- 随着欺诈者利用智能体 AI 以机器速度发起攻击，防御团队必须借助 AI 同事加快响应速度。此外，实时网络遥测数据可用作欺诈信号，并改进欺诈检测模型。
- Databricks 在单一平台上统一欺诈检测技术栈： Lakebase 消除了分析与事务之间的割裂，实现更快的数据同步， Databricks Apps 支撑自定义案件管理工作台，而 Genie 作为 AI 同事，提供对受治理欺诈数据的自然语言查询；这一统一技术栈支持欺诈检测团队更高效地对抗欺诈者。
- 我们的 电信欺诈防范解决方案加速器 通过 Databricks Asset Bundles 将整条流水线、风险引擎、工作台和 AI 调查智能体部署到你的工作区，并可适配其他行业。
背景
根据通信欺诈控制协会 2025 年的调查，电信欺诈损失已攀升至 418.2 亿美元1, 而更广泛的欺诈经济正在快速增长：仅美国消费者在 2024 年就报告因欺诈损失超过 125 亿美元，一年内跃升 25%2. 数据泄露的代价也越来越高；2024 年全球数据泄露的平均成本达到创纪录的 488 万美元3；若计入退单、更换成本以及调查带来的运营开销，每一美元的欺诈给运营商造成的成本约为 3.4 倍。
电信账户不再只是一份手机套餐。它是用户所拥有的众多资产的入口：银行应用通过手机号进行身份验证，密码重置通过它完成，双因素验证码也发送到它上面。因此，当欺诈者通过钓鱼、社会工程或利用旧数据泄露中的凭据攻破账户时，时间非常紧迫。在几分钟内，他们就能执行 SIM 卡交换、更改账单地址、订购昂贵设备，并转入关联的金融账户——往往在受害者或运营商察觉之前就已得手。与此同时，欺诈团队还在等待昨晚的批处理作业完成。
这种反差，即 欺诈以机器速度推进，而检测却以批处理速度进行，正是阻碍所在。 对高管团队而言，欺诈不是安全方面的脚注。它是收入流失、监管风险、客户流失加速，以及很少在损失报告中清晰体现的运营税负。每一种主要欺诈类型得逞，都源于以下三个原因之一：
- 它制造了一种未被及时检测到的数据特征
- 它利用了彼此不通信的系统之间的缝隙
- 或者它在批处理的滞后中滋生。
我们认为最重要的重新审视是：这三者都是数据架构问题，可以通过统一、实时、受治理的数据基础来解决。
守护业务
根据 stockhead 的数据，2024 年澳大利亚的账户接管和 SIM 卡交换攻击上升了 240%，其中约 90% 现在发生时与真正的受害者毫无接触。欺诈者的请求看起来完全合法。国际收入分成欺诈通过伪装成正常流量，每年向高费率号码注入 40 至 70 亿美元。SIM 盒旁路欺诈（每年约 31 亿美元）隐藏在看似常规的通话模式中1.
几乎在所有情况下，能够检测出这种欺诈的信号已经存在——只是分散在六七个系统（CDR、CRM、计费、设备/SIM、网络、数字渠道日志）中，而这些系统并不共享单一的查询界面。通常，复杂的欺诈类型要经过隔夜批处理，而攻击窗口以分钟计；而较简单的欺诈类型（如欺骗）则可以实时捕获。
这种割裂带来的人力成本会加剧财务成本。僵化的基于规则的系统让分析师淹没在误报中，因此欺诈团队花费数小时调查无害的账户变更，而 sophisticated 的攻击以机器速度执行却悄然溜过。这是一个令人望而生畏的循环：分析师淹没在警报中，真正的威胁未被发现，损失不断累积。
为什么旧架构跟不上
大多数运营商已在欺诈管理系统上投入巨资，这些系统成功拦截了已知、充分理解的攻击模式，而且这些系统今天确实在节省真金白银。机会不在于拆除它们，而在于增强它们。但欺诈是一场对抗性的博弈，而非静态的——模型学会捕获的每一种模式，都是欺诈者正在积极设法绕开的模式，而且他们绕开得很快。这些缺口恰恰出现在现有欺诈引擎从未被设计应对的方面：跨渠道关联、行为建模、设备仿真，以及演化速度快于规则变更周期的欺诈模式。这些缺口源于架构，而非努力不足——而无法以对手的速度前进的架构，就是已经落后的架构。
任何反欺诈系统的共同点是，它都会经历对抗性漂移，而且这会在欺诈者的时间表上发生，而不是你的时间表。欺诈者一旦被抓，就会立即改变行为——没有延迟，没有缓冲期。这意味着任何已部署模型的召回率会立刻开始下降，有时在 24 小时内就会发生。在这种环境中，过时不是轻微的低效，而是模型能否捕获欺诈与实际上对其视而不见之间的差别。不存在“暂时够用”这回事——检测系统的水平只取决于它最近一次更新，而监控-调优-重新部署这一循环的敏捷性不是锦上添花，而是全部关键所在。
这正是大多数欺诈运营在竞争中落败的地方。典型模式是：一个运营型（OLTP）系统处理实时交易，而另一个分析型（OLAP）系统则承载真正的智能——上下文、历史查询、欺诈模型，以及数据科学家每天精炼的仪表盘数据。问题在于，实时风险引擎在决策时刻无法足够快地进入那个分析环境。于是团队只能退回到缓慢、昂贵的同步流程——按计划运行的批处理作业，把已完成的“金”数据（工程化特征、模型评分、风险信号）从 OLAP 数据仓库复制回运营数据库。
这种复制就是瓶颈，而在对抗性漂移的世界里，瓶颈正是你落败的地方。运营存储始终基于过时的快照运行——而当你的对手正逐小时主动改变行为时，“过时”会迅速累积。这条流水线很脆弱（上游的模式变更就会让它中断），维护成本高昂，而最糟糕的是修复缓慢；它每停机一小时，你的决策引擎就有一小时在用昨天的智能对抗今天的攻击。让检测变得智能的模型和上下文，最终被搁置在离决策引擎一步之遥的地方，而这恰恰是在速度最重要的时刻。
把 AI 智能体放在顶层，它会继承同样的缺口，只是风险更高：要么它在缺乏所需丰富 OLAP 上下文的情况下推理——快但盲目——要么你把敏感的黄金数据复制出来以便触达它，用治理换取访问权。面对一个在你的架构跟上时早已转移的对手，这两种选择都站不住脚。
Databricks 如何解决这一问题
修复必须针对真正的瓶颈：智能所在之处与决策制定之处之间的那一跳。 Lakebase是我们集成到统一环境中的托管 Postgres 引擎，它彻底消除了传统的 OLTP/OLAP 割裂。湖仓中的黄金表会持续同步到 Lakebase，使实时评分引擎能够以亚毫秒级检索特征——与生成这些特征的同一批分析模型并排运行。决策引擎与其所需智能之间不再有批处理作业挡路，这意味着没有过时快照，也没有脆弱的流水线等着在下一次模式变更时中断。当模型开始漂移时，修复会以漂移所要求的速度传播，而不是以下一次计划同步的速度传播。
与此同时，我们的智能体平台和 Genie 让分析师能够分析历史事件、综合运营手册并自动化复杂的调查工作——更快地闭合监控-调优-重新部署循环，使“欺诈者改变行为”与“模型适应”之间的差距从数天缩短到更接近实时。借助 Databricks Apps，团队可以在同一统一架构上快速部署自定义运营工具，而不必在每次新的欺诈模式需要新工具时等待单独的构建周期。
而且，由于它是一个架构，而不是两个拼接在一起的系统，构建在其上的 AI 智能体不会面临先前那种在丰富上下文推理与保持治理之间的取舍。 Unity Catalog 之下的单一平面管理从原始网络摄取到实时交易决策的治理、血缘和安全——因此速度与控制不再是对立面。合规负责人获得完整血缘，工程团队获得一个真正能跟上不会等待的对手的架构。
我们构建了什么：解决方案加速器
Databricks 构建了一个面向电信欺诈的解决方案加速器，覆盖从原始数据到分析师队列再到高管仪表盘的完整生命周期。
流水线。 该解决方案包含一条采用勋章架构（Bronze → Silver → Gold）的流水线，可大规模生成逼真的交易、设备和网络通话详单数据。
此外，风险引擎会依据不可能旅行、蜂窝小区/IP 不匹配、快速基站切换、漫游异常和设备仿真等规则对每笔交易评分，这些正是生产环境中捕获 SIM box 和 SIM 交换欺诈的同类信号。评分阈值将交易路由到三种结果之一：自动批准、进入分析师审核队列或自动拦截。
欺诈分析师工作台应用 通过构建在同一受治理数据之上的三个基于角色的视图，展示了不同的欺诈工作流：
- 高管 - 财务损益影响、季度趋势、区域风险分布，以及一个 Genie Space，让领导者可以用自然语言提问，例如“本季度哪些区域的 SIM 交换案件最多？”，并获得受治理、有数据支撑的答案——无需分析师或 SQL。
- 管理层 - 工单流水线健康状况、30 天 AI 预测、欺诈引擎性能和 SLA 跟踪，使管理者能够主动而非被动地配置分析师产能。
- 分析师 - 一个案件队列和设备/案件详情视图，由具备工具调用能力的 AI 调查 Genie 智能体支撑，该智能体同时读取案件历史、风险规则和政策，然后建议批准、拒绝或升级——还有一个知识助手，基于公司的欺诈手册训练，用于回答升级阈值和文档标准等程序性问题。
更大的模式
这里没有任何单个组件——风险评分流水线、AI 智能体、受治理的目录——是独一无二的。不同之处在于，把所有这些运行在一个平台上，而不是拼接一个欺诈引擎、一个单独的特征存储、一个 BI 工具和一个外挂的 AI 层，每个都有自己的治理模型和自己的延迟税。对电信运营商而言，机会巨大。关键在于认识到，为保护业务而构建的基础设施，正是能够把网络数据转化为新收入线的基础设施。
在你的环境中部署解决方案加速器：
- GitHub - databricks-industry-solutions/fraud_prevention_in_telco
- 克隆它、部署流水线，并在你自己的工作区中搭建分析师工作台——行业特定逻辑位于单个配置文件中，因此同一架构无需更改核心平台即可重新适配到金融科技、保险或电子商务欺诈场景。
- 如需深入了解，请联系你的 Databricks 客户团队以开通 Lakebase、创建同步表、配置欺诈领域 Genie Space，并构建调查应用。
引用
1 通信欺诈控制协会（CFCA），2025 年全球电信欺诈损失调查 - https://cfca.org.
相关标签：在收件箱中获取最新文章
订阅我们的博客，将最新文章直接发送到你的收件箱。