澳门头条文章标题：金融大模型助力打击黑灰产，提升金融安全防护
来源：华夏时报
近日，短视频平台上关于“债务”的搜索结果引发了广泛关注。众多视频标签涉及“停息挂账”、“债务重组”等，甚至出现“借钱不用还”等涉嫌非法的内容。这些内容与金融黑灰产密切相关，利用消费者对债务处理的迫切需求进行欺诈活动。
金融机构正利用大模型技术来识别和防范金融黑灰产。例如，通过分析声纹、GPS地址、背景图片等多维度信息，判断和防范金融黑灰产行为。
南开大学金融学教授田利辉表示，金融大模型在打击黑灰产方面发挥着重要作用，具备强大的数据处理、模式识别和智能决策能力。通过技术创新和跨行业合作，金融大模型不仅提升了金融安全防护能力，也为金融行业的稳定与安全提供了新的解决方案。
素喜智研高级研究员苏筱芮指出，金融大模型在金融风险管理中的应用已经进入纵深阶段，对抗学习技术对打击黑灰产具有重要意义，有助于提升传统金融风控的效率和效果。
在金融黑灰产方面，常见的有“非法代理维权”、“反催收”、“恶意投诉”等行为。这些行为利用消费者对债务处理的迫切需求，通过非法手段获取利益，扰乱金融市场秩序。
据《中国金融黑灰产治理研究报告》显示，自2021年起，金融黑灰产快速发展，从业人员数量达到587.1万，造成财产损失达数百亿级。
随着人工智能的发展，大模型生成式AI也给金融安全带来了挑战。例如，AI换脸技术被用于诈骗活动。
为应对这些挑战，监管机构强调了提高金融抗风险能力的重要性。国家数据局等部门联合印发的《“数据要素×”三年行动计划（2024—2026年）》指出，要提高金融抗风险能力，推进数字金融发展，支持金融机构间共享风控类数据，提升风险预警和防范水平。
金融大模型在打击金融黑灰产方面发挥着关键作用。通过提高反洗钱和反欺诈准确性，大模型强化了金融机构的风控能力，促进了数据共享，加强了金融机构间的联合攻防，进一步提升风险防范水平。
马上消费常务副总经理蒋宁介绍，马上消费日前升级的天镜大模型2.0版本，针对安全隐患专门研发了对抗学习技术，将多模态的技术进行深度融合，提升金融安全防护能力。
田利辉认为，金融大模型通过整合多维度信息，构建了多模态的识别系统，提升了对黑灰行为的识别和打击能力。通过对抗学习技术，金融大模型能够更有效地识别和防御新型欺诈手段。
在数据安全方面，加密、对抗训练和联邦学习等技术帮助在保护用户隐私的利用数据来训练和优化大模型。金融机构还建立了数据隐私评估和保护模型、机制，实施安全认证，保护金融领域的敏感数据。
未来，金融机构可引入声纹聚类等技术，更准确地识别出重复投诉的客户，并建立“职业投诉人黑名单”。这有助于金融机构更有效地区分不同类型的投诉者，优化异常投诉的处理，并有效打击非法活动，保障业务稳定和市场秩序。
