CASE: An Agentic AI Framework for Enhancing Scam Intelligence in Digital Payments
本文介绍了 CASE，这是一个代理式人工智能框架，它利用对话代理主动访谈诈骗受害者并提取结构化情报，该框架在 Google Pay 印度版实施后，使诈骗执法量提升了 21%。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图抓捕一名从你的数字钱包中盗窃的小偷。过去，安保人员（支付应用的自动化系统）只监视金库大门。如果小偷拿着看似完美的假身份证走进来，安保人员就会放行，因为交易内部的一切看起来都正常。
问题在于，这些小偷（诈骗者）通常不会从金库大门闯入。他们会在走廊（即时通讯应用、社交媒体）里徘徊，说服你自己打开门。金库内部的安保人员无法看到走廊里发生了什么，因此直到为时已晚，他们才意识到你被骗了。
本文介绍了CASE（诈骗澄清对话代理），这是一种旨在消除这一盲点的全新“数字侦探”。其工作原理可分解为以下几个简单部分：
1. 面试官（富有同理心的侦探）
当用户报告“我认为我受骗了”时，传统应用只是提供一个文本框让用户输入投诉。这就像要求一个仍在颤抖和困惑的证人撰写报告；他们往往会遗漏关键细节。
CASE 用一个智能对话 AI 代理取代了文本框。请将此代理想象为一位训练有素、富有耐心的侦探，可以像通过电话一样与你交谈。
- 它提出正确的问题：它不会等待你讲述整个故事，而是温和地追问后续问题，例如“你最初是在哪里遇到这个人的？”或“他们编造了什么故事来获取你的信任？”
- 它保持安全：该代理被设定了严格的规则。它从不承诺能帮你追回资金（因为它无法做到），也从不提供财务建议。它清楚知道在你感到不安或想要挂断电话时何时停止。
- 目标：即使诈骗发生在应用之外，也要获取关于诈骗如何发生的清晰、详细的叙述。
2. 记录员（数据翻译器）
一旦侦探完成访谈，他们手中就有一份冗长且杂乱的对话记录。人类安全团队无法每天阅读成千上万份这样的故事。
这就是 CASE 的第二部分发挥作用的地方：信息提取器。
- 将其想象为一位超级快速的记录员，它聆听侦探的笔记，并立即将杂乱的故事转化为整洁、有条理的清单。
- 它提取具体事实：“这是虚假招聘诈骗吗？”“它是否始于 WhatsApp？”“用户是否真的被骗了？”
- 它将这些故事转换为计算机可以立即读取和使用的格式。
3. 结果：抓捕更多小偷
该论文在印度的 Google Pay上测试了此系统。结果如下：
- 更完整的故事：该系统成功保持了用户的参与度，近一半的对话深入到了足以揭露完整诈骗手法的程度。
- 高准确率：与人工审核员相比，“记录员”能够以约 84% 的准确率识别某人是否受骗，并以约 75% 的准确率确定具体的诈骗类型。
- 重大胜利：通过将这些新的、详细的故事添加到现有的安全工具中，支付平台能够比之前多捕获**21%**的诈骗案件。
为何这很重要
该论文认为，打击现代诈骗就像与隐藏在阴影中的敌人作战。你不能只盯着战场（交易）；你需要与士兵（用户）交谈，以了解敌人的战术。
CASE 提供了一种安全且可扩展的方式进行这些对话。它将模糊的投诉转化为确凿的数据，使支付平台能够更快地更新其防御措施，并在诈骗者欺骗下一个人之前将其制止。
简而言之：该论文表明，利用友好、智能的 AI 采访诈骗受害者，然后将这些访谈转化为数据，有助于支付应用捕获比仅监控交易多得多的欺诈行为。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。