作者
中国工商银行软件开发中心总经理助理 温建波
近年来，国家始终将打击治理电信网络诈骗犯罪摆在重要位置，从顶层设计的统筹部署、多部门的协同联动，到制度规范的健全、责任的层层压实，充分彰显了维护人民财产安全的坚定决心。经过多年持续攻坚治理，反诈工作进入深水区，诈骗分子作案手段更加隐蔽、作案链条更加复杂、团伙组织更加专业，防控与打击难度持续加大。传统单点防控已难以应对，如何构建卓有成效的企业级联动机制，成为银行反诈工作的重中之重。
工商银行胸怀“国之大者”，坚持风控强基，积极践行金融工作的政治性、人民性，坚决贯彻落实国家关于打击治理电信网络诈骗的有关要求，充分发挥科技赋能作用。其中，工商银行软件开发中心(以下简称“工行软开”)承担着关键角色，紧紧围绕“主动防、智能控、全面管”的电诈治理路径，依托自主研发的企业级风险决策服务中心(如图1所示)，通过整合全行数据夯实数据基座、融合全类型智能模型形成体系、打通全渠道业务实现业务条线间的联防联控、统揽全流程运营平衡风控与体验，最终构建了全链条、智能化的企业级反诈风险防控体系(以下简称“企业级反诈体系”)，实现对电信网络诈骗的事前精准预判、事中毫秒级拦截、事后高效挽损。
图1 工商银行企业级风险决策服务中心能力示意
近年来，在工行软开技术支撑下，工商银行涉案账户与金额持续压降、预警劝阻成功率全面领跑同业，并率先打通银警数据直连通道，成为首家以最高劝阻等级直接向国家反诈中心报送受害人预警信息的银行，2025年全年累计挽回客户资产损失超77亿元。多项由工行软开主导的技术方案获国家级大奖并在全行业推广，以领先的风控能力，为人民群众筑牢最坚固的金融安全防线，彰显了国有大行的责任担当与金融为民的初心使命。
一、从单领域数据赋能
到全行业要素统筹
在电信网络诈骗日趋产业化、诈骗手段日益隐蔽化的当下，传统反诈模式因数据孤岛、信息割裂等问题，难以应对瞬息万变的风险态势。工行软开依托企业级风险决策服务中心整合贴源数据、客户画像数据、风险共享数据及外部数据，为全域数据提供高效的能力支撑，筑牢安全屏障。
整合贴源数据，夯实反诈基础数据底座。通过企业级风险决策服务中心汇集分散在各业务系统的交易流水、操作日志等业务贴源数据，实现全业务链路数据的统一归集与管理。一方面，还原客户异常行为轨迹，为风险识别提供最直观的数据依据，如偏离历史行为的突发交易等；另一方面，实时接入贴源数据，毫秒级获取最新反诈业务动态，实现欺诈行为的即时感知，筑牢反诈风控第一道数据防线，为后续多维度数据融合分析奠定坚实基础。
整合客户画像数据，实现客户风险精准分层。通过企业级风险决策服务中心整合客户基本属性数据、行为画像数据等多维度标签，构建360度全方位客户风险画像，并通过机器学习算法对客户进行风险等级分层，划分低风险、中风险、高风险客户群体，针对不同等级客户实施差异化风控策略，告别“一刀切”式风控，实现风险精准识别与客户体验平衡。
整合风险共享数据，激活内部风控核心算力。为强化风控协同关键支撑，实现内部风控能力全域复用，通过企业级风险决策服务中心深度对接风险共享数据服务，全面整合存量风险名单、实时风险指标、模型研判结果等数据，打破各业务线风控数据孤立局面。一方面，直接调用风险共享数据，建立成熟风险指标，快速完成对当前业务的风险初判；另一方面，将实时业务数据与中台历史风险数据进行关联分析，识别跨业务、跨账户的关联欺诈风险，如团伙作案、批量欺诈等隐蔽性风险。同时，将自身反诈决策结果同步回流至风险共享数据服务，持续丰富中台风险库，形成内部风控闭环，持续迭代升级整体反诈能力。
整合外部数据，拓展反诈风险识别边界。通过企业级风险决策服务中心持续拓展风险识别范围，构建内外联动的全域反诈数据体系，有效弥补内部数据短板；整合权威机构数据、外部采购数据等多方权威合规数据源，实现内外数据深度融合，其中权威机构数据包括中国人民银行、国家反诈中心共享的涉案账户信息、疑似受害人信息、金融惩戒信息等；外部采购数据与内部业务数据、客户数据深度整合，对客户身份、行为、关联关系进行全方位核验，从而推动反诈防护无死角、全覆盖。
二、从单体智能识别
到体系协同作战
电信网络诈骗作案手法持续迭代、资金流转更加隐蔽，对风险防控精准度、智能化水平提出了更高要求。企业级反诈体系围绕涉诈交易识别核心场景，依托企业级风险决策中心，整合传统专家规则以及人工智能模型，搭建了“交易风险识别—关联关系分析—差异化管控”三层递进式反诈体系模型架构，助力风险识别精准到位、风险挖掘广泛深入、管控措施合理有效，提升风险防控与服务质效。
以多维模型为核心，实现涉诈风险精准识别。工行软开紧扣风险事件研判分析，聚焦高风险客户行为，重构分层分类、场景适配的模型架构树，推动风险识别聚焦要害。在模型建设上，构建“基座+补充+联动”的三位一体识别体系，以人工智能模型为基座，依托深度学习算法挖掘交易时序、行为轨迹、客户投诉等结构化、非结构化数据的价值，实现普遍性、典型性涉诈行为智能识别；以专家规则模型为补充，精准学习长尾案例、小众骗局等低频次高风险特征，消除通用模型覆盖盲区；以外部权威数据为支撑，引入公安涉案信息、反诈共享名单、跨机构风险标签等外部数据，丰富风险特征维度，提高对跨平台涉诈资金链条的穿透识别能力和对风险捕捉的能力。
以知识图谱为支撑，深入挖掘关联风险。传统反诈防控手段已难以精准捕捉风险账户间的隐秘关联，知识图谱技术凭借强大的关联关系构建与深度挖掘能力，成为破解反诈防控难题的关键支撑。企业级反诈体系以涉案账户为核心节点，将交易行为、开户信息等多维数据整合串联，构建了全域化、可视化的反诈风险关联网络。一方面，通过算法精准挖掘账户间资金流转等显性关系，识别并打击与高风险账户存在直接利益关联的潜在风险账户，实现从单点风险识别到全域关联排查的转变；另一方面，依托知识图谱团伙挖掘算法，分析涉案账户社交圈子，挖掘隐性关联关系，提前发现隐匿团伙，变被动处置为主动预警。
以客户画像为依据，实现风险管控精准施策。风险防控既要“防得住”，也要“管得准”。工行软开摒弃粗放式管控模式，推行客户维度差异化管控机制，对不同客户群体实施分类分级管理：对低风险群体，以柔性提醒为主；对中风险群体，以交易核验为主；对高风险群体，从严设置资金管控措施。这种“一户一策、风险适配”的差异化策略，既守住了风险底线，又避免了“一刀切”式管控影响正常金融活动，真正实现了管控措施精准有效、风险处置科学适度。
此外，工行软开通过构建风险评估智能体，运用大模型深度推理与特征归因能力，有效破解传统人工智能模型决策过程不可解释、不可追溯的难题，为后续风险核实及柜员高效处置客户投诉提供更友好、更准确的依据，实现管控“有准度”、服务“有温度”。
三、从单一条线防控
到全集团一体联控
诈骗分子常利用跨场景、跨业务漏洞实施诈骗，单一业务场景防控难以彻底切断风险链条。工行软开构建的企业级反诈体系按照业务场景标准化接入、灵活配置降本、多业务联动防控、统一保障平稳运行的风险防控思路，依托企业级风险决策服务中心整合全量反诈业务场景，实现反诈能力从“单点突破”向“全域协同”跃迁。
场景接入标准化，打破场景与模型的壁垒。通过企业级风险决策服务中心制定了统一的场景接入标准，涵盖数据接口、参数规范等核心要素；对账户注册、交易转账等不同业务场景进行标准化分类，明确各场景接口调用格式及响应时效要求；预设场景接入模板，使新场景、新业务可直接套用并快速完成接入配置，实现反诈模型与业务场景“分钟级”对接，让反诈能力快速渗透到新增业务场景，填补工商银行风险防控的空白，实现反诈能力的规模化、高效化落地。
灵活配置节约成本，助力反诈模型快速布控。企业级风险决策服务中心集成了决策流、策略集、决策树、评分卡、决策表及计算公式等专业规则组件，通过拖拉拽式配置实现分钟级策略快速部署；内置数十种业务规则模板和智能运算函数，依托可视化界面与多维度测试验证体系，打造策略全生命周期的管理闭环，在保障企业级风控专业性的同时，提升策略配置效率与业务敏捷响应能力，实现专业能力标准化、复杂操作简单化，达成专业性与灵活性并重的智能风控目标。
场景间数据互联互通，助力跨业务线合作共赢。企业级风险决策服务中心实现了“一点出险、多业务联动”的防控模式，打破业务场景壁垒，实现风险的全域协同防控，构建无死角的反诈安全网。一方面，从信用、欺诈、洗钱等领域提炼形成千余个跨领域的联防联控风险指标，实现场景间、机构间的风险数据共享；另一方面，支持模型一键共享部署，目前多个反诈底线决策流(特征、模型的集合)已一键部署至十余个业务场景。
统一安全保障，助力风控模型灵活扩展。企业级风险决策服务中心构建了覆盖策略全生命周期的六重安全验证体系：单模型验证确保基础规则模型逻辑正确性，决策流验证保障流程完整性，回溯验证基于历史数据预判效果，旁路验证实现新旧策略无感对比，模拟试运行隔离生产规则测试，训练态验证无感记录分析成效。该体系在保障金融级风控安全的前提下，提供了从逻辑校验到生产验证的渐进式实验方案，既可满足零风险验证要求，又可支持策略成效的多样化评估与持续优化。
四、从传统式涉案周旋
到数字化风险对抗
风控成效稳步提升，依托数据、模型、管控策略三大核心实现精细化运营。数据是基础，通过全方位归集各类风险数据、深挖异常行为特征，搭建全面精准的数据底座。模型是核心引擎，依托海量数据持续迭代优化，不断提升风险识别精准度与时效性。管控策略是关键抓手，结合模型输出结果与业务场景，实现风险精准处置。三者高效联动、协同发力，彻底打破以往被动应对、事后处置的局限，推动反诈防控模式向主动预判、前置防控转型。工商银行企业级反诈体系数字化运营机制如图2所示。
图2 工商银行企业级反诈体系数字化运营机制
风险数据整合运营，实现风险信号全域感知与共享。诈骗行为往往涉及多维度、多场景，单一维度的特征提取与运营无法全面捕捉风险轨迹，因此数据运营的核心目标是打破数据孤岛。企业级反诈体系整合全量风险特征，通过构建标准化、可复用的特征体系，为各类反诈模型提供精准、全面的输入数据，实现风险特征的全域感知。在特征协同赋能模型层面，风险特征的整合运营打破了不同反诈模型之间的特征壁垒，实现特征数据的共享复用，将整合后的标准化特征统一输出至各类反诈模型，避免重复特征提取与数据冗余，提升模型运算效率。同时，通过特征交叉分析，识别单一特征无法发现的复合风险，精准定位高风险行为，为模型进行风险识别提供坚实的数据支撑。
多维度模型成效运营，提升反诈模型效能。工行软开通过建立多维度成效评估体系，持续提升反诈模型的风险识别能力与业务适配性。在多维度成效评估层面，打破单一技术指标评估局限，构建“技术性能+业务效果+客户体验”三位一体的评估体系。技术性能指标衡量模型本身的识别能力与运行效率；业务效果指标聚焦反诈核心目标，直观反映模型对实际诈骗的风险防控效果；客户体验指标关注风控决策对正常业务的影响，平衡风控力度与客户体验。在价值量化与运营赋能层面，基于成效评估结果，建立“评估—分析—优化—验证”的闭环迭代机制，持续打磨模型与决策逻辑。对模型漏判的诈骗案例、误判的正常业务进行深度复盘，分析风险特征缺失、模型阈值不合理、决策逻辑缺陷等问题，针对性补充特征、调整模型参数；引入A/B测试机制，对优化后的模型与原模型进行对比测试，确保每一次优化都能提升防控效能、减少负面体验。
账户管控策略运营，平衡风险防控与客户体验。工行软开针对账户管控策略，构建全流程精细化运营体系。在策略制定与执行层面，基于客户画像，制定差异化、精细化管控策略(涵盖措施和力度)，并对管控账户风险缓释程度进行跟踪评估，动态调整管控策略等级，减少误判对正常客户的干扰。在客户体验优化层面，打造手机银行线上一键解控助手，畅通管控情况查询和解控申请渠道，减少客户必须到店的情况；综合应用各种智能化技术分析客户解控理由，解析客户提交的解控材料，结合客户历史行为给出解控意见，提升客户体验。在结果评价层面，持续监控策略运营数据，分析业务总体成效与客户体验，在守住风险底线的同时，最大限度减少风控措施对客户正常业务办理的影响，实现风控成效与客户体验双向提升。
人工智能技术的飞速进步，在为社会与金融行业带来巨大红利的同时，其滥用风险日益凸显，利用深度伪造、语音克隆、虚假信息生成等技术的诈骗手段层出不穷。工行软开通过深化大模型等新技术应用，聚焦大模型识别能力和服务流程优化，提升客户服务质效，持续加大受害人保护、预警、劝阻投入力度，切实守护客户资金安全，助力提升全行反诈能力和治理水平，不断夯实“可信赖的银行”品牌形象，以国有大行的使命担当，为守护金融安全、服务民生福祉贡献坚实力量。
本文刊于《中国金融电脑》2026年第7期
声明：本文来自中国金融电脑，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
