FraudSociety：金融诈骗经济的生成式智能体社会

🎓 专业 IRMaD 结构解读

I. Introduction（引言）

金融诈骗在规模上已经是一项宏观社会经济损失：按美国联邦贸易委员会（FTC）2025 年的口径，全年收到约 300 万份诈骗举报，报损超过 159 亿美元，而 FTC 2024 年数据手册给出的正损失中位数为 497 美元、报损超过 1 万美元的高损失案件占比为 12.6%。这类伤害的生成机制是信息面与资金面的双向耦合：诈骗信息经公开内容、平台推荐与私信逐步改变受害者的注意力与支付意愿，而每一次付款、返款与提现受阻又反过来改写骗子下一轮的话术与索款节奏。既有仿真器各占一半——TransXion 这类交易图仿真器刻画了带画像的账户流水，却不建模付款之前的信息说服过程；MultiAgent4Fraud 建模了社交互动到首次转账，却把首次转账当作终点，不建模后续的重复付款、返款与提现摩擦。因此，一个能同时承载“说服”与“记账”的闭环仿真，是把反诈监管从经验判断推进到可对照评估的前提。

论文据此提出三个跨层次的研究问题：RQ1 宏观上能否复现与监管口径一致的损失分布；RQ2 微观上这些总量是否由可信的多步受害路径涌现；RQ3 实用上能否作为反诈干预的试验床。作者的主张不是“仿真可以替代实证”，而是仿真可以在真实部署之前，对“平台广播、内容标注、随机提醒、同伴提醒、交易级个性化提示”这类候选政策做同环境、同人口、同种子的受控比较——这恰好是公共管理中最难做的一类前置评估。

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

框架由两部分拼成：普通人一侧的需要—意图—行动（Need-Intent-Action, NIA），与骗子一侧的案件生命周期分层策略。NIA 把行为拆成三层：先在四维需要向量 s=(饱腹、精力、安全、社交) 上按观察到的情境更新，并由阈值 θ=(0.80,0.80,0.80,0.70) 触发主导需要；再由主导需要与情境共同决定活动路线（消费、工作、休息、社交），路线把可选动作集收缩到与情境相关的一小撮；最后在收缩后的动作集里落成具体社会动作或资金动作。这条链的理论来源是马斯洛的需要层次、Ajzen 的计划行为理论与 Gollwitzer 的实施意向，三者的分工恰好对应“需要—意图—动作”三级。骗子一侧则是日尺度相位策略与小时尺度受害者策略的嵌套：日尺度上 π_D 只在“保持当前相位”与“推进到下一相位”之间选择，禁止回退与跳阶；小时尺度上 π_H 依据受害者交互历史与账本状态选择社会动作（发帖、触达、续聊）与资金动作（返小利、处理提现、索要追加）。相位设置为招募、建立信任、收割、崩盘四段，取自诈骗生命周期与受害者养成研究。核心耦合假设是：观察到的信息决定付多少，付过的钱改变下一句被怎么说。

M. Materials & Methods（材料与方法）

范式定位：这是生成式智能体 ABM（LLM-agent-based generative agent-based model），既非系统动力学，也非离散事件仿真。时间以 3,600 秒为一个离散步长（tick），每步固定执行“环境更新—个体观测构造—平民与运营者决策—动作校验与执行—状态提交”五段，无独立事件队列，属同步更新的时间驱动推进；所有 LLM 决策共享同一主干（Qwen3-14B，temperature 0，JSON 结构化输出并经语法修复与执行期接地校验）。

智能体数量与异质性：固定人口 112 名平民 + 8 名诈骗运营者（8 个在办案件，投资、冒充、情感（杀猪盘）、网络集市四类各 2 名），共 120 个智能体。异质性有三层来源：人口学按 ACS 2022 S0101 表在 20 岁以上成人中归一化抽样（七个年龄段），另含性别、学历、职业、通勤区；经济层初始余额按美联储 2022 年 SCF 的年龄分组交易账户锚点做对数正态抽样并乘职业系数，并带工资与发薪日；行为层为大五人格 1–10 分（四项均值 5.5、神经质 5.0，标准差均 1.8，截断正态，实测均值 5.46/5.54/5.41/5.17/5.10）。社交图是混合小世界网络：先连 k=6 个地理最近邻，以 p=0.15 重连，再按度优先附着补在线关系，边标注为家人、同事、邻居或网友；每个运营者最多绑定 10 个度加权目标，使诈骗暴露与日常社交处在同一张图里。

时间步长与轮次：480 个 1 小时步，合计 20 个模拟日，全部条件统一起点 2025-03-11 08:00，模拟器种子 42 固定画像截断、图抽样与警示抽样。信息流每屏最多 10 条公开帖、收件箱最多 20 条未读私信，构成有界观测——警示只有被选进这个有界视野才可能影响行为。信息流排序为两段式：先按 Reddit 式热度分 h(p)=sign(v_p)·log10(max(|v_p|,1))+(t_p−t_0)/τ_r 全局排序，再以与近期互动内容的嵌入余弦相似度重排。

环境与账本机制：社交环境是带类型标签的动态图 G_t=(V,E_t,ρ)，资金环境维护两本持久账本——平民账本记录余额、收支与非法交易标记，案件账本记录每笔付款、返款、提现请求、拖延与追加索款。评估单位是“受害者—案件”对，净损失 L_net=max(付款−返款,0)，正损失集合取净损失大于零的对。正是这本账把“付过的钱”送回下一轮观测，闭环才闭得上。

标定与验证数据：QD 的四个分量各自锚定 FTC 口径——HTL 用 1 万美元阈值按 λ=10000/497=20.12 折算到模拟尺度后比对 12.6% 的高损失占比；ALS 比对七个年龄段的正损失中位数；FSH 比对投资类与冒充类的中位付款比 9196/800=11.50；ALR 比对七个年龄段的受害者份额。另有 CAFC 2025 的前 10% 损失集中度 75.2% 作为外部交叉检验，FBI IC3 与 FTC 分类法用于诈骗家族划分。

干预实验设计：六个条件 C0–C5 共用同一人口实现、种子、起点与 480 步窗口，仅切换警示开关。C1 每 24 个模拟小时向全体平民投递一条固定未读私信；C2 对每条新帖用一个独立 LLM 取前 400 字判定并在帖内追加 [system warning] 后缀（解析失败则放行）；C3 每步用 42+t 为种子抽 6 名平民，在最近 50 帖中随机一帖下追加通用警示；C4 由平民自身的社交规划自发评论、发帖或私信提醒，只使用有界观测；C5 在每笔诈骗付款落账后，以交易 ID 为去重键向该受害者投递引用真实家族、金额、累计付款与话术线索的个性化私信。除 C5 外，条件身份从不作为隐藏标签喂给平民。关键方法学事实：每个条件只运行一次，原文明确声明全部对比是单次运行的描述性比较，不构成跨独立种子的总体效应估计。

R. Results（结果）

宏观对齐：FraudSociety 的四重距离 QD=0.2978，显著低于两个基线；四个分量中 HTL 为 0.0893（模拟高损失占比 13.73%，目标 12.6%，相对误差 8.9%），ALR 为 0.1495，FSH 为 0.3012，ALS 为 0.6513 是最弱的一环（七年龄段中位数剖面仍有明显偏差）。需注意 TransXion 的 0.4894 是三项可用距离的均值（FSH 不可用），属部分复合，与其四分量口径不完全可比。

*三可用分量均值，非四分量复合。

机制消融：去掉 NIA（路线在可行集内均匀抽样）后 QD 升至 0.6582，其中 HTL 从 0.0893 恶化到 1.0000、FSH 从 0.3012 恶化到 0.7908；隐藏账本反馈后 QD 升至 0.4510，HTL 恶化到 0.7005。两者方向一致，说明“需要条件化的决策”和“账本回写观测”是把个体路径与总体损失形状连起来的两根支柱。

微观路径：63 名正损失受害者在首次转账前全部经历过案件触达与私信暴露；正损失记录的中位前置接触为 7 次，首次接触至首次转账中位间隔 72 小时。损失高度集中：前 10% 记录占 81.1% 总损失（CAFC 口径 75.2%）；转账 ≥5 次的记录仅占 19.8% 却解释 75.6% 的损失，≥10 次仍解释 70.4%。按家族拆分，投资类 19 条记录/18 人/89,350 美元（61.6%，中位滞后 114 小时），集市类 34/31/40,459.50 美元（27.9%，52 小时），冒充类 23/20/11,590 美元（8.0%，50 小时），情感类 5/5/3,600 美元（2.5%，203 小时）。需要状态也与转账相关：转账时刻的安全需要均值 0.598→0.710、社交需要 0.630→0.712，安全需要由低到高时每百小时转账数 0.94→1.94，社交需要 1.03→1.91。

干预效果：五种警示都降低总损失，但作用环节不同。

C4 另把正损失受害者从 63 人压到 44 人、单笔最大正损失压到 3,800 美元。C5 把重复付款率压到 10.9%（相对 C0 降约 78%），但提现尝试率升至 47.5%，行为从“继续付”转向“试图要回”。区间说明：全部数值为单次运行的确定性点值，原文未报告跨种子均值、标准差或置信区间，因此只能作方向性对照。

a / D. Discussion & Conclusion（讨论与结论）

监管含义：这组对照把反诈干预的效果拆成了“拦曝光”“拦首付”“拦复付”三个作用点，而不是一个笼统的“有效／无效”。C1 与 C2 只在曝光面起作用，付款次数大降但重复付款率仍近四成——一旦进入私聊，平台侧的标注就失效了；C3 的随机提醒几乎不动重复付款率（49.1%），说明“无差别的恐惧提示”会被稀释；C4 的同伴提醒在压缩高损失尾部上明显优于随机提醒（单笔最大损失 3,800 美元）；C5 的交易级提示是唯一显著压低复付的手段。对公共管理而言，这意味着平台内容治理（标注义务）、公众宣传（广播）与金融侧的转账拦截／事后劝阻不是可互相替代的工具，而是一条链上的不同闸门，政策组合必须按“钱走到哪一步”来配。

挤出效应：C5 把提现尝试率从 8.6% 抬到 47.5%，这是本文最值得监管注意的副产物——更强的劝阻并不消灭受害，而是把行为从“继续付款”推向“追偿”。若银行与平台的申诉、止付、追赃通道容量不足，强提示可能只是把压力从损失科目转到投诉与处置科目。这一点在真实反诈实践（转账拦截后的资金返还流程）中同样存在，沙盘把它显式化了。

效度边界：其一，所有对比是单次运行、单一种子，作者本人在附录中明确否认其构成总体效应估计，因此本表的排序不能当作已被统计检验支持的因果结论。其二，人口实现与普查目标偏离较大：50–59 岁实现占比 28.6%，而 ACS 目标为 16.5%（实现 32 人对目标约 18 人），这会直接拉高 ALS 与 ALR 两个分量的偏差（ALS 0.6513 是最弱分量），也使年龄相关的政策结论需谨慎。其三，112 名平民 + 8 名运营者的规模、20 天窗口、单一 LLM 主干（Qwen3-14B，temperature 0）都限制了外部效度；换主干、换规模、换文化语境都可能改变行为参数。其四，QD 的四个目标常数取自美国 FTC 与加拿大 CAFC，跨辖区移植（如中国、欧盟）需重新标定阈值与家族分类。

结论：FraudSociety 的价值在于把反诈政策评估从“事后统计归因”推进到“事前同环境对照”。它已证明三件事：宏观损失形状可以对上监管口径；微观受害路径是可拆解、可归因的；干预可以按作用环节被分档比较。要让它真正进入政策流程，下一步需要的是多种子重复与置信区间、更大且更贴合普查的人口实现、跨 LLM 主干的稳健性检验，以及与真实平台 A/B 或银行拦截试点的小规模外部校验。