随着金融服务线上化、智能化程度不断提升，金融黑灰产的技术手段也在快速演变。AI在提升金融服务效率的同时，也被部分黑灰产用于生成虚假材料、深度伪造面签视频等欺诈活动，金融反欺诈正在进入更加复杂的技术攻防阶段。

近日，

清华大学经济管理学院中国金融研究中心、四川省反诈中心、新网银行、新华财经联合发布《中国中小微企业信贷黑灰产乱象与AI防控研究报告》，报告指出，金融黑灰产已“从作坊式走向工业化，从单点攻击走向全链条协同”。

黑灰产加速全链条演化

根据报告，2014年至2018年，中小微企业信贷黑灰产以伪造纸质材料、内外勾结等方式为主，呈现较为零散的人工造假特征；2019年至2022年进入数字化赋能阶段，PS伪造电子凭证、批量获取企业数据等手段开始出现，黑灰产团伙分工更加明确；2023年以来，随着生成式AI等技术快速发展，AI生成虚假报表、深度伪造面签视频等新型手段出现，并与骗贷、洗钱、恶意逃废债等行为交织。

报告发布现场，专家表示，金融黑灰产正在“从作坊式走向工业化，从单点攻击走向全链条协同”，传统依赖人工经验和固定规则的风险防控模式面临新的挑战，金融机构需要加快从被动防御向主动治理转型。

报告认为，在中小微企业信贷场景下，当前AI防控仍面临数据时效不足、数据来源和结构非标准化、数据碎片化等挑战，难以形成完整的企业风险画像，由此带来“识人难、识团伙更难”的风控难题。

新网银行反欺诈专家表示，金融黑灰产借助AI已全面步入“工业化”阶段，具体体现在三个维度：手法上，从“手工伪造”升级为“智能生成”；规模上，从“零星案件”膨胀为“千亿级产业链”；组织形态上，从“散兵游勇”升级为“工业化流水线”。

AI反欺诈加快升级

针对不断变化的黑灰产手段，报告提出AI防控体系的三项核心原则。

一是坚持“数据+业务”双轮驱动，融合内外部多元数据与业务理解，并贯穿特征构建、模型训练和迭代优化全过程；二是强化穿透式识别，通过知识图谱、关联分析、图神经网络等技术，挖掘实际控制人、隐性关联方及团伙关系，还原潜在欺诈链条；三是建立实时响应和动态迭代机制，通过效果监控、预警反馈和策略调整形成闭环，使防控能力能够伴随黑灰产手段变化持续演进。

陆瑶指出，随着技术持续进步，金融风控正在经历从无监督异常发现、监督学习实时决策，到强化学习和多模态智能理解的持续升级。“大模型正将风控从‘规则驱动’推向‘认知驱动’，让AI不仅能识别风险，还能够进一步理解风险逻辑、预判潜在风险。”

基于上述思路，报告进一步提出涵盖数据采集、特征工程、模型算法、决策执行和持续进化的五层AI防控架构，通过多源数据整合、风险标签构建、机器学习及知识图谱等技术应用，将风险识别、决策执行与动态优化贯通起来。

这一体系也体现出金融反欺诈技术路径的变化：面对由AI加速演化的黑灰产，仅依靠静态规则进行“事后拦截”已经难以满足需求，风险防控正在向实时识别、关联分析和主动预警延伸。

有待形成协同治理机制

报告同时指出，金融黑灰产已呈现跨平台、跨机构、链条化发展的特点，其治理难以依靠单一金融机构或单一技术手段完成，需要形成更加系统的协同治理机制。

在技术层面，应进一步深化AI与数据融合，持续提升风险发现和预警能力，让风险防控更加前置；在制度层面，应推动相关规则与新型欺诈手段相适应，进一步夯实治理基础；在生态层面，则需要加强多主体联动，在风险信息、技术能力、治理经验以及公众教育等方面形成合力。

有业内人士认为，在AI平权的时代，面对金融黑灰产，防御者必须建立比攻击者更快的迭代能力、更广的协同网络和更深的技术理解。随着新网银行等金融机构持续深化与学界、业界及监管部门的协同联动，以AI对抗AI，以数据洞察风险，以系统治理应对系统挑战，将为守护中小微企业信贷安全、推动普惠金融高质量发展贡献力量。