风险防控前沿:AI辅助决策支持能否降低各年龄群体在不同欺诈类型中的数字欺诈易感性?
《Computers in Human Behavior》:At the point of risk: Can AI-assisted decision support reduce digital fraud vulnerability across age groups and scam types?
【字体:
大
中
小
】
时间:2026年08月29日
来源:Computers in Human Behavior 12.2
编辑推荐:
•人工智能辅助改善了现实数字诈骗场景中的欺诈识别能力。•与无辅助判断相比,人工智能辅助降低了风险性回应。•年轻群体与年长群体表现出不同的特定诈骗类型易感模式。•人工智能在各年龄段最易误判的诈骗类型中最有帮助。•当人工智能的预警清晰、具体且具有可执行性时,用户对其评价更高。
•人工智能辅助改善了现实数字诈骗场景中的欺诈识别能力。•与无辅助判断相比,人工智能辅助降低了风险性回应。•年轻群体与年长群体表现出不同的特定诈骗类型易感模式。•人工智能在各年龄段最易误判的诈骗类型中最有帮助。•当人工智能的预警清晰、具体且具有可执行性时,用户对其评价更高。
**引言**
数字技术快速融入金融、社会和机构生活,改变了个体沟通、交易和日常决策的方式。与此同时,这种变革也扩大了欺诈的影响范围和复杂性(Jair 和 Mustafa,2025;Reshetnikova 等,2021)。仅在中国,警方2025年约破获25.8万起电信和网络诈骗案件,通过紧急措施冻结了超过2170万元人民币的涉诈资金,凸显了这一问题的规模和紧迫性(中华人民共和国国务院新闻办公室,2026)。当代诈骗不再仅依赖孤立的欺骗手段,而是越来越多地通过电子邮件、短信、社交媒体平台、应用程序通知及其他数字化媒介渠道出现(Baki 和 Verma,2022;Bele,2020),通常结合技术操控与紧迫性、权威暗示、情感压力及即时行动要求(Dupuis 等,2023;Fan 和 Yu,2022)。因此,对于在日常数字环境中行事的普通用户而言,与欺诈相关的决策已变得越来越具有时间紧迫性且认知负荷增大。
近期研究表明,欺诈易感性无法由任何单一因素解释。相反,对欺诈的易感性源于欺诈本身特征、个体差异和更广泛情境条件之间的交互作用(Bar Lev 等,2022)。Dadà 等(2025)的最新系统综述指出,不应将欺诈受害者视为同质群体,受害结果似乎是诈骗类型、个体特征和情境条件相互作用的结果,而在线环境现在在暴露和易感性方面发挥着尤为重要的作用。同一综述还表明,各研究中最一致支持的风险因素包括低尽责性、较高冲动性、认知功能下降和社会隔离,同时强调所有年龄段的人可能因诈骗的形式和情境而异感(Burton 等,2022;Colautti 等,2025;Dadà 等,2025;DeLiema 等,2023)。这些发现凸显了不仅要理解个体层面的特征,还要将欺诈易感性视为由个体层面、任务层面和环境因素共同塑造的动态决策挑战的重要性。
现有的欺诈预防研究也提供了重要证据,表明在特定条件下预警和意识类干预措施可以降低易感性,但也显示其效果强烈依赖于时机、传达格式、目标人群和决策情境。实验证据表明,事前预警可以降低弱势消费者的欺诈易感性,尤其是当预警帮助个体在与欺诈性提议互动前识别风险时(Scheibe 等,2014)。同时,情绪唤醒会增加年轻和年长人群对欺诈的易感性,表明预防工作不仅要解决知识缺陷,还必须应对欺诈决策背后的情感性和情境性压力(Kircanski 等,2018)。近期研究还质疑了广泛意识运动的有效性:Jensen 等人发现大规模信息式金融欺诈意识运动几乎没有显著减少欺诈受害率的证据,表明被动或一次性信息传达可能不够(Jensen 等,2025)。针对年长人群的欺诈预防建议研究进一步表明,有效传达可能需要可信、受众敏感和多渠道的沟通方式,而不仅仅依赖网站或通用公共信息(Button 等,2024)。综合这些研究,当支持具有及时性、针对性、可信度且在决策时刻可用时,欺诈预防最可能有效。
尽管已有大量相关工作,但仍存在几个重要局限。首先,现有文献大多聚焦于识别相对静态的受害预测因素,如人口统计特征、心理特质或先前经历,而非考察个体如何实时进行欺诈相关决策(James 等,2014;Junger 等,2023;Norris 等,2019)。其次,许多研究集中在特定人群、年龄段或特定诈骗类型上,通常依赖受情境限制的或回顾性的受害数据,这使得难以理解人们在不同数字欺诈情境下的反应(Irvin-Erickson,2024;Shang 等,2022;Ueno 等,2022)。第三,正如 Dadà 等(2025)的综述所述,该领域的实验设计仍然相对有限,亟需更多标准化、数字意识强且情境敏感的方法来研究欺诈易感性。换言之,当前研究在描述谁可能易感方面较为成功,但在检验如何在风险出现的时刻降低这种易感性方面仍有不足。
这一局限尤为关键,因为欺诈暴露往往具有高度时间敏感性。欺诈信息通常围绕欺骗性和说服性线索构建,包括紧迫性、权威暗示、情感压力、奖励承诺、可疑链接以及索取凭证或即时行动的请求(Butavicius 等,2022;Dadà 等,2025;Ferreira 等,2015;Ferreira 和 Teles,2019)。这些线索可能在目标有足够时间核实可疑说法之前迫使其仓促做出决策,而先前的研究表明,反应时间缩短会削弱区分合法与欺诈性通信的能力(Butavicius 等,2022;Dadà 等,2025;Jones 等,2019)。在实践中,当面对不确定或潜在欺诈信息时,个体可能会尝试向家人、朋友或其他可信联系人寻求建议,但这种支持并不总能立即获得。现有研究表明,信息核实或咨询可信他人机会有限会增加易感性,特别是在社会隔离或支持网络减少的情境中(Du 和 Chen,2023;Kadoya 等,2021;Xiang 等,2020)。在此意义上,人工智能的近期进展创造了一个充满希望的新可能性:当人类建议或核实支持不可用时,基于人工智能的决策支持系统可以在暴露的精确时刻提供按需协助,通过识别可疑线索、评估欺诈风险并建议更安全的方式来帮助应对。这使得人工智能成为现实世界数字欺诈情境中有价值的干预资源。
基于上述背景,本研究考察人工智能辅助决策支持框架能否在生态效度环境中降低对数字欺诈的易感性。本研究不仅仅将欺诈易感性视为个体层面特征问题,而是将欺诈识别概念化为一种由用户特征、欺骗性任务特征和情境支持共同塑造的情境化决策过程。这一视角对数字欺诈尤其相关,因为可疑通信往往是在时间压力、不确定性和独立核实机会有限的情况下被遭遇的。本研究选择2×2在线现场实验室实验设计,因为该设计允许我们在同一设计中同时考察人工智能辅助支持的效果和年龄相关差异。人工智能辅助组与控制组的比较直接检验了实时决策支持是否能超越无辅助的人类判断来改善欺诈相关判断,而年轻组与年长组的比较则允许我们考察干预效果是否因年龄段而异。自然主义和重复暴露设计也很重要,因为欺诈相关决策通常发生在日常沟通环境中,而非孤立的实验室任务中。
在一项于中国内地和香港开展的为期10天的在线现场实验室实验中,参与者遭遇了涵盖六类欺诈的模拟但生态真实的诈骗场景:金融/支付类、网络/技术类、社交关系类、消费类、政府/机构冒充类以及社交媒体类欺诈。在本研究中,金融/支付欺诈指获取资金或金融凭证的企图;网络/技术欺诈指类似于钓鱼的安全警报、虚假登录请求或旨在获取凭证或个人信息的技术支持信息;社交关系欺诈指利用人际信任或情感压力的信息;消费欺诈指欺诈性购物、配送、退款或促销信息;政府/机构冒充欺诈指虚假声称官方权威的信息;社交媒体欺诈指将用户引导至外部网站或索取敏感信息的欺诈性私信或基于平台的信息。详细操作定义和示例见表格4。通过结合重复行为测量、研究后问卷评分和半结构化访谈,本研究从静态风险评估转向更具应用性、情境敏感性和干预导向的欺诈相关决策调查。混合方法成分的纳入是为了以参与者的主观评价和访谈叙述来补充行为结果,从而帮助解释参与者如何理解、信任并使用人工智能支持系统。
借鉴下一节将要阐述的个人-任务匹配框架,本研究聚焦于三个相互关联的问题:人工智能辅助决策支持是否能改善欺诈识别并降低风险性行为意图;年轻组和年长组在不同欺诈类别中是否表现出不同的易感模式;在重复暴露后,用户如何评价此类支持的有用性、可信度、真实感以及信心相关效果。这些问题以以下研究问题表述:
- **RQ1:** 与无辅助的人类判断相比,人工智能辅助决策支持系统是否提高了欺诈识别准确率并降低了风险性行为意图?
- **RQ2:** 年轻组和年长组在不同欺诈类别中的易感模式有何差异,人工智能辅助决策支持是否能降低各年龄段对其最易感欺诈类别的易感性?
- **RQ3:** 在数字欺诈识别中,参与者如何从有用性、信任度、真实感和信心方面感知和体验人工智能辅助决策支持系统?
**理论框架:个人-任务匹配与人工智能辅助欺诈识别**
本研究以个人-任务匹配(PTF)框架为指导,该框架认为决策质量取决于个体特征与特定情境中任务需求之间的匹配程度(Wronska 等,2019)。该框架对数字欺诈尤为相关,因为可疑通信很少在理想条件下进行评估。相反,用户往往需要在不确定性、时间压力、信息不完整和故意操控的情况下判断信息。
**研究设计**
本研究采用2×2在线现场实验室实验设计,以考察人工智能辅助决策支持和年龄组对数字欺诈相关决策的影响。该设计将实验控制与在自然主义数字使用条件下的参与相结合。实验设置可能沿多个维度变化,包括参与者特征、任务性质、参与者可获得的信息、利害关系和环境。
**处理检验**
在检验实质性研究问题之前,进行了处理依从性检查。按设计,控制条件组参与者完成欺诈识别任务时无法访问人工智能决策支持功能,而分配至人工智能辅助条件组的参与者可以访问系统生成的风险评估、解释和建议行动。系统交互日志显示两个年龄组的参与者均参与了分配给他们的干预措施。年轻参与者……
**主要发现**
本研究调查了人工智能辅助决策支持能否在生态效度环境中降低对数字欺诈的易感性,以及其效果是否因年龄组和欺诈类别而异。综合RQ1至RQ3的发现,呈现出连贯的整体图景。首先,与无辅助的人类判断相比,人工智能辅助支持显著提高了欺诈识别准确率并降低了风险性行为意图。这一发现扩展了先前的欺诈研究,后者主要……
**结论**
本研究考察了人工智能辅助决策支持能否在生态效度环境中帮助降低对数字欺诈的易感性,以及其效果是否因年龄组和欺诈类别而异。在这项为期10天的在线现场实验室实验中,当参与者遇到模拟可疑通信时,人工智能辅助支持与更高的欺诈识别准确率、更低的风险性行为意图和更安全的预期回应相关。同时,年轻组与……
**CRediT作者贡献声明**
孙亦成:原创稿件撰写、可视化、软件、资源、方法论、调查研究、形式分析、数据整理、概念化。Jacky Keung:监督、软件、资源、方法论、资金获取、形式分析。Hi Kuen Yu:稿件审阅与编辑、验证、资源、数据整理、概念化。曹宇辰:验证、方法论、调查研究。
**伦理声明**
所有参与者或其法定代表人已书面同意参与本研究及发表本文。参与者的隐私权得到了尊重。本研究按照研究所在地相关法律、监管框架和指导方针进行。城大研究伦理委员会予以豁免。作者提供了以下说明:本研究获豁免是因为其涉及……
**人工智能工具使用声明**
在本研究中,一个人工智能辅助决策支持原型作为干预工具使用。
对于被分配到AI辅助条件的参与者,系统针对模拟数字欺诈场景提供了欺诈风险评估、可疑线索解释和建议采取的行动。该AI工具仅在受控的实验任务中使用,不会代替参与者做出决策,也不会处理真实的金融凭证。所有材料、AI辅助的输出、分析结果以及
利益冲突声明:作者声明,他们没有任何已知的竞争性经济利益或个人关系可能影响本文所报告的工作。
孙以诚 | 江景良 | 余惠健 | 曹玉辰
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号