摘要：近年來，跨境電信網(wǎng)絡(luò)詐騙案件頻發(fā)，我國部分公民受高額利益誘惑出境參與詐騙團(tuán)伙。此類行為嚴(yán)重侵害了公民財(cái)產(chǎn)安全和合法權(quán)益。本研究基于大語言模型對(duì)公開裁判文書進(jìn)行信息提取，并運(yùn)用Neo4j構(gòu)建知識(shí)圖譜，系統(tǒng)分析被告人的個(gè)人特征及詐騙手段等關(guān)鍵信息。通過數(shù)據(jù)整合，深入揭示跨境電信網(wǎng)絡(luò)詐騙犯罪人員的特征與行為模式。在此基礎(chǔ)上，構(gòu)建了一套針對(duì)出境參與電信詐騙人員的預(yù)警模型，該模型可有效評(píng)估可疑人員的犯罪風(fēng)險(xiǎn)并實(shí)現(xiàn)早期預(yù)警。

關(guān)鍵詞：跨境電信網(wǎng)絡(luò)詐騙；信息抽??；知識(shí)圖譜；預(yù)警模型

中圖分類號(hào)：TP393

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2025）14-0071-03

0引言

跨境電信網(wǎng)絡(luò)詐騙犯罪是指犯罪嫌疑人與受害人或犯罪對(duì)象處于物理隔離狀態(tài)，通過電話或網(wǎng)絡(luò)終端制造虛假信息，對(duì)受害人實(shí)施跨國、非接觸式的詐騙行為[1]。這類犯罪具有明顯的組織特征，集團(tuán)結(jié)構(gòu)嚴(yán)密、分工明確，反偵查意識(shí)強(qiáng)。其犯罪手段隱蔽，涉及多個(gè)行業(yè)，呈現(xiàn)產(chǎn)業(yè)化分布、精細(xì)化分工和跨境布局等特征，導(dǎo)致詐騙行為的職業(yè)化趨勢(shì)日益明顯，涉案金額巨大，危害程度深，詐騙手法不斷翻新，精準(zhǔn)詐騙已成為“主流”[2]。集團(tuán)組織者往往躲在境外，通過高薪招聘等說辭，誘騙境內(nèi)人員赴境外從事詐騙活動(dòng)，指揮境內(nèi)人員從事買賣信息、應(yīng)用程序開發(fā)、引流推廣、轉(zhuǎn)賬洗錢等各類違法犯罪活動(dòng)，緊密銜接境內(nèi)外活動(dòng)，導(dǎo)致我國公民的財(cái)產(chǎn)權(quán)益屢屢受損[3]。

2024年，最高人民檢察院會(huì)同最高人民法院、公安部制定依法打擊跨境電信網(wǎng)絡(luò)詐騙犯罪工作意見，起訴電信網(wǎng)絡(luò)詐騙犯罪近8萬人，同比增加超50%，此類犯罪不僅嚴(yán)重侵犯公民個(gè)人財(cái)產(chǎn)，更對(duì)信息網(wǎng)絡(luò)安全構(gòu)成重大威脅[4]。因此，建立有效的預(yù)警模型來識(shí)別潛在出境從事電信詐騙犯罪人員，不僅有助于保護(hù)公民財(cái)產(chǎn)安全，更能提升我國在國際反詐合作中的話語權(quán)和治理能力。

本研究旨在運(yùn)用大語言模型和知識(shí)圖譜技術(shù)構(gòu)建預(yù)警模型，通過對(duì)裁判文書網(wǎng)數(shù)據(jù)的深度挖掘與分析，建立信息整合平臺(tái)，實(shí)現(xiàn)對(duì)跨境電信網(wǎng)絡(luò)詐騙犯罪人員行為模式和發(fā)展趨勢(shì)的精準(zhǔn)預(yù)測與預(yù)警。

本研究具有重要的理論與實(shí)踐價(jià)值。在理論層面，構(gòu)建跨境電信網(wǎng)絡(luò)詐騙犯罪多要素知識(shí)圖譜，有助于系統(tǒng)解析技術(shù)在新型跨國犯罪中的協(xié)同特征與風(fēng)險(xiǎn)傳導(dǎo)機(jī)制，為完善網(wǎng)絡(luò)犯罪治理理論體系提供支撐。在實(shí)踐層面，所研發(fā)的預(yù)警模型可為執(zhí)法機(jī)關(guān)提供智能化決策工具，推動(dòng)犯罪防控模式從被動(dòng)應(yīng)對(duì)向主動(dòng)預(yù)警轉(zhuǎn)變，對(duì)構(gòu)建數(shù)字化時(shí)代犯罪防控新體系具有重要實(shí)踐意義。

1相關(guān)研究

近年來，跨境電信網(wǎng)絡(luò)詐騙預(yù)警工作成為反詐工作的重中之重。朱書陽等[5]提出了基于深度學(xué)習(xí)的電詐預(yù)警與宣傳方案推薦模型。該模型利用GF-TSF模型對(duì)受害者進(jìn)行風(fēng)險(xiǎn)評(píng)估，實(shí)現(xiàn)精準(zhǔn)電詐預(yù)警。王明[6]設(shè)計(jì)并實(shí)現(xiàn)了詐騙短信預(yù)警系統(tǒng)，該系統(tǒng)以旁路監(jiān)聽的方式分流出到達(dá)短信中心的短信，并將其置于flume監(jiān)聽文件夾下面，kafka緩存從flume端收集上來的信息，然后storm讀取這些信息，并對(duì)其進(jìn)行過濾，統(tǒng)計(jì)分組，最后得到詐騙短信名單及可疑短信名單，并對(duì)詐騙短信的接收者發(fā)送預(yù)警信息。陸文紅等[7]提出了基于大數(shù)據(jù)+AI機(jī)器學(xué)習(xí)模式建立反詐模型的思路，搭建反詐態(tài)勢(shì)感知大數(shù)據(jù)平臺(tái)。通過自定義規(guī)則與時(shí)俱進(jìn)更新反詐模型，實(shí)現(xiàn)反詐趨勢(shì)實(shí)時(shí)監(jiān)控、涉詐號(hào)碼關(guān)停、溯源分析等功能。王海林[8]通過總結(jié)電信網(wǎng)絡(luò)詐騙在預(yù)備和犯罪階段的行為模式，提取電信網(wǎng)絡(luò)詐騙犯罪的特征和風(fēng)險(xiǎn)指標(biāo)，運(yùn)用數(shù)據(jù)挖掘、數(shù)據(jù)碰撞和人工智能技術(shù)，構(gòu)建識(shí)別、預(yù)警、止損和偵查一體的監(jiān)控預(yù)警系統(tǒng)，實(shí)現(xiàn)事前人員攔截、事中預(yù)警勸阻和事后追蹤溯源。

雖然目前有關(guān)跨境電詐預(yù)警的研究取得了顯著效果，但也仍然存在以下不足：傳統(tǒng)預(yù)警模型存在動(dòng)態(tài)適應(yīng)性不足問題，對(duì)新興犯罪手法的響應(yīng)存在時(shí)滯；技術(shù)架構(gòu)復(fù)雜性與算法實(shí)現(xiàn)的高階性導(dǎo)致應(yīng)用門檻抬升，制約了預(yù)警系統(tǒng)在基層單位的普及效能；預(yù)警精度過度依賴數(shù)據(jù)質(zhì)量與完整性，在噪聲數(shù)據(jù)干擾或特征維度缺失時(shí)易產(chǎn)生誤判?；诖耍疚膶⒔Y(jié)合裁判文書網(wǎng)有關(guān)跨境電信網(wǎng)絡(luò)詐騙的一審判決文書進(jìn)行分析，通過綜合運(yùn)用多種技術(shù)手段，構(gòu)建一個(gè)有效的預(yù)警模型。

2信息抽取與知識(shí)圖譜構(gòu)建

2.1數(shù)據(jù)獲取

為確保數(shù)據(jù)質(zhì)量與研究的合法性，本文選擇公開的中國裁判文書網(wǎng)作為數(shù)據(jù)來源。該網(wǎng)站由最高人民法院設(shè)立，統(tǒng)一公布各級(jí)人民法院生效的裁判文書，具有權(quán)威性。本文將爬取電信網(wǎng)絡(luò)詐騙刑事案件的一審判決書，通過關(guān)鍵詞篩選的方式獲得有效記錄。

2.2信息抽取

為有效提取關(guān)鍵信息，本文采用大語言模型進(jìn)行實(shí)體識(shí)別和關(guān)系抽取，實(shí)現(xiàn)了在少量樣本條件下的高效信息抽取。2023年，大語言模型因其在文本生成任務(wù)中的杰出表現(xiàn)而引起了學(xué)界的廣泛關(guān)注。王麗君等[9]設(shè)計(jì)了基于大語言模型的三元組抽取方法，利用閉源大模型標(biāo)注少量高質(zhì)量監(jiān)督數(shù)據(jù)，結(jié)合檢索增強(qiáng)技術(shù)指導(dǎo)開源模型進(jìn)行抽取，實(shí)現(xiàn)了高質(zhì)量且自動(dòng)化的垂直領(lǐng)域抽取。劉暢等[10]探索了基于大語言模型的古籍領(lǐng)域限定域關(guān)系抽取方法和高質(zhì)量訓(xùn)練語料自動(dòng)生成方法。研究結(jié)果表明，使用大語言模型抽取關(guān)系三元組與合成訓(xùn)練數(shù)據(jù)，能夠顯著降低過往限定域關(guān)系抽取的人力成本，提升古籍領(lǐng)域知識(shí)圖譜的構(gòu)建效率。張欣等[11]聚焦于基于大語言模型的虛假信息檢測框架，深入探討了大語言模型在虛假信息檢測過程中數(shù)據(jù)生成、數(shù)據(jù)增強(qiáng)、信息抽取、結(jié)合外部知識(shí)和工具、模型改進(jìn)、最終融合決策、解釋與反饋生成等方面的創(chuàng)新應(yīng)用。從整體上看，大語言模型在實(shí)體識(shí)別和關(guān)系抽取上應(yīng)用潛力巨大，它可以形成對(duì)傳統(tǒng)信息抽取模型的有效補(bǔ)充。

本文采用大語言模型進(jìn)行要素抽取主要包括兩個(gè)方面：一是從文書中獲取結(jié)構(gòu)信息和案件相關(guān)數(shù)據(jù)，用于分析跨境電信網(wǎng)絡(luò)詐騙案件的時(shí)空特征分析；二是提取并整合被告人的個(gè)人信息，用于進(jìn)行個(gè)體特征分析。本文以“秦躍玲等詐騙一審刑事判決書”為例進(jìn)行相關(guān)研究，抽取的結(jié)果如圖1所示。

2.3知識(shí)圖譜構(gòu)建

本研究采用Neo4j圖數(shù)據(jù)庫技術(shù)架構(gòu)犯罪知識(shí)圖譜體系，其基于圖論的非結(jié)構(gòu)化數(shù)據(jù)建模范式，有效實(shí)現(xiàn)了跨境電信網(wǎng)絡(luò)詐騙犯罪要素的可視化解析與關(guān)聯(lián)分析。利用從信息抽取階段獲得的數(shù)據(jù)，包括被告人的身份信息、詐騙時(shí)間、詐騙理由、詐騙方式等。在neo4j中定義各類實(shí)體作為節(jié)點(diǎn)（如被告人姓名、詐騙時(shí)間、詐騙地點(diǎn)、辯護(hù)人姓名、辯護(hù)人單位等），并定義它們之間的關(guān)系（如“參與”“起訴”“辨認(rèn)”等），按照定義的節(jié)點(diǎn)和關(guān)系導(dǎo)入數(shù)據(jù)，構(gòu)建的知識(shí)圖譜如圖2所示。

3預(yù)警模型構(gòu)建

在完成信息抽取與知識(shí)圖譜構(gòu)建的基礎(chǔ)上，本文進(jìn)一步對(duì)目標(biāo)群體進(jìn)行特征分析，并設(shè)計(jì)構(gòu)建一個(gè)多維度預(yù)警模型，用以識(shí)別疑似出境從業(yè)電詐的高風(fēng)險(xiǎn)人員。

3.1目標(biāo)對(duì)象特征選取

本研究綜合相關(guān)文獻(xiàn)與典型案例分析以及行為邏輯推演，確定了以下三類關(guān)鍵特征維度，用于識(shí)別高風(fēng)險(xiǎn)行為。

1）通過年齡身份屬性特征、性別、：籍貫重點(diǎn)關(guān)注首次辦理相關(guān)手續(xù)的、興趣愛好、職業(yè)穩(wěn)定性等因素，構(gòu)建目標(biāo)群體畫像。

2）行為路徑特征：分析具有快速出境特征的行為模式，包括短期內(nèi)完成出境準(zhǔn)備、出行目的地集中于特定高風(fēng)險(xiǎn)地區(qū)、缺乏明確的返程計(jì)劃等，用作高風(fēng)險(xiǎn)判定的依據(jù)。

3）評(píng)估個(gè)體行為中的孤立性關(guān)系結(jié)構(gòu)特征：從社會(huì)聯(lián)系和家庭關(guān)系的角度，如無家庭或社會(huì)支持的行為表現(xiàn)及構(gòu)建潛在的社交孤立模型。

上述特征體系不依賴真實(shí)數(shù)據(jù)采集，而是在邏輯歸納與理論建模的基礎(chǔ)上構(gòu)建抽象化特征指標(biāo)，具備可復(fù)用性與風(fēng)險(xiǎn)最小化特征。

3.2模型結(jié)構(gòu)設(shè)計(jì)

本研究所構(gòu)建的預(yù)警模型總體結(jié)構(gòu)如圖3所示，采用標(biāo)準(zhǔn)化流程建模方式，劃分為數(shù)據(jù)輸入設(shè)定層、特征映射層、特征識(shí)別層與風(fēng)險(xiǎn)評(píng)估輸出層四個(gè)功能模塊。

1）數(shù)據(jù)輸入設(shè)定層：該模塊基于理論建模方式抽象構(gòu)建三類輸入變量：身份屬性類變量、行為路徑類變量與關(guān)系結(jié)構(gòu)類變量，為模型提供輸入框架。

2）特征映射層：該模塊將原始變量映射為結(jié)構(gòu)化的行為特征標(biāo)簽。通過設(shè)定時(shí)間邏輯、行為規(guī)則、路徑模式等標(biāo)準(zhǔn)，實(shí)現(xiàn)如“快速出境”“非家庭陪同”“高風(fēng)險(xiǎn)目的地”標(biāo)簽的結(jié)構(gòu)化標(biāo)注，推動(dòng)風(fēng)險(xiǎn)識(shí)別的準(zhǔn)確性。

3）特征識(shí)別層：該層整合各類結(jié)構(gòu)化標(biāo)簽，依據(jù)組合特征進(jìn)行多維度關(guān)聯(lián)分析。重點(diǎn)識(shí)別以下行為特征組合模式：具有集中目的地與高頻出境傾向；表現(xiàn)出計(jì)劃性較強(qiáng)但缺乏明確的返程安排；社會(huì)陪同程度低，具備社交孤立特征。通過上述組合模式，形成對(duì)個(gè)體潛在出境動(dòng)機(jī)的多角度識(shí)別基礎(chǔ)。

4）風(fēng)險(xiǎn)評(píng)估輸出層：最終風(fēng)險(xiǎn)識(shí)別通過設(shè)定分級(jí)閾值完成。模型基于標(biāo)簽權(quán)重賦分機(jī)制，將識(shí)別結(jié)果劃分為低風(fēng)險(xiǎn)、中風(fēng)險(xiǎn)與高風(fēng)險(xiǎn)等級(jí)。高風(fēng)險(xiǎn)等級(jí)個(gè)體在多個(gè)關(guān)鍵特征維度均表現(xiàn)顯著，可作為后續(xù)干預(yù)措施的理論依據(jù)。

通過綜合這些多維度特征，該預(yù)警模型不僅能夠?qū)崿F(xiàn)對(duì)疑似出境從業(yè)電詐人員進(jìn)行預(yù)測，還能為制定預(yù)防措施和策略提供數(shù)據(jù)支持，極大地提升跨境電信詐騙犯罪的防控效率。

4結(jié)束語

本研究通過爬取中國裁判文書網(wǎng)的跨境電信網(wǎng)絡(luò)詐騙一審判決書文書數(shù)據(jù)，利用大語言模型進(jìn)行信息抽取并構(gòu)建知識(shí)圖譜。研究揭示了被告人的個(gè)人特征和詐騙行為模式，并提出了一個(gè)針對(duì)疑似出境從業(yè)人員的預(yù)警模型，該模型有助于提高打擊跨境電信詐騙的效率，保護(hù)公民財(cái)產(chǎn)安全。未來研究將集中于模型的實(shí)際實(shí)現(xiàn)與實(shí)驗(yàn)驗(yàn)證，以進(jìn)一步提升其預(yù)測精度和應(yīng)用效果。

參考文獻(xiàn)：

[1]陳穎洪.電信網(wǎng)絡(luò)詐騙跨境治理的國界壁壘及制度應(yīng)對(duì)[J].中共福建省委黨校（福建行政學(xué)院）學(xué)報(bào)，2023（2）：109-116.

[2]李雪峰，王錸.電信網(wǎng)絡(luò)詐騙的特征與治理路徑[J].人民論壇，2023（20）：65-67.

[3]張啟飛，虞純純.論電信網(wǎng)絡(luò)詐騙犯罪的刑法規(guī)制[J].法律適用，2023（8）：74-82.

[4]劉亞廷“.兩高”工作報(bào)告回應(yīng)打擊電信網(wǎng)絡(luò)詐騙等重點(diǎn)問題[N].人民郵電報(bào)，2025-03-10（001）.

[5]朱書陽，洪磊，章愷熙，等.基于深度學(xué)習(xí)的電詐預(yù)警與宣傳方案推薦模型[J].警察技術(shù)，2025（1）：51-55.

[6]王明.基于實(shí)時(shí)流技術(shù)的詐騙短信預(yù)警系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].軟件，2015，36（1）：32-37.

[7]陸文紅，劉劍.基于大數(shù)據(jù)+AI機(jī)器學(xué)習(xí)的反詐模型研究[J].郵電設(shè)計(jì)技術(shù)，2022（9）：59-64.

[8]王海林.電信網(wǎng)絡(luò)詐騙犯罪監(jiān)控預(yù)警系統(tǒng)構(gòu)建[D].北京：中國人民公安大學(xué)，2021.

[9]王麗君，趙子巖，馬麗，等.基于大語言模型的綠色低碳領(lǐng)域三元組抽取方法[J].數(shù)字圖書館論壇，2025（1）：46-54，66.

[10]劉暢，張琪，王東波，等.基于大語言模型技術(shù)的古籍限定域關(guān)系抽取及應(yīng)用研究[J].情報(bào)學(xué)報(bào)，2025，44（2）：200-219.

[11]張欣，孫靖超.基于大語言模型的虛假信息檢測框架綜述[J/OL].計(jì)算機(jī)科學(xué)與探索，2025：1-38.（2025-02-19）.https：//kns.cnki.net/kcms/detail/11.5602.tp.20250219.0930.002.html.

【通聯(lián)編輯：代影】