大模型技术催生新型欺诈交易 中国跨境电商企业出海如何“防患于未然”

AI大模型技术，正被越来越多跨境电商欺诈分子“盯上”。

21世纪经济报道记者获悉，去年以来，部分跨境电商欺诈分子开始借助基于大语言模型（LLM）技术的FraudGTP、WormGPT生成钓鱼邮件、编写漏洞利用代码等，突破跨境电商企业与跨境电商平台的身份验证风控措施，实施欺诈性交易。

具体而言，通过AI大模型技术，这些欺诈分子（支付欺诈灰产组织）在未经授权的情况下，可以访问登录一些消费者的账户进行欺诈性跨境电商购物，一旦跨境电商卖家最终发现上当受骗，已经面临较大的欺诈损失。

对于积极出海的中国跨境电商企业而言，这俨然构成新的业务风险。

一位跨境电商企业海外业务负责人向记者透露，每当他们进入一个新市场，由于对当地民众消费特点、消费付款习惯、身份数据识别等缺乏了解，内部技术团队很难迅速有效地识别欺诈购物行为，尤其是基于AI大模型的各类欺诈性交易。

他告诉记者，经历一段时间的业务实践，他们发现部分跨境电商欺诈分子要么利用AI大模型生成大量虚假账号与虚假邮箱，虚构消费者身份开展欺诈购物，一旦货物到手他们立刻“消失”，导致企业蒙受不小的货物损失；要么在窃取一些消费者信用卡信息后，通过大模型技术包装消费者身份信息，大肆购买手机等数码电子产品、高端时尚类、跑鞋等产品实施“欺诈性”购物，最终跨境电商平台发现这些信用卡被盗用而无法收回货款，也只能“自认倒霉”。

Riskified亚太地区负责人Tasneen Padiath接受本报记者专访时表示，这类欺诈行为几乎随时随地都在发生。如今在盗取信用卡信息、或在暗网非法购买信用卡信息后，这些欺诈分子正利用基于AI大模型技术的WormGPT创建一个消费者“机器人账户”，买一些容易转售获利的跨境电商产品（比如跑鞋与手机等），而一个跨境电商卖家却可能因此每天遭遇数千美元、甚至数万美元的损失。

在她看来，基于AI大模型技术的跨境电商欺诈行为不断增多，正导致全球电商领域的信用卡拒付现象水涨船高。

Riskified此前发布的《信用卡拒付挑战及其应对：2024年全球洞察》（下称《报告》）指出，在英美国家，约有75%消费者在去年提出“拒付”，创下历史新高。通常情况下，消费者提出拒付，主要原因是他们没有收到商品、或遭遇信用卡信息被盗取。但是，由于跨境电商企业在应对拒付挑战的风险管理措施不够完善，越来越多消费者开始寻找各种虚假理由要求拒付，同样给跨境电商企业造成巨大损失。

Tasneen Padiath指出，随着中国跨境电商企业积极出海，他们需高度重视由AI大模型技术所衍生的新型欺诈性交易，以及由此导致的信用卡拒付挑战激增问题。

在她看来，目前跨境电商企业对此的应对策略，一是与第三方专业跨境电商风控管理机构合作，用AI风控击败基于AI大模型的新型欺诈行为；二是通过增加业务流程自动化、构建一站式处理全部拒付订单的体系，打造更好的数据标签化处理与抗辩证据管理能力，改进拒付预防策略等，有效应对日益严峻的信用卡拒付挑战。

“我们注意到，如今中国跨境电商企业在出海过程，对基于大模型的欺诈购物交易风险与拒付挑战重视度日益增强。去年，Riskified 处理的来自中国电子商户的交易数量超过2022年的两倍，发展速度相当快。”Tasneen Padiath强调说。

 AI大模型触发新型跨境电商欺诈行为增多

在部分跨境电商欺诈分子眼里，AI大模型技术俨然成为他们实施欺诈性交易的新工具。

记者获悉，越来越多欺诈分子开始使用AI大模型分析各类消费者消费数据，由此创造众多虚假账户，开展跨境电商欺诈性交易。当跨境电商卖家意识到这些账户纯属虚构（缺乏真实客观的消费者身份信息），商品已经发送，由此造成不小的损失。

其中最典型的一种做法是，部分跨境电商欺诈分子会在暗网购买大语言模型服务，创造众多虚假的邮箱账户，对跨境电商卖家实施欺诈购物交易。如今，WormGPT与FraudGPT已成为他们常用的虚构账户实施欺诈购物交易的“有效AI大模型工具”。

但是，面对基于大模型技术的新型跨境电商欺诈行为，众多跨境电商企业与跨境电商平台却“防不胜防”。原因是这些基于AI大模型所创造的“虚假账户”，能轻松突破跨境电商平台与跨境电商企业设定的账户认证与真人识别验证环节，成功实施欺诈购物交易。

数据显示，随着基于AI大模型的跨境电商欺诈行为增多，支付欺诈行为令全球跨境电商在每年可能失去3%的电商业务收益，在某些新兴市场地区，由于银行身份认证系统不够发达更容易被AI大模型所创造的“虚假账户”突破，相关支付欺诈行为给跨境电商企业可能带来约6%的营收损失。

上述跨境电商企业海外业务负责人直言，每当他们进入一个新兴市场，都会接触到当地4-5种主流本地支付方式，包括信用卡支付、现金支付、电子钱包支付、实时转账支付等，但每一种支付方式其实都存在欺诈风险。比如在一些拉美国家地区，当地主流支付方式是实时转账支付，但不法分子恰恰利用这种支付方式，在窃取当地消费者支付账户信息后用大模型技术虚构“账户身份信息”，从而达到欺诈购物，骗取商品转售获利的目的。

Tasneen Padiath告诉记者，为了规避日益严峻的欺诈交易风险损失，越来越多跨境电商开始与专业机构合作——用AI风控击败基于AI大模型的欺诈购物交易。

她透露，目前Riskified 借助AI监督学习（supervised learning）和AI非监督学习技术（unsupervised learning），进一步提高数据分析的覆盖范围的准确性，包括数百个识别欺诈账户的特征层都采用AI深度学习（deep learning）技术。与此同时，Riskified持续改进机器学习模型和算法，以识别更多类型的欺诈行为，准确区分合法交易和欺诈交易。

“举例而言，身份探索功能(Identity Explore)能协助跨境电商迅速查看和了解用户身份，以及他们的索赔记录、拒付订单数量与购买模式等，更清晰及时地洞察这些用户购买交易的真实意图。此外，Riskified利用实时数据分析技术监控交易过程，快速识别潜在欺诈行为，并及时采取必要措施。” Tasneen Padiath向记者透露。有了这些信息与数据分析洞察结论，跨境电商商户一方面可以阻止具有欺诈购物风险的账户获取额外退款与促销代码，另一方面则阻止某些交易结账，避免商品发出去却收不到货款。

记者多方了解到，当前AI反欺诈风控技术的一大特点，就是当欺诈分子使用某种欺诈方法“得手”后，当他打算继续如法炮制，AI反欺诈风控技术就能迅速识别这类欺诈行为特征，迅速做出反应拦截这类欺诈购买交易。

Tasneen Padiath透露，另一种AI反欺诈风控做法，是对众多消费者账户进行交易行为分析，包括他们的索赔、拒付订单、退货退款政策滥用等，以此识别这些账户是否存在恶意欺诈行为，更高效地确定是否对他们的跨境电商购物行为进行拦截。

在她看来，未来AI大模型将令跨境电商支付欺诈行为变得更智能复杂，具体表现在三大方面，一是不法分子可能利用AI大模型技术研发更智能、更隐蔽的欺诈手段，令身份识别和欺诈风险防范变得更困难；二是AI大模型技术可能被欺诈分子用于生成高度仿真的虚假交易数据，进一步混淆反欺诈风控系统，令他们有机可乘；三是AI大模型技术的应用，可能令欺诈分子能更快速地调整欺诈购物策略，加剧对跨境支付系统的威胁。

“针对这种状况，我们必须更加依托AI技术的赋能，更高效精准快速地识别哪些消费者账户是存在真实购物需求的，哪些账户则是欺诈分子虚构的账户或存在恶意欺诈行为，采取措施迅速拦截阻挡后者。”Tasneen Padiath直言。

 跨境电商信用卡拒付风险激增的新挑战

值得注意的是，基于AI大模型技术的跨境电商欺诈购物交易日益增多，无形间加剧信用卡拒付状况“水涨船高”。

《报告》显示，近年以来，随着跨境电商等电子商务销售额激增，拒付情况也随之猛增。 2023年，英美两国逾3/4的消费者提出拒付，创下历史新高。如今，拒付俨然成为消费者在线购物行为的新常态。

究其原因，一是AI大模型所衍生的跨境电商欺诈性购物交易增多，导致不少消费者发现信用卡信息被盗取后拒绝支付；二是发行卡与支付机构为了进一步保障消费者权益，采取更严格的拒付抗辩流程与规则，比如去年4月Visa 推出针对欺诈拒付的新监管规则，今年1月PayPal 更改其卖家保护计划规则，这两项新规则均要求电商快速调整流程以保持合规性并成功提出拒付抗辩争议，且若电商拒付状况过多，还可能面临失去收单账户或罚款风险；三是跨境电商企业在应对拒付挑战方面，缺乏成熟有效的流程管理体系与技术支持，导致越来越多消费者纷纷寻找各种虚假理由提出拒付。

目前，越来越多电商因此面临更大的业务损失。

《报告》显示，76%电商相关人员遭遇比去年更多的拒付处理工作量；3/4电商认为收回的拒付商品，还不到所有拒付商品的一半；逾73%电商表示逾 20%的拒付来自欺诈分子的欺诈性拒付。

与此同时，由于拒付处理管理流程复杂耗时低效，部分跨境电商卖家甚至认为拒付所引发的真正运营成本，可能超过他们跨境电商业务整体收入，导致跨境电商业务赚不到钱。

前述跨境电商企业海外业务负责人坦言，当前国内跨境电商卖家应对拒付挑战，普遍存在三大短板，一是拒付处理流程太耗时，消耗企业大量精力时间资源；二是商家难以从各种网关、跨境电商物流等环节收集足够全面的数据，作为拒付抗辩（证明商品已送达，要求消费者付款）的证据；三是当前处理拒付问题的人手明显不足，无法解决日益增多的拒付订单处理问题。

在他看来，要解决信用卡拒付等风险，国内众多跨境电商企业在自身精力与资源投入有限的情况下，只能积极与专业第三方机构开展合作。

Tasneen Padiath注意到，随着中国跨境电商企业积极出海，越来越多商家正开始使用他们的拒付争议解决（Dispute Resolve）工具——通过扩展网关与人工智能技术集成，它能自动编译和格式化每笔拒付订单的辩护证据，协助商家节省拒付订单处理时间与精力，从而更高效地处理大规模的拒付订单问题。

“更重要的是，我们仍需要更精准快速地识别用户购物需求真实性与分析以往购物支付记录，协助商家减少拒付订单数量。”她指出。目前Riskified通过一系列AI技术评估消费者的真实购物需求与以往付款状况，令商户的订单通过率提升4-8个百分点，从而有效协助商户甄别“真实的电商交易”以提升销售额同时，令他们在反欺诈风控方面的成本投入减少约50%。

Tasneen Padiath坦言，要与跨境电商建立更牢固的信任关系，第三方专业机构同样需承担“欺诈交易”赔付责任。比如Riskified系统认定的“真实交易订单”，但经核实是“虚假的欺诈交易”，企业将通过拒付包赔机制为这项交易“买单”，向商家赔付相应的损失。

“这有助于更多跨境电商企业敢于进军新市场，因为第三方专业风控机构愿意与他们提升AI反欺诈风控能力同时，共担欺诈风险。”她指出。目前，中国跨境电商企业出海进入新市场，还需做好三件事，一是对新市场有着清晰全面的认知与了解，二是对新市场的拓展必须设定明确的KPI，包括新市场的交易通过率与可接受的拒付率，从而有效管控整个欺诈风险；三是积极与外部风控技术供应商合作，因为后者或许更了解这些新市场的欺诈购物交易特点与实施路径，可以更好帮助中国企业避开某些潜在风险。

记者多方了解到，针对拒付风险挑战日益严峻，当前越来越多全球跨境电商企业纷纷通过业务流程自动化、构建一站式管理所有拒付订单体系、改进拒付数据分析方法、使用更多数据开展拒付抗辩、加强拒付欺诈预防措施、雇佣更多人员处理拒付订单等方法，寻求行之有效的解决方案。与此同时，他们也意识到与专业反欺诈风控管理机构合作的重要性，因为跨境电商欺诈分子利用大模型技术正研发更隐蔽的欺诈交易手法，需要专业机构提供专业AI反欺诈风控技术“防患于未然”。