工信部点名 ＂AI 软件安全＂:反诈智能体如何做到 ＂跑得快、管得住＂?

本周有两件事值得放在一起看。

10 月 21 日报道，工信部印发 "人工智能 + 软件" 专项行动实施方案，将 "提升软件领域安全保障能力" 列为重点任务：开发环节 "以智促安、防治结合"，产品环节 "行为可控、全程可溯"。

几乎同时，一项真实场景的研究给出答案：基于图神经网络的反欺诈模型，将欺诈检出率（TPR）提升了 33%。

一个在提要求，一个在给方法。

01｜政策问的是 "可溯"，不是 "更快"

方案的关键词不是算力、不是模型规模，而是"行为可控、全程可溯"。

这传递出一个信号：AI 软件的安全，不再只看 "能不能跑"，更看 "每一步有没有依据、出了问题能不能解释"。对反诈这类高敏感场景尤其如此 —— 模型给出一个高风险结论，研判人员要能回答：为什么是它？

02｜GNN 答的是 "怎么才准"

33% 的 TPR 提升来自同一个答案：把单点放进关系里看。

传统模型盯着单个号码的频次、时长、地域，容易被低频养号、设备轮换规避；图神经网络把号码、设备、渠道、位置和通信行为组织成动态关系网络，看的不只是 "它是否异常"，更是 "它是否处于异常关系结构之中"。

准，是因为看到了单点背后看不见的关系。

03｜掌数实践：一个负责 "准"，一个负责 "可溯"

这也正是掌数的两层布局：

图神经网络负责发现隐藏关系 —— 把伪装成 "正常" 的团伙关联更早、更准地暴露出来，对应 "防治结合"；

反诈智能体负责把过程管起来 —— 整合业务流程、沉淀反诈知识与专家经验，让每一次研判都有依据、可回溯，研判人员在统一平台协同处置，对应 "行为可控、全程可溯"。

技术负责把线索提到人面前，人负责作出判断并留下记录 —— 这恰好是政策要的答案。

写在最后

当监管开始追问 "AI 软件安全"，行业真正比拼的不再是谁用得早，而是谁用得稳。掌数将以图神经网络与反诈智能体的协同能力，让反诈既跑得快，也管得住。

点击关注公众号 获取更多行业资讯