CASE 框架：数字支付反诈骗的智能对话式 Agent AI 解决方案
• 背景：数字支付快速发展催生复杂社交工程诈骗，传统基于交易和用户信号的检测手段难以捕捉诈骗全貌，导致响应滞后。
• 创新点：CASE（Conversational Agent for Scam Elucidation）利用对话式代理主动访谈潜在受害者，收集详尽诈骗情报，并通过信息抽取模块将非结构化对话转化为结构化数据，助力自动和人工执法。
• 技术架构：采用 Google Gemini 2.0 Flash 版大模型，分为实时交互的访谈代理（含生成器 LLM 和安全过滤器 LLM）与异步批处理的信息抽取代理，保证用户隐私和交互安全。
• 访谈代理特点：主动提问、动态调整，角色扮演诈骗专家，严控输出内容，避免承诺退款或提供财务建议，确保对话尊重用户意愿和隐私。
• 信息抽取模块：基于示例驱动的提示工程，准确解析对话文本，填充诈骗判定、诈骗类型、诈骗起源等多字段 JSON 结构，支持下游风险模型和人工审查。
• 评估体系：结合专家人工评分与自动评估，覆盖安全（防止有害输出）、质量（话题聚焦、用户尊重）和效用（诈骗信息提取准确率）。上线后，诈骗判定准确率达 83.8%，诈骗类型分类准确率达 75.1%。
• 实际影响：Google Pay 印度版部署后，诈骗执法量提升 21%，用户参与度高，45%用户回答三次以上跟进问题，显著缩短反诈骗响应时间。
• 可拓展性：框架设计通用，适配多语言和其他支付平台，未来可支持多模态输入（音频、截图），并有望实现自动化执法和跨平台情报共享。
• 限制与未来：当前仅支持英文对话，依赖提示工程以保持灵活性，需持续人工监督自动评估器；未来将拓展多语言、多模态及更深度自动化能力。
深入访谈结合结构化抽取，为数字支付反诈骗提供新范式，显著提升智能防护能力与用户信任度。
了解详情🔗 arxiv.org/abs/2508.19932
数字支付 反诈骗 人工智能 大语言模型 对话式AI 信息抽取 安全技术
