Anti-Fraud Edge AI
GenAI Guardian — 项目介绍
完全离线运行的边缘 AI 电信诈骗检测系统
本页目录
一、GenAI Guardian 是什么
GenAI Guardian 是一款完全离线运行的电信诈骗检测边缘 AI 系统。
无需任何互联网连接，语音和视频数据绝不离开终端。
老年人在家中接听电话——电信诈骗恰恰发生在这一极度私密的空间。在这样的空间中部署摄像头和麦克风，如果数据会被传输到外部，无论使用者本人还是家属都无法安心。即便反复强调"数据已加密""服务器安全可靠"，只要通信链路存在，疑虑就不会消除。GenAI Guardian 从设计上就不需要通信链路，从根本上解决了这一问题。此外，系统与电话联动，仅在通话发生时才启动，而非全天候监控。
| 设计原则 | 内容 |
|---|---|
| 通信 | 不需要。完全离线运行 |
| 数据外传 | 不存在。语音和视频数据不会离开终端 |
| 启动条件 | 与电话联动，仅在通话时启动（非全天候监控） |
| 终端 | 小型摄像头（内置麦克风和扬声器）+ 专用小型终端 |
| 隐私保护 | 非侵入式，不记录、不存储使用者的日常生活 |
在老年人家庭中部署时，无需考虑是否有互联网环境，也不产生通信费用。
系统融合犯罪心理学知识与 AI 技术，从通话语音的语境和摄像头画面中的行为模式两个维度，实时检测诈骗犯使用的"心理操控结构"。
| 支柱 | 功能 | 特点 |
|---|---|---|
| 语境 Token 检测 | 实时分析通话语音语境 | 诈骗检测专用，具备语境感知能力 |
| 人体动作分析 | 检测高压环境下的行为变化 | 本地 AI 驱动的动态识别 |
| 数据底座 | 多语言、多地区诈骗防范数据 | 约 600 小时语音，约 40 亿字文本 |
二、社会问题：电信诈骗形势日益严峻
国内现状
| 指标 | 数值 | 来源 |
|---|---|---|
| 2024 年破获案件 | 29.4 万起 | 公安部 |
| 2024 年直接经济损失 | 970 亿元 | 电信诈骗白皮书 |
| 2024 年起诉人数 | 7.8 万人（同比 +53.9%） | 最高检 |
| 反诈系统拦截资金 | 3,151 亿元 | 公安部 |
电信诈骗已占全国刑事案件的约 60%。2024 年，反诈系统拦截诈骗电话 46.9 亿次、诈骗短信 33.7 亿条，但损失金额仍高达 970 亿元——拦截能力在提升，诈骗手段也在同步进化。
全球威胁加剧
这并非日本独有的问题。2026 年 1 月，美国反诈专家 Frank McKenna 在年度报告（2026 Fraud Predictions）中警告：AI 驱动的诈骗正进入一个"失控时代"。
- 2025 年全球诈骗损失突破 1 万亿美元
- 深度伪造攻击同比增长 3,000%
- 全球约 70% 的成年人曾遭遇某种形式的诈骗
- 借助 AI 自动化，少数人即可每天对数万人发起攻击——"诈骗工厂"正在成为现实
AI 技术的进步正在推动诈骗手段不断升级。应对手段也必须依靠 AI 来进化。
老年人受害的结构性特征
冒充公检法类诈骗中，超过 70% 的受害者为老年人。2024 年末，我国 60 岁以上人口首次突破 3 亿（占总人口 22%），65 岁以上达 2.2 亿（15.6%）。预计 2035 年 60 岁以上将超过 4 亿（占比超 30%），进入重度老龄化社会。
从人口结构来看，电信诈骗的结构性风险正在进一步扩大。
现有对策的局限
当前的主要对策——宣传教育、骚扰电话拦截、通话录音——要么只能在通话开始之后才起作用，要么依赖受害者本人的判断力。
然而，诈骗犯正是通过剥夺受害者的判断力来实施犯罪的。如果受害者还能判断"这可能是诈骗"，受害根本不会发生。真正需要的是一套能检测当事人已丧失判断力这一状态的机制。
三、社会各界对这一课题的关注
AI 与犯罪心理学结合的反诈探索
AI 与犯罪心理学相结合的电信诈骗对策已在国际上引起广泛关注。
富士通株式会社、东洋大学和兵库县尼崎市从 2022 年起开展联合研究，运用"汇聚技术"（Converging Technology）进行电信诈骗防治。2025 年 5 月，该项目实现了 82% 的诈骗检测准确率，获得日本主流媒体广泛报道。
| 时间 | 里程碑 |
|---|---|
| 2022 年 3 月 | 启动联合研究，在尼崎市政府开展首次实证实验 |
| 2022 年 9 月 | 识别出与受害者心理状态相关的 11 项要素，在日本应用心理学会发表 |
| 2023 年 10 月 | 日本心理学会批准设立"汇聚技术研究会" |
| 2023 年 11 月 | 开发基于生成式 AI 的电信诈骗防范训练工具，在尼崎市举办体验会 |
| 2024 年 11 月 | 在 22 户老年人家庭安装设备，开展日常环境下的验证 |
| 2025 年 5 月 | 诈骗检测准确率达到 82% |
该项目由富士通、大学、地方政府和全国性媒体从多个渠道正式发布。
- 读卖新闻 — AI 判别准确率超八成（2025 年 5 月）
- 产经新闻 — 通过 AI 分析呼吸和心率，准确率超八成（2025 年 5 月）
- 富士通官方新闻稿（2022 年 9 月）
- 富士通公关 — 电信诈骗防范 AI 训练工具
- 富士通 汇聚技术研究会
- 尼崎市官方页面
与 GenAI Guardian 的关联
主导这项研究的东洋大学教授，是 GenAI Guardian 研究者在硕士阶段的导师。研究者本人也参加了汇聚技术研究会，旁听了研究发表并参与了讨论。
GenAI Guardian 针对同一社会问题，采用了不同的技术路线。
| 对比维度 | 富士通联合研究 | GenAI Guardian |
|---|---|---|
| 检测方法 | 毫米波传感器 + 生理反应 | 语境 Token 检测 + 人体动作分析 |
| 侧重点 | 硬件传感 | 软件与边缘 AI |
| 设备 | 专用传感器部署 | 通用摄像头 + 小型终端 |
| 通信 | — | 完全离线 |
| 共同理念 | 非侵入式、隐私保护 | 同左 |
作为针对同一目标的不同研究路线，两者具有互补合作的可能性。
四、技术路线
4.1 基于语境的 Token 检测 — 与传统方法的区别
对通话语音进行实时分析，判断是否存在诈骗可能。
传统基于关键词的系统在检测到"汇款""警察""钱"等特定词语时即触发警报。但这些词语在日常对话中同样高频出现，导致大量误报（False Positive），最终使用者会习惯性地忽略警报。
GenAI Guardian 采用了完全不同的检测思路：
- 不关注单个词语，而是将整段对话作为连贯的语境来理解
- 判断对话中是否形成了恐惧唤起、时间紧迫感营造、社会孤立诱导等心理操控结构
- 特定词语的单纯出现不会触发检测；只有当这些词语被嵌入操控性语境中时才会响应
这种语境感知机制从原理上抑制了误报问题。
4.2 高压环境下的人体动作分析 — 对老年人尤为有效的原因
通过摄像头画面的本地 AI 分析，检测通话过程中受害者的行为变化。
已有研究表明，人在心理高压状态（恐惧、焦虑、混乱）下会表现出特定的行为模式——坐立不安、反复性动作、异常的姿态变化等。
这种检测对老年人尤其有效：老年人在日常生活中的动作变化幅度本身较小，因此当异常行为模式出现时，对比度更大，检测可信度在结构上更高。
所有视频分析均在终端本地 AI 上完成，视频数据不会外传。
五、研究者背景
刑事法庭实务经验
来日前，研究者在中国刑事法庭从事了 2 年以上的实务工作。
期间参与审理并判决了一起震动全国、波及东南亚的大型电信诈骗案件。一般刑事案件的判决书为 4 至 6 页，而该案件的判决书超过了 30 页。
刑事法庭处理的所有信息，除最终判决书外，均受严格保密义务约束。通过这段经历，研究者从司法程序内部深入理解了诈骗犯罪的心理机制、作案手法和组织结构。
学术研究
2021 年，研究者在硕士课程中以"针对欺诈性商业行为和诈骗的心理脆弱性与不安情绪之间的关联"为研究课题，从犯罪心理学的视角分析了人类对诈骗侵害的脆弱性结构。
海外经历
研究者旅居海外超过 10 年，具备日语、中文、英语三语研究与实务能力。对中日两国的社会结构、老龄化现状以及电信诈骗受害模式均有深入理解。
六、数据资产
总量概览
| 指标 | 数值 |
|---|---|
| 数据集数量 | 30 |
| 总录音时长 | 约 600 小时（不间断收听约需 1 个月） |
| 总文本量 | 约 40 亿字以上（折合约 40,000 册书籍） |
| 覆盖语言 | 日语、中文、英语、韩语（4 种语言） |
| 数据地区 | 日本、中国、美国、韩国、国际（5 个国家/地区） |
| 数据时间跨度 | 2015 年至 2025 年（约 10 年，核心为 2022 至 2025 年） |
分类数据一览
| # | 来源类型 | 地区 | 语言 | 规模 | 概要 |
|---|---|---|---|---|---|
| 1 | 大型电信运营商联合研究 | 中国 | 中文 | 200 小时以上 + 数亿字 | 通话语音及转写文本 |
| 2 | 同上（文本专项） | 中国 | 中文 | 千万字级 | 文本分类数据 |
| 3 | 英语诈骗通话录音（研究用） | 美国/国际 | 英语 | 200 小时以上 + 数亿字 | 通话录音及研究标注 |
| 4 | 美国联邦政府机构 | 美国 | 英语 | 十余小时 | 官方记录数据 |
| 5 | 大型半导体企业 | 国际 | 英语 | 数十小时 | 语音评估数据 |
| 6 | 与真实诈骗犯的通信记录 | 国际 | 英语 | 数百条 / 数千万字 | 多年积累的一手资料 |
| 7 | 日本执法机构（5 个机构） | 日本各地 | 日语 | 数小时 + 数万字 | 来源于执法机构的多种形式数据 |
| 8 | AI 安全性研究（4 家大型科技企业） | 国际 | 英语 | 20 亿字以上 | 安全性评估数据 |
| 9 | 韩国学术研究 | 韩国 | 韩语 | 数亿字 | 学术研究数据 |
| 10 | 语音安全研究 | 中国/国际 | 中/英 | 数亿字 | 语音安全研究数据 |
| 11 | 深度伪造检测 | 国际 | 英语 | 百万字级 | 检测研究资料 |
这些数据是通过对各国执法机构和研究机构的长期调研与关系建设而系统收集的。部分数据是在涉及人身风险的调查活动中获取的。
如需了解数据资产的详细信息，欢迎联系我们，可在安全可控的环境中进行展示。
数据统计仪表盘
数据类型统计
在同一工作站上运行的文件类型分析结果：语音数据 36,962 个文件 / 33.5 GB，文本数据 57,428 个文件 / 9.1 GB。合计 108,105 个文件 / 55.5 GB。
七、未来展望
GenAI Guardian 的出发点是保护老年人免受电信诈骗侵害。
然而，本系统的检测对象并非特定的诈骗手法，而是通过语言实施心理操控的结构本身。Token 是人类语言和 AI 语言处理中共同的最小构成单元——无论 AI 生成的文本还是人类说出的话语，都以 Token 序列的形式被处理。
基于语境的 Token 检测，就其本质而言，可以向以下方向扩展应用范围：
| 阶段 | 目标 |
|---|---|
| 当前 | 老年人电信诈骗检测 |
| 近期 | AI 生成内容的安全审查、数字人及直播场景的可信度验证 |
| 长期 | 多语言扩展。随着 AI 参与人际沟通的场景不断拓宽，语境 Token 检测的适用范围也将随之扩大 |
八、联系方式
GenAI Guardian — 项目介绍（中文版） 2026