诈骗小镇：反诈教育能像疫苗一样传播吗？

🧒 初中生也能看懂的版本

① 研究背景（为什么要做？）

你有没有接过这样的电话：对方自称是银行、医保局或者公安局，语气很急，说你的账户出了问题，要你马上转账、马上报验证码？很多年轻人挂掉就完事，可对不少老人来说，电话那头听起来像真的，一慌神，养老钱就没了。更麻烦的是，骗子的电话越来越像流水线：照着写好的剧本念，还可能用合成的假声音，一天能打几百个。过去研究怎么防骗，几乎都是一个人一个人地测：给某个人看一段提醒，再看他下次会不会上当。可现实里，大多数老人听到的提醒并不是来自官方广告，而是来自熟人——子女、邻居、一起买菜的朋友，或者刚被骗过的老伙计。一句提醒，听的人记住了，还可能再讲给别人听。既然这样，反诈教育会不会像疫苗一样，一个人传给另一个人，最后让整座小镇都多一层保护？这篇论文就是想弄清楚这件事。

② 研究问题（要回答什么？）

研究把大问题拆成三小块。第一块是“传得远不远”：一个人听到提醒后，平均能再让几个人真的相信？研究者用一个叫“传播系数”的数字来衡量，意思是“一条提醒平均能带出几条新提醒”。这个数字大于一，提醒就会自己越传越多；小于一，传几轮就停了。第二块是“管不管用”：一个人脑子里存着一条、两条、三条不同的提醒，接到诈骗电话时上当的概率会怎么变？是每多一条就多一层保护，还是第二条特别关键？第三块是“整座镇能少多少人被骗”：如果邻里之间真的会互相提醒，一个三十天的小镇能少多少受害者？官方广播和街坊议论加在一起，是一加一等于二，还是能擦出额外的火花？最后还有一个方法问题：用大模型扮演居民搭出来的小镇，能不能提前算准真实实验的结果？

③ 研究方法（怎么做的？）

研究者的办法，是造一个“诈骗小镇”沙盘。每个小镇有一百位虚拟居民，其中百分之四十五是六十五岁以上的老人——这比美国真实人口比例高得多，是故意放大的，因为骗子最爱打这个年龄段。居民住在一到四人的家庭里，彼此之间有五种关系：同住、亲戚、邻居、年龄相仿的朋友，以及通过教堂、老年活动中心和药房这三个“社区枢纽”认识的人。老人平均有十一点九个熟人，年轻人有十五点九个。
小镇外面有四个诈骗窝点，每个窝点每天打四个电话，用的十套剧本都是从四十八份消费者保护材料里整理出来的真实套路；它们手里的名单会重点圈老人和曾经被骗过的人。每个模拟日分五步：排电话、接电话、决定要不要告诉别人、决定信不信、决定要不要继续传。最特别的是，接电话这一步交给大语言模型来演：研究者用 Qwen3.7 Flash 扮演每一位居民，给它一段人物设定和最多十二条记忆，让它像真人一样选择接听、转账、核实、拒绝还是挂断。至于“谁告诉谁”“信不信”“多久忘掉”这些社交环节，因为模型演得太天真（几乎什么都信），改由调查数据和假设来控制。
除了这个慢而贵的“实机小镇”，他们还写了一个快得多的计算版本，用概率代替模型逐通电话判断，可以跑成千上万个镇。最后，他们真的跑了八十个实机小镇：两种设置各二十对，一对里一个关掉口碑传播、一个打开，而且预测数字在看见结果之前就写死了。

④ 结果（发现了什么？）

先说“管不管用”。研究者让六十位模型居民在四种状态下各接五次“祖父母求助”诈骗电话：没有任何提醒时，上当率是百分之十九点七；有一条提醒降到百分之十四点三；两条降到百分之二点三；三条只剩百分之零点七。第二条提醒带来的保护远远超过第一条，比“两条各管各的”要强得多。控制实验还发现，关键不是提醒更长：把一条提醒硬拉长到两条的长度，上当率几乎不变（百分之十三点七）；但如果第二条是同一个骗局的另一个具体故事，而且合并在同一段记忆里，上当率就掉到百分之三点七。换成中性、不带吓唬口气的写法，一条提醒也能把上当率压到百分之五。
再说“传得远不远”。在文献给出的现实范围内，一条提醒平均只能带出不到一条新提醒，传播系数最高只有零点六八，达不到自我维持的一。也就是说，反诈提醒不会像谣言那样“病毒式”爆发。但它仍然有用：实机小镇里，打开口碑传播让被骗人数少了百分之二十一；在“大家更爱说”的假设设置下少了百分之六十一。不过研究者自己泼了冷水——把批次之间的随机波动算进去后，百分之二十一这个结果的区间会跨过零，不能算稳稳站住。
最后是广播：如果可信的官方提醒一天之内覆盖九成人，单靠广播能少百分之二十三点四的受害者；再加上街坊议论，模拟里能少百分之五十二。投放对象也很关键：先覆盖老人，只要覆盖一成半就能减少四分之一受害者；同样随机覆盖两成人，专挑人脉最广的人只能多降四点六个百分点，而挑老人能多降十一点四个。

⑤ 讨论（这些发现说明什么？）

这些数字要分两层看。哪些是“测出来的”？模型居民接电话时的反应、以及实机小镇里口碑开关造成的差别，是实打实测的。哪些是“设出来的”？谁告诉谁、信不信、多久忘记，这些用的是调查数据加上研究者的假设。作者反复提醒：模型居民不是真人，他们接电话的总体上当率高得不真实，而且上过一次当之后几乎就免疫了，真人没这么机灵。所以这些结果应该当成“待验证的预测”，而不是“已经证明的结论”。
在这个前提下，作者给出三条给反诈宣传的建议。第一，提醒最好带着一个能复述的具体故事，而不是一句干巴巴的提示；第二条具体故事比“第一条提醒拉得更长”管用得多。第二，宣传要瞄准骗子真正会打的人，年龄是个实用的路标，而不是去追人脉最广的“社区名人”。第三，别指望街坊议论能保护最孤立的人：在每一种模拟里，人脉最少的三分之一居民受益都最少。
还有一个容易被忽略的代价：被提醒过的居民，对正常电话也更警惕，可能把银行、药房的电话一起拒掉。这种“过度防备”本身也值得在真实试验里盯着，因为它的成本可能和保护收益一样大。

⑥ 结论（最终结论 + 启示）

所以，这项研究给出的答案是：反诈教育可以像疫苗，但是一种“传播力很弱”的疫苗。它自己传不开，传几轮就熄火；可只要有人先把它送到社区里，它就能让每一次宣传的保护范围变大，让同样的投入覆盖更多人。对政策制定者来说，这意味着反诈宣传不该只追求“发出去多少条”，而应该追求“有多少条被人记住、并且愿意讲给别人听”。研究者的态度也很清楚：这套小镇是用大模型搭的沙盘，所有结论都还需要在真人社区里做试验来检验，尤其是“第二条具体故事特别管用”这一条，实机检验并没有证实它。在那之前，它是一个有意思、也有点分量的假设，而不是可以直接照搬的处方。

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

电话诈骗已产业化、自动化：呼叫中心按剧本作业，合成语音降低冒充成本（Traister et al., 2026; Shen et al., 2026）。既有反诈教育研究多以个体为单位，测量一次提醒或培训对个人识别力的影响（Scheibe et al., 2014; Burke et al., 2022），却忽略老年人主要从亲友网络获得反诈信息（Button et al., 2024），受骗经历常以警示故事口耳相传（Rader et al., 2012）。若故事既保护听者又能被转述，反诈教育就具备“可传播疫苗”结构（Nuismer et al., 2016; Basinski et al., 2019）。本文贡献有四：①形式化“只有保护传播、威胁不传播”（R₀=0）的模型；②用 LLM 居民测量持有 D 条警示的剂量—反应，并以控制臂区分“第二条故事”与“更长提示”；③构建经保真度门的快速模拟器，绘制传播—保护相图并评估投放；④在 80 个实机 LLM 城镇做预声明预测检验。作者把全部结果定位为待真人试验检验的假设。

I. Theoretical Framework & Hypotheses（理论框架与假设）

三条脉络交汇。①疾病—意识模型（Funk et al., 2009）：意识传播、衰减并降低易感性，但威胁本身也传染；本文的诈骗电话是外源溢出冲击，居民间不传播诈骗，只有警示传播（Lloyd-Smith et al., 2009）。②接种理论（McGuire, 1964; Compton & Pfau, 2009）：事先预警如疫苗产生抵抗力并可经口碑扩散；本文把接种剂量操作化为不同来源的警示条数 D。③弱传播疫苗与靶向免疫（Nuismer et al., 2016; Cohen et al., 2003）：R_warn<1 时接力仍能放大每次投放；投放应按“谁会被暴露”而非“谁人脉最广”。

编号	假设或研究问题	对应理论
RQ1 / H1	R_warn=ρ·b·E[k] 在文献范围内是否 <1	弱传播疫苗 · 分支过程
RQ2 / H2	保护是否随 D 超可加（e₂>2e₁）	接种理论 · 记忆整固
RQ3	口碑对 30 天攻击率的削减	疾病—意识模型
RQ4 / H4	广播+口碑是否超可加；按“会被打”投放是否优于按度数	靶向免疫 · 复杂传播

M. Materials & Methods（材料与方法）

范式与政策连接：LLM-agent 生成式社会仿真，属 ABM 家族变体，非 SD/DES——无存量流量方程、无事件队列；状态为每位 agent 的舱位（S / W1 / W2+）、记忆与人格，时间以离散“日”推进。含实机城镇（LLM 决策每通电话）与快速模拟器（概率替换）两引擎，共享社会层代码。议题直指老年人反诈教育的投放设计。
城镇规模与网络：N=100，45% 为 65–95 岁（美国约 17%，刻意过采样）；户规模 1–2（老人）/1–4（其他）；五类边为同住、亲属、邻居、年龄同质朋友、经教堂/老年中心/药房三 hub 的社区边；65+ 平均度 11.9，其余 15.9，静态图。
时间步与交互规则：30 天，每日五步——①排程（4 中心×每工作日 4 通，40 人名单，65+ 权重 2.5、既往受害者 ×3；每人每周另有 1–2 通正常来电）；②LLM 作答并写下“收获”与“会怎么讲”；③告知（受害者 0.43、抵抗者约 0.5，平均告诉 2 人，P2 为 3 人）；④相信与记忆（熟人必信、机构 0.5；同骗局合并为一条，14 天半衰期，最多 12 条入提示）；⑤接力（ρ=0.2，最多 6 代）。十种骗术脚本取自 48 份消费者保护材料，中心成功率低于 8% 即换剧本。
LLM 与提示：Qwen3.7 Flash（OpenRouter，锁定阿里，关闭推理，JSON 输出）；每通一次请求＝系统框（“扮演虚构居民，不是反诈专家”）＋人格＋≤12 条记忆＋来电显示＋剧本，返回动作（接听/转账/核实/拒绝/挂断）、可疑度与一句台词。
被建模的社交层：LLM 预试中相信 99.8% 的 8,420 条警示、99.7% 愿转述、82–93% 受害者愿告知，故告知、相信、接力、遗忘与名单投放全改为概率模型。
快速模拟器：c_i = c_0a·m_p·(1−e_own·E_i)(1−e_D)，c_0,a 为 65+ 0.344、其余 0.065；曲线 L=(0.27, 0.88, 0.96)、H=(0.15, 0.40, 0.50)、in-town e₁≈0.63 且第二条无增量；R_warn = ρ·b·E[k]。
标定与效度：两次把 LLM 依从率标定到真人水平的尝试未过留出验证，改用现实性门；快模拟器先过四项保真度门（20 镇图，逐镇 r=0.70），作者称其为 verification 而非 validation。实机检验为 80 镇（P1/P2 各 20 对，同种子 ON/OFF），预测先于结果提交，判定规则在 51/80 镇完成后提交。

R. Results（结果）

剂量—反应（1,200 通，探索性）：依从率 0.197→0.143→0.023→0.007；e₁=0.27（−0.08, 0.55）不显著，e₂=0.88 远超独立预期 0.47，合并 S=0.44（0.09–1.05）。控制臂（3,600 通）：拉长提示无效（0.137），同一记忆内第二段具体叙述有效（0.037），中性措辞单条即达 e₁=0.73（0.050）；分存两条记忆 e₂=0.39，超可加消失。
传播与相图（498 组）：文献区间内无一格达 25% 削减，R_warn 最高 0.68；R_warn=1 需 ρ=0.70/0.51/0.35（1.5/2/3 人告知）。接力使同效所需种子减少约四分之一。
口碑保护：基准 8.6%（L）/7.4%（H）；记忆不遗忘 12.1%；in-town 19.1%；实机 21.0%。人脉最少的三分之一仅 6.8%，最多者 11.9%。
实机 80 镇：P1 −21.0%（11.4–29.4），预测 19%，通过；依从 −1.67 pp（p=0.0004）。P2 −60.6%（56.4–64.4），预测 47%，仅方向，故模型未被预测验证。两 OFF 臂差 1.0 pp（p=0.003）；加批次方差后 P1 区间 [−3.3%, 39.6%] 亦含零，但保护方向成立。
广播（仅模拟）：90% 覆盖单广播 −23.4%，加口碑 −52.1%（和为 38.0，协同 +14.2）；H 曲线 12.8%/31.8%；in-town 53.1%/67.4%（协同 −5.5）。belief=0.5 时 11.8%/33.8%；14 天遗忘时合计 39.9%。投放：65+ 优先 15% 覆盖即达 25% 削减（随机 25%）；种子 20% 时 65+ +11.4 点 vs 人脉最广 +4.6 点（随机 6.8）。
保真度与摩擦：四项门全过；实机整固 −0.0057（−0.0145, +0.0031），p=0.19 未支持；正常来电拒绝率不随剂量升（0.072/0.063/0.057），合并记忆 2+ 条升至 0.085。

检验或场景	关键数值	判读
剂量—反应 e₁ / e₂	0.27 / 0.88（独立预期 0.47）	第二条超可加，探索性
实机 P1 / P2	−21.0% / −60.6%	P1 含零；P2 仅方向
广播 90% 覆盖	23.4% / 52.1%（加口碑）	协同 +14.2；in-town −5.5
种子 20% 投放	65+ 11.4 点 vs 人脉最广 4.6 点	按会被打投放最优

a / D. Discussion & Conclusion（讨论与结论）

理论意义：本文把“保护”而非“病原”作为传播对象，给出威胁 R₀=0、保护 R_warn<1 的结构，补充了意识—疾病耦合模型与接种理论，也解释了弱传播疫苗为何仍值得投放——不能自持，却能放大每一剂的覆盖。
方法学教训：两次真人率标定失败、LLM 社交行为呈“橡皮图章”（99.8% 相信、99.7% 愿转述），促成“LLM 只做通话决策、社交层用调查与假设建模”的分工；作者坚持 verification≠validation，并以版本控制日志公开 A12.1 事后修订与 A13 批次膨胀，透明度罕见。
实践启示：①给可复述的具体案例而非要点；②按“骗子会打谁”投放，年龄是可行代理；③孤立者需直接触达；④监测误拒正常来电的成本。
局限：替身效度是最大威胁——无任何人类结果锚定，唯一留出检验只说明快模拟器复现同一 LLM；骨干从五个中非盲选取，提示点明反诈可能诱发防御性回答；依从未校准、被害率偏高且只在单一诈骗强度下成立，居民一次通话后近免疫；剂量—反应用单一骗术、60 人、未做多重比较校正；抵抗者告知、告知人数、接力均为假设，相信取上界；广播主结果采用事后 belief=1.0，协同在 in-town 曲线下反转；蒙特卡洛区间未含参数不确定性。
伦理与可复现：无人类被试，全部为模拟 agent；脚本取自公开消费者保护材料，不优化说服。模型、参数、提示与声明轨迹齐备；实机检验 195,541 次请求、$13.83，全项目 LLM 支出约 $63。

🧠 IRMaD 思维导图

I 引言 R 研究问题/假设 M 方法 R 结果 a 讨论 D 结论

mindmap
  root((反诈疫苗小镇))
    I 引言
      老人多听亲友提醒
      研究却只测一个人
      教育可当可传疫苗
      威胁不传只有保护传
    R 问题与假设
      RQ1 警示能传多远
      RQ2 几条警示才管用
      RQ3 口碑护住整镇吗
      RQ4 广播该先给谁
      H1 传播系数小于一
      H2 第二条警示更管用
    M 方法
      大模型扮演居民
      每镇一百人四成半老人
      八十个实机城镇
      三十天五个步骤
      快速模拟器跑千镇
      预测先写死再跑
    R 结果
      传播系数最高零点六八
      口碑降两成一
      说更多降六成一
      广播九成覆盖降两成三
      再添议论降五成二
      先覆盖老人多降十一点四
    a 讨论
      像弱传播疫苗
      故事比长度重要
      最孤立者受益最少
      误拒正常电话有代价
      大模型替身需真人验证
    D 结论
      宣传要设计成可复述
      瞄准骗子会打的人
      弱传播也能放大剂量
      结论待真人试验

图：本研究的 IRMaD 思维导图。蓝色 I 引言；橙色 R 研究问题；绿色 M 方法；橙色 R 结果；紫色 a 讨论；红色 D 结论。