AI深度伪造欺诈新手段 - 不法分子通过钓鱼网站获取用户姓名、身份证号、电话号码、短信验证码和支付密码等全套信息[2] - 利用用户照片生成高度逼真的AI深度伪造图像或视频 通过注入式攻击劫持手机摄像头 绕过活体检测实施欺诈[2] - 此类非法活动投入一至两名技术人员 成功盗刷一次可能卷走上百万元甚至更多[5] AI反欺诈攻防技术 - 公司利用多组机械臂在实验室24小时模拟身份欺诈攻击 识别图像真伪 并将数据喂给人工智能算法进行训练[3] - 算法通过分析图像是否存在AI工具生成的技术印记或篡改痕迹 以及校验画面背景的一致性来识别深度伪造[6] - 面对注入式攻击 需从算法、终端、身份网络等多维度防范 例如事前检测用户手机是否被攻击[7] - 反欺诈技术延伸至声音领域 算法可识别异常背景音 并通过语调波动、语速变化模拟测谎逻辑[7] 技术落地与应用场景 - AI反诈技术作为SaaS产品 落地场景覆盖银行、保险、证券、政务服务、电商等需电子身份认证的领域[8] - 香港金管局第二期生成式AI沙盒有20家银行和14家技术合作伙伴的27个案例入选 聚焦以AI对抗AI[8] - 中银香港搭建AI反诈体系 将AI模型与传统数据模型融合 对用户交易进行实时监控与动态风险评估[9] - 技术拓展至政府场景 如香港"智方便"App使用生物识别认证 汇丰香港新企业服务也接入该App验证企业主信息[10][11] 模型训练与数据基础 - 中银香港每日产生数百万条个人金融交易数据 为AI模型提供丰富训练样本 并利用黑名单和案件报告数据[12] - 金融科技公司以银行内部专家人工分析筛选出的"打标数据"为基础开展模型训练 技术人员需驻场银行系统内搭建模型[13] - 训练旨在优化现有规则弥补漏洞 并让模型学习历史数据以剔除常见误报 最终输出精准的上报数据[13]