盡的研 究或專業判斷依據。由于使用本出版物對任何組織或個人所 造成的損失，IBM 概不負責。 本報告中使用的數據可能源自第三方，IBM 并不獨立核實、 驗證或審計此類數據。此類數據使用的結果均為“按現狀” 提供，IBM 不作出任何明示或默示的聲明或保證。