高质量数据集典型案例 | 基于“警银网通”AI反诈数据标签高质量数据集

　　推荐单位：北京市政务服务和数据管理局
　　申报单位：恒安嘉新（北京）科技股份公司
　　一、背景
　　电信网络诈骗数据承载着诈骗行为的多维度特征信息，在公共安全与社会治理领域具有重大价值。针对当前数据源分散割裂、质量参差不齐、语义标签缺失、安全共享难度大的问题，本案例构建了“数据融合－智能标注－协同处置－生态运营”一体化的反诈数据治理体系，形成了一套高质量的涉诈多模态标签数据集，并基于此训练打造了具备诈骗识别、预警拦截、溯源打击等能力的AI反诈平台，可支撑案件研判、预警劝阻、行业联防等实战需求。
　　二、方案和成效
　　一是构建多模态反诈数据融合技术，筑牢高质量数据基础。针对原始数据分散、质量不一的问题，综合运用NTA、DPI、区块链及隐私计算等技术，实现对“人员流、资金流、网络流、通信流”四维数据的高效整合与治理，建成千万级涉诈样本库，数据合格率和诈骗识别准确率均达99%。
　　二是建立智能化数据标签体系，实现精准反诈分析。针对语义缺失、标签稀疏问题，依托机器学习与自然语言处理技术，构建多模态智能标签系统，支持实体画像与风险研判，自动化生成多维标签，覆盖率达95%以上，显著提升涉诈事件检测与处置效率。
　　三是打造协同化数据运营机制，保障数据安全共享。构建“融合反欺诈可信数据空间”，集成区块链、加密脱敏等技术，实现跨警、银、通、网的安全共享与协同处置，响应时间缩至3秒内，支撑12省市实战，累计挽回经济损失超60亿元。
　　四是创新实战化业务应用模式，提升跨行业联防效能。面向公安、银行、运营商等多类用户，形成监测预警、线索挖掘、溯源打击闭环体系，助力多地案发率下降超35%、财损率下降超12%，有力支撑国家反诈平台与生态建设。
　　三、创新点
　　一是技术创新驱动数据融合与智能识别。采用“警-银-网-通”四流多模态数据融合与AI智能分析技术，建立千万级高精度涉诈样本库，实现诈骗识别准确率99%，提升数据效用与响应速度。
　　二是模式创新构建跨域协同治理新范式。面向公安、银行、运营商及互联网企业等多方主体，构建一体化业务协同机制，打破数据壁垒，形成社会共治的反诈新格局。
　　三是机制创新实现数据闭环与生态共建。依托融合反欺诈可信数据空间，建立“数据－模型－处置－反馈”闭环机制，推动技术国产化与标准建设，赋能12省市实战，提升整体防控效能。