中小微企业信贷黑灰产破局：AI驱动下的攻防博弈与协同治理

2026年8月11日，《中国中小微企业信贷黑灰产乱象与AI防控研究报告》发布会暨圆桌论坛在清华大学经济管理学院举行。本次活动由清华大学经济管理学院中国金融研究中心、四川省反诈中心、新网银行、新华财经联合主办，同步线上直播。活动以“当黑灰产用上AI：金融反欺诈面临哪些新挑战？”为主题，邀请学界与业界专家共同探讨金融安全防护的前沿路径。

清华大学苏世民书院学术事务副院长、清华大学经济管理学院教授、清华大学经济管理学院中国金融研究中心主任、国家级高层次人才计划入选者陆瑶发布报告；四川省反诈中心副主任罗彦加、清华大学经管学院中国金融研究中心副主任庞家任、新网银行风险架构师陈少磊共同参与圆桌讨论。

中小微企业信贷安全关乎普惠金融可持续发展

据了解，该报告由清华大学经济管理学院中国金融研究中心、新网银行和新华财经共同编制，意在剖析中小微企业信贷领域的黑灰产乱象，探索AI技术在风险防控中的创新应用。

中小企业是国民经济的“毛细血管”，贡献了50%以上税收、60%以上GDP、70%以上技术创新、80%以上城镇就业、90%以上企业数量，是经济增长、财政基础、创新活力和就业稳定的核心支柱角色。其中，中小微企业是普惠金融服务的重要对象。但中小微企业融资难、融资贵问题长期存在，职业背债、不法贷款中介、虚开发票骗贷、材料包装欺诈、关联企业骗贷等五大典型黑灰产手法，严重扰乱金融市场秩序，侵害中小微企业合法权益。

陆瑶在发布报告时指出，中小微企业信贷的安全底线，不仅关系到金融机构的资产质量，更关乎普惠金融的可持续发展和国民经济的健康运行。随着AI技术门槛的降低，黑灰产的攻击手段不断变种，从单一诈骗向AI驱动下的全链条协同演进。

“黑灰产已从作坊式走向工业化，从单点攻击走向全链条协同。”陆瑶强调，金融行业必须加快从被动防御向主动治理转型。

生成式AI降低部分造假门槛，治理面临新挑战

技术既能赋能金融风险防控，也可能被不法分子用于提升部分欺诈行为的效率和隐蔽性。论坛期间，围绕黑灰产的最新变化，四位嘉宾展开了深入探讨。

陆瑶谈到，生成式AI的出现让犯罪的技术门槛降低，造假变得更加容易、更加廉价、更加便利，“同时造假的效果还变得更加真实了。”

罗彦加从一线反诈警务工作者的角度补充道，目前AI深度参与电信网络诈骗的案例占比仍然很少，主流仍为传统作案模式。AI只是作为工具之一参与其中。但面对一些使用AI的新型诈骗手段，当前办案仍具有链条分散、跨区域办案成本高，AI生成材料取证难固证难，受害人劝阻难等难点。

罗彦加同时提到，今年公安部开始推行打击犯罪新机制，立足本地破全国案件，由案发地公安机关协调嫌疑人所在地同行完成调证、抓捕等工作，极大缓解了跨区域办案的压力。

庞家任则指出黑灰产产业化体现在组织与技术两个层面。一方面，组织模式已产业化，形成完整业务链条，包括流量获取、客户筛选、材料包装、贷款申请、资金转移、贷后逃废债等环节，不同环节由不同团队负责；另一方面，技术能力也已产业化，AI可低成本、大规模地生成虚假文本、图片、音频、视频，甚至模拟真实的生产经营场景和身份认证过程。

“以前我们面对的可能是一个一个相对独立的欺诈案件，但是现面对的是一个不断演进、不断进化的生态系统。即使发现了某一种欺诈模式，并且给予打击，对整个生态系统的影响可能不是那么大。”庞家任认为，未来治理不能仅靠事后打击，而要从发现一个个案件转向识别一整个网络或生态，从单点防控转向系统性治理。

陈少磊从银行一线风控角度提出，安全问题本质是成本问题，“如果攻击者攻击的成本变低了，防御者被攻击的概率就变高了。”

大模型小模型协同，以AI对抗AI

在中小微企业信贷场景下，AI 防控面临着三个根本性挑战，数据时效不足、数据来源结构非标、数据碎片化，难以形成全景画像。最终形成行业识人难，识团伙更难的风控困境。

谈及行业治理，报告提出以“大模型为瞭望塔、小模型为压舱石”的 AI 防控体系，构建“技术+制度+生态”立体化治理格局。

论坛中，陆瑶进一步解释了大模型加小模型的协同逻辑：大模型擅长处理非结构化数据和多模态数据，但成本高、存在幻觉问题；小模型成本更低、结果更可控。两者结合之外，还有机器和人结合，比如做信贷审批不光靠算法、靠模型，最后还要信贷员复核和确认。

陈少磊则分享了新网银行的实践。他介绍了大小模型的不同结合模式，其一是小模型做精准判断，大模型做补充；其二是用大模型改变工作过程，让小模型发挥更好的作用。例如用AI编程能力帮助风险经理自动构建指标、寻找特征、调整阈值等。

中小银行面临资源、技术、人才的多重瓶颈。对此，罗彦加建议，把有限的资源放在对放贷员的最新诈骗手法培训上，使用轻量化的反诈工具识别AI制作的虚假材料和批量恶意投诉，并与警方合作打破信息孤岛。

庞家任认为，未来AI反欺诈最值得突破的核心抓手，在数据共享基础上的跨机构协同。他表示，模型能力决定了AI反欺诈的技术水平，但数据共享和跨机构协同决定了AI反欺诈体系能达到的高度。

庞家任呼吁监管部门推动建立统一的风险信息基础设施，在保护数据安全和个人隐私的前提下共享风险信息。他表示，这一平台不应只是黑名单数据库，更应是智能化的风险治理平台，通过 AI 技术发现潜在风险关系，通过行业协同让风险识别更及时、更精确。

未来博弈趋势：从“难打”到“向好”

当谈及AI 会不会让黑灰产越来越难打时，陆瑶表示，技术迭代的短期和长期效应不同，短期技术发展太快，很多新现象尚未被完全掌控，“可能确实会导致越来越难去打击黑灰产。”但是随着社会的发展、技术的迭代，治理的逻辑闭环也在不断的完善,“相信正义一定战胜邪恶。”

AI反制AI，技术背后还是人。罗彦加表示：“只要抓住人、资金流向、网络，虽然难度大，但不是不能打。”

庞家任也认同短期更难打、长期会变好的判断。AI让短期造假成本大幅下降，但长期反欺诈技术同样会迭代提升。

陈少磊认为，AI时代黑灰产最需要的是“隐藏自己”，分身越多越难追踪。而随着AI身份证等身份认证机制逐步建立，AI分身将难以隐藏。“AI 有了身份认证以后，或许这个世界就会变好。”

论坛最后，嘉宾们指出，普通群众面对金融欺诈，要不断学习、了解新技术和新套路，警惕低成本、高收益的诱惑，警惕“法务协商”“债务优化”等名义的黑灰产。

本次发布会与圆桌论坛汇聚了学术界、公安部门和金融机构的多元视角，深度探讨了 AI 时代中小微企业信贷反欺诈的现实挑战，也展现了“技术 + 制度 + 生态”的应对路径。面对黑灰产的工业化、智能化升级，单一主体或难以独力应对，但通过产学研用深度融合、跨机构数据协同、人机结 合的风控体系，与会嘉宾认为，面对黑灰产组织化、产业化和智能化演进，未来金融反欺诈需要进一步加强产学研用协同、跨机构风险信息共享和人机协同风控，推动风险治理由单点识别、被动防御向系统性、主动式治理转变。

声明：内容由新网银行提供，不代表《清华金融评论》观点，其真实性及相关责任解释说明均由内容提供方负责。

来源 | 新网银行

编辑丨王晗

审核 | 白雪

责编丨兰银帆

Review of Past Articles -

01

02

‍