1. 数据“破壁”：共建隐私计算平台。数据“破壁”的核心在于数据能够“供得出”。金融机构、运营商等数据均具有高度敏感性，直接流通存在法律与合规门槛。在数据孤岛尚未打破的背景下，银行作为风险防控一线机构所积累的智能风控能力也难以实现跨域赋能。这导致银行的反诈“软实力”未能有效转化为系统性的联防联控“硬支撑”。
为此，南京银行积极推动数据整合，探索构建跨领域数据融合底座隐私计算平台，汇聚银行内部身份、交易、信贷等数据，运营商信令与行为轨迹，以及社保、税务、司法等多源公共数据，形成覆盖更广、维度更全的数据资源体系。同时，深化数据融合，通过多维度信息的交叉校验与深度融合，系统补全传统风控在社交行为、位置稳定性、信用背景等方面的信息缺失，实现数据的可用不可见，为构建前瞻性、主动式的风控体系提供了扎实的数据基础，支撑在欺诈行为发生前开展源头研判与风险预警。
2.数据“汇流”：共享反诈关键信息。在实现数据“供得出”基础上，推动数据要素在安全合规前提下“流得动”，成为释放其价值的关键。南京银行一是开展联动机制创新，与运营商共同成立联合反诈小组，建立一套“制度化、流程化、长期化”的联合数据应用机制。构建数据合规、数据标准及安全运营体系，定期更新迭代机制，实现数据和模型“常流常新，不竭不腐”。二是搭建反诈模型，基于隐私计算平台汇集数据，应用多方安全计算、联邦学习等技术，形成多项反欺诈规则及模型。面对涉诈资金转移手法不断外延，逐步渗透到境外消费、跨境汇款、银证转账、黄金提现、定期转活期等领域的现象，我行通过“基底模型”结合“子场景模型”，根据不断变化的特征手法敏捷部署迭代模型。借助平台集成的纵向联邦线性回归（FLLR）、纵向联邦梯度提升树（FL-XGBoost）等算法，在“数据不出域”的前提下支撑多场景向下的各方超千维特征数据的深度挖掘，实现了大规模跨行业协同分析，有效支撑了联合建模与风险洞察，计算效率较传统模式提升30%以上，2024年度新增监测模型共计30条，新增模型对黑样本覆盖率达79%。
3. 数据“赋能”：共防高频涉诈风险。在数据实现安全流动的基础上，项目进一步将技术与场景深度融合，推动风控从“有数据可用”向“用数据赋能”跃迁，兑现数据“用得好”。为实现这一目标，南京银行融合了终端感知与数据智能技术，构建“金融—通信”跨界协同的反诈情报智能解析体系。一是在欺诈端侧，针对涉赌涉诈等黑灰产网站部署欺诈检测模型、AI图文理解反欺诈模块，利用5G网络高速传输数据，实现对欺诈号码、欺诈行为的实时监控；通过设备追踪、高风险行为监测、定制ROM识别等技术，实时采集并分析涉诈终端特征。在情报整理上，整合高危手机号、黑产社群数据等多源情报，运用自然语言处理与多模态分析技术，穿透解析黑产活动线索。二是在运营商端，基于5G用户数据特征和超大规模图计算进行欺诈号码关联团伙分析、欺诈聚集地判断。三是在银行侧，通过多模态语音质检大模型识别恶意骗贷、多头借贷等行为特征；高度重视潜在受害人保护，针对AIGC音视频欺诈，接入屏幕共享等设备、环境维度特征，通过弹窗提醒、延迟支付、AI和人工客服电话确认等，最大可能减少潜在受害人资金损失；通过大小模型协同，自研模型联合微调框架、数据增强工具，引入思维链提示词工程创新领域模型自动微调方法，对全量情报进行智能聚合、模式挖掘与手法提炼，并将输出成果快速转化为可落地的风控规则，实现了从情报感知到策略部署的闭环敏捷迭代，针对性防控职业背债人、AIGC音视频欺诈等高危风险。
基于协同反诈技术体系，南京银行聚焦信贷全流程风控、账户全周期守护等核心场景，不仅实现了风控能力与运营效率的显著提升，更在推动业务良性发展、保障资产安全方面收获了切实的经济及社会效益。
1. 全流程覆盖，建强信贷业务防控链。在信贷风控场景中，通过技术赋能实现信贷欺诈的事前、事中、事后全流程覆盖，推动风控能力与运营效率双提升。在具体应用上，已落地事前的设备反欺诈、各类身份核验及行为特征分析，事中基于历史行为的反欺诈评分模型，事后基于大小模型融合的智能巡检等多个典型场景，涵盖信贷审批、交易监控、贷后管理等信贷全流程的多个关键环节。特别是在事后领域，构建贷后动态巡检分级风险管控大模型，使用客户过往时点的各类异动及各类行业报告、尽调报告、贷后报告等作为大模型训练的学习语料输入，并采用模型蒸馏技术，最终以较小的算力达到了较好的成果，风险排查速度提升5倍、排查准确率提高30%，目前已推送报告超过2万份。项目的成功实施推动了行内信贷不良率迈入持续下行的良性通道，资产质量根基更为牢固。运营效率层面，流程成本与耗时大幅压缩，显著降低了运营人力成本，实现了风控效能与运营效率的双重跃升，为净化金融生态、引导信贷资源精准流向实体经济提供了有效支撑。
2. 全周期守护，筑牢账户安全闭环。账户是资金安全的“源头闸门”，通过建立“布防—监测—预警—处置—反馈”的闭环管理机制，将风险管控的起点从传统的“事中监测”前移至“事前布防”，构筑了更加主动、智能的纵深防御体系，实现对风险账户的精准识别与高效阻断。“事前布防”是在源头设闸、差异化管控，在客户开立账户或办理业务之初，即根据其身份背景、职业特征、交易需求及风险评估结果，实施差异化的初始交易限额管理，全行受限额影响客户账户占比不超过6%。在监测到反馈的过程中，实施模型敏捷迭代，建立快速攻防机制。面对银行策略易被反复试探攻破、风控更新不够及时的问题，我行以“涉案账户覆盖率”“日均排查饱和度”为北极星指标，构建量化驱动的风险监测机制。通过回溯模型历史数据，衡量全量风险账户捕获能力，共建“模型动态自迭代”，实现对犯罪分子的主动防御。在此过程中，不断丰富数据底座，并在监测过程中应用新兴技术。如针对数据孤岛黑名单不互通的问题，互补构建“高危设备、高危IP、高危手机号”等黑名单库实现事前防范；针对团伙欺诈等问题，通过社交网络实现实时、毫秒级的风险洞察，特别是基于超大规模图计算的欺诈风险排查模型，以可疑账户为起点，关联分析账户相关人员、交易对手、设备信息等八大类特征，找出潜在风险账户。同时，为提升人工反诈排查效率，应用AI Agent智能分析工具，当系统预警时，AI能在15秒内自动生成包括风险类型、关联账户、资金流向等在内的详细报告，缩短排查时间60%。
2024年以来，成功拦截涉案资金超亿元，同比增长24%，有效维护了公民财产安全。该项目成果获得中央宣传部、公安部联合启动的“全民反诈在行动”集中宣传月的专题报道，行业认可度持续提升。
展望未来，数据作为数字经济时代的关键生产要素，将在金融安全领域释放更强的乘数效应。南京银行将践行“金融科技赋能社会安全治理、守护群众财产安全”的初心使命，持续深化技术应用，发挥数据价值，提升数字风控能力，并将验证成熟的“图计算+隐私计算+AI大模型”技术应用标准化，拓宽应用至更多环节、更广领域。
随着数据产权、流通交易、收益分配等关键环节制度的不断完善，银行业数据价值重心将从“拥有”转向“使用”。南京银行将秉持“统筹协同、场景牵引、普惠适配”原则，深化与金融同业、运营商及政务部门的协同，推动数据在安全可控的前提下实现高效流通，打造更便捷、更安全、更普惠的数字生活新形态，为筑牢数字中国安全屏障、写好“数字金融”大文章提供更为有力的支撑。
（此文刊发于《金融电子化》2026年3月上半月刊）
