银行无法用碎片化数据对抗现代诈骗

近期，新加坡反诈骗中心与五家主要银行的联合行动防止了超过4600万新元的潜在诈骗损失，这展示了当信息在银行和执法机构之间快速流动时所能取得的成就。

这也揭示了一个令人不安的现实：诈骗的性质变化之快，已经超过了许多旨在侦测它们的控制措施。

在2026年上半年接报的诈骗案中，超过80%的案件涉及受害者自行转账，而非诈骗者直接控制其账户。

对银行而言，这构成了一个根本上不同的挑战。

传统的欺诈控制措施非常适合发现明显的异常情况，例如不熟悉的登录、被盗的凭证或超出预设阈值的交易。

但是，当客户正常登录，通过了必要的身份验证，并自愿授权转账时，即使客户正受到诈骗者的操纵，这笔交易看起来也可能完全合法。

要侦测此类活动，银行需要超越交易本身，并结合其已掌握的客户信息进行综合考量。

当结合客户交易行为的变化或其他风险指标进行分析时，一个新的收款人或一笔不寻常的付款就可能具有更重大的意义。

银行可能已经掌握了建立这些联系所需的信息，但这些信息往往分散在孤立的系统、团队或彼此独立构建的技术堆栈中。

“了解你的客户 (Know Your Customer, KYC)” 数据可能存在于一个系统中，交易监控在另一个系统中，而制裁筛查和其他合规流程则独立运作。结果是，银行某个部门识别出的风险信号，可能无法传递到另一个部门。

交易监控系统可能会识别出异常的支付模式，但这一变化并未反映在客户更广泛的风险状况中；而通过KYC收集的信息，评估可疑活动的团队可能无法随时获取。

每个系统都可以按预期工作，但该金融机构仍然缺乏对全局的完整视图。

解决这种碎片化问题正变得日益重要。KYC不能被视为一项在客户引导时完成并定期复核的、基本上是静态的工作，而交易活动则被分开评估。

将合规技术栈的这些部分连接起来，能让一个领域检测到的变化为其他领域的风险决策提供信息，从而为团队提供更即时、更完整的客户视图。

这正是人工智能可以发挥最大作用的地方，即将其应用于互联的客户和交易数据之上。它通过识别行为变化、建立风险信号之间的联系，或发现那些原本可能被单独评估的异常模式来实现这一点。

尽管人工智能不应取代人类判断，但如果基础架构到位，它可以为合规团队提供更好的背景信息，以优先处理调查并及早干预。

新加坡的最新行动展示了信息在银行和执法机构之间快速流动的价值。同样的原则也应适用于金融机构内部。

随着诈骗者越来越善于将欺诈情景伪装成合法交易，对于试图区分二者的银行而言，连接客户信息、交易活动和其他风险信号的能力将至关重要。

本文作者是Fenergo亚太区解决方案咨询主管