2026年2月，最高人民法院指出诈骗犯罪手段呈现明显的智能化趋势。公安部数据显示，2025年第一季度全国AI换脸、拟声诈骗案件环比激增45%。诈骗从人力密集型犯罪逐步转变为技术密集型犯罪，这一转变正在重塑反诈治理的基本格局。

一、AI诈骗驱动反诈治理进入新阶段

AI对诈骗的改造经历了三个关键拐点。一是伪造质量跃升。2026年《国际人工智能安全报告》的受控测试显示，80%的受访者将AI语音克隆误认为真实人声，77%的受访者将AI生成的文本误认为人类写作，表明诈骗的“可信度”已突破人类感官辨识的阈值。二是生产成本坍塌。毕马威《2025网络安全重要趋势》报告指出，DeepFake技术已实现大众化，“任何攻击者几乎都可以轻松获取并操作它”。三是攻击面横向扩张。AI诈骗横跨电话、短信、社交媒体、电商平台多平台联动，GASA数据显示全球诈骗每年造成超过1万亿美元损失，已超过全球GDP的1%。

三个拐点叠加，传统反诈依赖的“号码黑名单+关键词匹配+人工研判”范式面临失效，诈骗者用AI生成攻击内容只需数分钟，防御方人工分析则需要数小时。诈骗的生产端已实现AI化、自动化、产业化，而治理端仍依赖人工经验判断与事后处置。问题的根源不是某一环节的薄弱，而是整个治理范式与威胁形态之间存在代际能力鸿沟，这种能力失配无法通过增加局部规则来弥合，需要治理模式的整体升级。

二、AI时代运营商网络安全职责的演进

运营商的反诈职责通常是实名登记、SIM卡管理、号码管控等法定义务——即治理链条上被动的合规节点。AI诈骗时代需要换一个视角。

从合规节点到基础设施枢纽。2022年施行的《反电信网络诈骗法》确立了运营商、银行、公安、互联网平台多部门协同的反诈工作机制，制度底座已经建立并在运转。然而，AI诈骗的兴起正在暴露这套体系的结构性短板：协同通道中流转的信息质量和效率跟不上威胁的变化。运营商感知到的异常信号须经过“发现—上报—研判—分发—处置”的多环节流转才能到达处置端，这个时滞就是风险窗口。

这一短板的根源在于运营商在治理体系中的定位尚未充分释放。Visa在《反诈骗攻略》白皮书中指出，所有通过通信渠道实施的诈骗都必须经过运营商网络传输，运营商因此具备在网络层第一时间感知异常的结构性优势。当前反诈体系中，银行、互联网平台、公安的协同动作（冻结账户、弹窗干预、精准打击），都依赖“通信行为”作为风险判断的触发条件，而这些数据只有运营商能够在网络层实时获取。

换言之，运营商的感知能力是整个治理体系的“第一层滤网”，其识别精度直接决定下游所有主体的处置效率。当AI诈骗使这层滤网的规则匹配失效时，受影响的不是运营商单一环节，而是整个治理链路的输入端发生了质变。同时，运营商的连接范围覆盖治理体系中几乎所有主体，向上对接公安反诈中心，向下触达数亿终端用户，横向与银行、互联网平台存在天然的业务交叉，诈骗的信息链、资金链、技术链、人员链，在运营商网络中都有映射。因此，AI诈骗暴露的不是协同机制缺失，而是协同能力与威胁形态之间的失配，运营商需要通过能力升级支撑治理模式升级。

三、AI驱动运营商反诈风险治理模式升级

运营商自身能力的升级，核心是用AI重塑风险治理的工作模式。传统反诈按“感知—研判—处置”的线性流程运转，存在响应慢、反馈弱、规则静态三大结构性缺陷。AI驱动的升级，是将这条线性流程重构为以感知、研判、防御、学习四个环节为核心的智能闭环，其中学习机制嵌入并驱动前三个环节的持续进化。

从规则匹配到语义感知。传统风险感知依赖号码黑名单和关键词匹配，AI诈骗的个性化话术只需微调就能绕过关键词过滤，突破方向是从“特征比对”升级为“语义理解”。中国移动搭建的涉诈风险智能分析平台，按场景建立动态更新的AI识别模型，能精准捕捉“仿冒催收”“虚假取件通知”“婚恋交友”等百余种诈骗话术。中国联通反诈中心依托图数据库技术，通过图谱关联挖掘诈骗号码之间的隐蔽关系网络，从单号码识别升级为网络结构识别。感知对象从“号码和关键词”升级为“行为模式和语义内容”，运营商的“第一层滤网”，从“按图索骥”升级为“按意理解”，适应性更强。2025年中国移动累计拦截诈骗信息超6400万条，验证了语义感知的有效性。

从人工研判到智能研判。传统研判依赖人工经验，速度慢且标准不统一。中国移动依托反诈联合实验室攻关AI换脸拟声鉴伪技术，实时准确率超过90%；中国联通引入“打猫大模型”提升诈骗号码识别准确率，AI研判的准确率已达到实战可用水平。中国联通研究院构建的覆盖5大类31小类百万级评测数据集则代表了另一种思路：不仅用AI做研判，还用AI持续测试自身防御能力，通过对抗测试主动发现弱点，比被动等待真实案例反馈更具前瞻性。

从静态拦截到动态防御。防御环节从“拦截或放行”的静态二元决策，转向根据风险等级动态选择处置策略。中国移动的“中移羲和卫士”首创“AI预警提醒+防诈保险补偿”双重保障机制，该体系已覆盖全国31省份超6800万用户；中移互联网公司依托5G新通话技术实现通话中实时语音预警与远程挂断，将风险处置从“事后提醒”前移到“通话过程中”；中国电信的“星小辰终端智能体”依托自研大模型在通话中实时理解语义并提醒用户。中国信通院将这一范式概括为“以技治技”——不同风险等级触发不同强度的处置，且处置策略随威胁进化而迭代。

持续学习：嵌入前三个环节的进化引擎。持续学习不是独立于感知、研判、防御之外的第四个环节，而是嵌入其中的进化引擎，以应对AI诈骗的持续技术迭代。中国移动福建公司构建的“大小模型自主协同”技术体系，结合检索增强生成（RAG）与深度思考技术，实时接入恶意IP地址、域名、病毒签名库等威胁情报源，使感知和研判能力随情报更新持续进化。四个环节的升级共同构成了运营商反诈模式的整体转型，将线性、割裂、静态的反诈流程重构为一个连续、闭环、自进化的智能治理模式。

四、AI时代运营商反诈治理体系的演进方向

运营商自身能力升级解决的是“自身如何防御”，但AI诈骗已突破传统通信边界，形成涵盖通信、资金、内容、账号、技术等多环节的复杂风险网络，任何单一主体都无法独立完成全过程治理。中国信通院指出，当前人工智能安全治理面临共建合力不足、跨主体协同机制有待完善等问题——分散的执法、资金、内容和通信数据尚未连接为完整链条，只有将其贯通，才能形成覆盖风险发现、研判、处置和反馈的完整治理体系。

因此，AI时代运营商角色的进一步演进，是将感知、数据和智能能力输出为治理体系的公共能力，成为连接各治理主体的智能连接器，推动反诈治理从“主体能力建设”走向“跨主体智能协同”。这一演进沿着风险共享、实时联动、智能编排、闭环治理四个维度展开。

风险共享：从单点感知到全域风险可视。AI诈骗的风险信息分散于不同主体，单一维度的数据只能看到风险的一部分，只有多源数据融合才能形成对诈骗链路的完整认知。运营商在这一过程中承担着关键的数据连接作用。通信行为是诈骗链路的重要入口，也是连接资金流、信息流和人员流的重要纽带。中国移动2025年累计向公安机关报送黑灰产线索562.9万条。东莞移动联合属地公安和银行构建“警银企”联防机制：银行提供涉诈APP和非法网站数据，运营商基于通信行为异常特征逆向溯源，精准定位诈骗窝点并推送公安处置，已捣毁窝点56个，缴获GOIP设备55台。可以看出，运营商的价值不是简单增加数据来源，而是利用通信网络连接能力，将原本分散的数据资源转化为统一的风险识别能力，使治理体系具备更完整的风险视图。

实时联动：从信息共享到行动协同。风险共享解决的是“能否发现风险”的问题，但AI诈骗最大的威胁在于其速度，如果风险信息仍停留在人工传递和事后通报阶段，治理体系无法有效压缩诈骗窗口。因此，AI时代反诈治理需要进一步从“信息共享”升级为“行动协同”，推动风险识别、风险判断和处置行动在同一时间轴内完成。上海2026年启动的“全社会反诈大治理系统”体现了这一趋势。该体系联动公安、银行、运营商、互联网企业，实现127万余条数据实时互通，涉诈银行卡封控后相关信息同步推送至运营商和互联网企业交叉核验，形成“资金风险发现—通信行为分析—平台协同处置”的快速响应链路，已拦截资金3.2亿余元，实现电诈案件连续7年“双下降”。运营商在实时联动中还提供独特的风险触达能力：基于网络感知发现异常通信行为，并通过短信、电话、终端等渠道直接触达用户，实现风险提醒前移。实时联动的本质，是使治理体系具备与AI诈骗速度相匹配的响应能力。

智能编排：从人工协调到AI辅助决策。当风险信息能够实时流转后，新的问题随之出现，面对复杂风险，应该由谁处置、采取什么策略、处置到什么程度？传统反诈中各主体依据自身职责分别行动，依赖人工经验协调。但AI诈骗的同一风险可能同时涉及通信、资金、账号、内容多个环节，仅靠人工判断难以实现最优决策。治理体系需要从“发现风险”进一步升级为“理解风险并自动匹配治理策略”，即通过AI实现跨主体的智能编排。中国联通反诈中心“扫雷”模型体现了这一方向：该模型通过图谱分析通话和短信聚集模式，识别诈骗团伙中的关键节点及关联网络，将风险识别从单号码判断提升到诈骗组织关系分析，并将分析结果提供给公安机关，辅助打击策略从“发现一个号码、处置一个号码”转向“识别一个网络、打击一个团伙”。智能编排的核心价值，在于让治理体系根据风险类型、影响范围和紧急程度，自动匹配最适合的治理动作。

闭环治理：从一次处置到持续进化。AI诈骗最大的特点是攻击方式持续变化，依赖固定规则的治理体系会随诈骗手法演进逐渐失效。反诈体系最终需要具备自我学习和持续优化能力。闭环治理的关键，在于让每一次处置结果成为下一轮治理能力提升的数据来源，包含但不限于公安机关的打击成果、银行的异常交易模式、互联网平台的涉诈账号特征，这些都可以反向输入风险识别模型，使治理能力随着实战不断进化。国家数据局2025年发布的“警银网通”典型案例提供了这一模式的实践参考。该体系融合公安、银行、运营商、互联网平台的“人员流、资金流、网络流、通信流”四维数据，建设千万级涉诈样本库，识别准确率达99%；依托区块链和隐私计算构建可信数据空间，实现跨主体安全共享，响应时间缩短至3秒内，在12省市实战中累计挽回损失超过60亿元。闭环治理使反诈形成“数据采集—模型训练—风险识别—处置反馈—能力优化”的动态循环，从被动响应走向主动预测。

结语

AI诈骗的持续演化带来了治理能力的代际挑战。运营商反诈治理体系的升级，本质上不是增加更多防护工具，而是推动治理模式发生根本变化：风险共享让治理体系拥有统一视角，实时联动赋予快速响应能力，智能编排实现精准决策，闭环治理带来持续进化能力。由此，运营商角色从传统的通信基础设施提供者，演进为智能反诈治理体系的能力枢纽——向内，通过AI重塑自身感知、研判、防御和学习能力；向外，将这些能力转化为跨主体协同能力，推动反诈治理从“人力驱动协同”走向“AI驱动协同”，最终形成以AI制衡AI的动态治理体系。

赛立信通信研究部  作者：李艳敏