AI智能体开始替客户操作账户,风控要认机器身份

80% 的受访银行管理层表示,已经遇到过由 AI 智能体发起的攻击。这是 BioCatch 在发布 AiRE 产品时给出的调研结果,AiRE 的用途是识别银行会话中操作的是真人还是 AI 代理。
风控行业过去二十年解决的问题是“你是不是你”,现在要回答的是“替你操作的那个程序,有没有得到你的授权”。
三条产品线,同一件事
BioCatch 的做法是把设备指纹、行为生物特征、网络信号与密码学设备绑定结合起来,判断会话里是否混入了自动化程序。Feedzai 把数字信任平台扩展到识别 AI 代理访问客户账户,区分授权代理与恶意自动化。两家公司同月发布,指向同一个空白。
支付侧的证据更直接,Visa 用 12 家研究机构、22 个模型、15 个真实购物场景做了测试,整体通过率 57.2%。按这个数字折算,五次由 AI 代理发起的购物操作里,接近两次会失败。
消费者的信任度也没上来,同一份研究里,只有 23% 的美国受访者表示信任 AI 代为完成支付。技术能力与用户接受度之间,差了三十多个百分点。
国内的做法:先把模型塞进流程
国内银行走的是另一条路,重点不在识别代理,而在把大模型嵌进既有风控流程。
中信银行自主研发的仓颉大模型平台自今年 1 月上线以来,内部已开发 80 余个应用,覆盖智能客服、智能风控、智能研发、智能营销、智能办公等场景。平台搭了从硬件基础设施、管理框架、算法模型到应用服务的四层架构,降低的是各业务条线自己搭模型的门槛。
中信证券的做法更聚焦,其金融科技反洗钱项目融合大数据与隐私计算实现境内外数据流通,在业内首创 4 个图算法应用,覆盖操纵市场、场外配资、账户出借等场景,并用本地大模型生成可疑尽调报告,合规工作效率提升 20%。
图算法解决的是团伙识别,传统规则看单账户行为,图算法看账户之间的资金与关系网络,配资、出借这类行为在图上表现为异常的星形结构,比单点规则更容易命中。
| 主体 | 做法 | 效果口径 |
|---|---|---|
| BioCatch | 识别会话中的 AI 代理 | 80% 银行称已遇攻击 |
| Feedzai | 设备与行为信号融合 | 区分授权与恶意自动化 |
| Visa | 22 个模型实测 | 通过率 57.2% |
| 中信银行 | 仓颉大模型平台 | 上线 80 余个应用 |
| 中信证券 | 图算法 + 本地大模型 | 合规效率提升 20% |
风控失效的代价,罚单里写着
10 月到 11 月,监管连续公布了几张与内控相关的罚单。上杭农商行因贷前调查不尽职、贷后管理不到位、个人经营性贷款违法发放,被罚 230 万元,三名责任人被警告。徐州两家银行因集团客户授信与贷后管理问题被罚 170 万元。
这些罚单的共同点是流程执行不到位,与技术无关。AI 风控能提升效率,但替代不了贷前调查的实地核查。中信证券的合规效率提升 20% 是好数字,前提是模型输出的可疑报告有人复核。
一个可以自己算的账
假设一家中型银行每天产生 1000 条反洗钱预警,人工复核每条 25 分钟,需要 417 个工时,约等于 60 名分析师全天只做这一件事。用大模型做初筛,把 80% 的预警自动清掉并给出理由,人工工作量降到 83 个工时。
按公开的模型调用价格估算,1000 条预警的初筛成本约合每天 40 美元,一个月 1200 美元。与 60 名分析师的人力成本相比,模型费用可以忽略;真正的成本在系统集成、评测集建设与治理流程上。
监管的要求没变:任何自动处置都要有可追溯的理由,账户冻结、上报可疑交易这类动作必须有人签字。模型可以写报告,不能签字。
——
本文资料来源: BioCatch AiRE 产品发布说明、Feedzai 数字信任平台更新公告、Visa 关于 AI 代理购物的研究报告、中信银行仓颉大模型平台公开介绍、中信证券金融科技反洗钱项目披露、上杭农商行与徐州两家银行行政处罚信息公开表
本文基于公开信息整理,仅供行业研究参考,不构成投资建议。