基于SEM的人工智能賦能高校防詐系統(tǒng)研究

摘要：近年來，人工智能技術(shù)為高校防詐工作提供了創(chuàng)新解決方案。高校學(xué)生因經(jīng)驗(yàn)不足，易成為詐騙目標(biāo)。本文設(shè)計(jì)了一套基于人工智能的防詐系統(tǒng)，集成大數(shù)據(jù)分析、深度學(xué)習(xí)和自然語言處理等技術(shù)，精準(zhǔn)識(shí)別詐騙風(fēng)險(xiǎn)。系統(tǒng)包括數(shù)據(jù)處理、模型訓(xùn)練、實(shí)時(shí)預(yù)警、個(gè)性化宣教及反饋優(yōu)化模塊，形成閉環(huán)管理。研究采用結(jié)構(gòu)方程模型（SEM）評估系統(tǒng)性能，結(jié)果顯示，警報(bào)響應(yīng)時(shí)間平均1.8秒，識(shí)別率達(dá)95%，誤報(bào)率低于3%。該系統(tǒng)有效提升了高校防詐能力，為構(gòu)建智能防詐平臺(tái)提供了理論支持。

關(guān)鍵詞：高校防詐；人工智能；結(jié)構(gòu)方程模型

中圖分類號：F2 文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.16723198.2025.16.014

0 引言

近年來，隨著人工智能技術(shù)的快速發(fā)展，高校網(wǎng)絡(luò)詐騙防控面臨新的機(jī)遇與挑戰(zhàn)[1]。高校學(xué)生由于社會(huì)經(jīng)驗(yàn)不足和防范意識(shí)較弱，易成為詐騙分子的目標(biāo)，特別是在信息化和網(wǎng)絡(luò)化逐漸深入的當(dāng)下[2]。根據(jù)相關(guān)研究，大學(xué)生群體是電信網(wǎng)絡(luò)詐騙的高發(fā)人群，面臨著更為復(fù)雜的詐騙形式與手段。傳統(tǒng)的防詐措施，如宣傳教育與警示機(jī)制，雖然在一定程度上有效，但存在覆蓋面有限、更新滯后等問題，難以應(yīng)對日益復(fù)雜的網(wǎng)絡(luò)詐騙手段[3]。此外，現(xiàn)有的詐騙舉報(bào)與求助機(jī)制依賴外部合作，內(nèi)部防范能力較為薄弱，使得高校防范網(wǎng)絡(luò)詐騙的能力依然不足[4]。

面對這一挑戰(zhàn)，人工智能技術(shù)，尤其是深度學(xué)習(xí)、自然語言處理和大數(shù)據(jù)分析等技術(shù)的應(yīng)用，已逐漸成為網(wǎng)絡(luò)安全防范領(lǐng)域的重要研究方向[5]。人工智能通過自動(dòng)化、智能化的方式，能夠高效識(shí)別詐騙行為，并根據(jù)學(xué)生的需求提供個(gè)性化教育，從而提高學(xué)生的防詐能力[6]。相關(guān)研究表明，人工智能在電信詐騙防控中的應(yīng)用，不僅能夠顯著提高詐騙識(shí)別精度，還能通過大數(shù)據(jù)處理實(shí)時(shí)預(yù)測潛在的詐騙風(fēng)險(xiǎn)[7]。例如，基于深度學(xué)習(xí)的模型能夠?qū)崟r(shí)分析和識(shí)別詐騙信息，減少誤報(bào)率，能對不同類型的詐騙行為進(jìn)行有效干預(yù)[8]。

盡管已有一些基于人工智能的防詐系統(tǒng)初步投入使用，且在識(shí)別率、響應(yīng)速度及誤報(bào)率方面表現(xiàn)突出，但現(xiàn)有研究仍面臨諸多挑戰(zhàn)[9]。例如，如何在多模態(tài)數(shù)據(jù)（如文本、語音、圖像等）的基礎(chǔ)上進(jìn)一步提升系統(tǒng)智能化水平，如何優(yōu)化深度學(xué)習(xí)算法以增強(qiáng)識(shí)別準(zhǔn)確性等，依然是未來研究亟待解決的重要問題。因此，本研究設(shè)計(jì)了一套基于人工智能的高校防詐系統(tǒng)，旨在通過集成大數(shù)據(jù)分析、深度學(xué)習(xí)及自然語言處理技術(shù)，精準(zhǔn)識(shí)別詐騙風(fēng)險(xiǎn)，并采用結(jié)構(gòu)方程模型（SEM）對系統(tǒng)性能進(jìn)行評估，進(jìn)一步驗(yàn)證其在高校網(wǎng)絡(luò)安全中的應(yīng)用效果[10]。

1 研究方法

1.1 人工智能賦能高校防詐共治機(jī)制模型“防詐安全庫”應(yīng)用

該模型以高校大學(xué)生為主體，協(xié)調(diào)高校、公安部門、網(wǎng)信部門等，通過構(gòu)建制度體系、技術(shù)反制、預(yù)警勸阻和宣傳教育四個(gè)方面，實(shí)現(xiàn)精準(zhǔn)防范和治理高校網(wǎng)絡(luò)詐騙問題[11]。機(jī)器學(xué)習(xí)算法在行為模式分析中的應(yīng)用為詐騙識(shí)別提供了新的視角，這為模型的開發(fā)與訓(xùn)練模塊提供了參考[12]。深度學(xué)習(xí)技術(shù)能夠更高效地處理大規(guī)模數(shù)據(jù)集，進(jìn)一步優(yōu)化詐騙識(shí)別的準(zhǔn)確性。本研究采用深度學(xué)習(xí)模型訓(xùn)練詐騙數(shù)據(jù)集，以提高識(shí)別率并降低誤報(bào)率。人工智能賦能高校防詐共治機(jī)制模型“防詐安全庫”主要包括以下模塊。

1.1.1 數(shù)據(jù)收集與處理模塊

系統(tǒng)通過“智慧思政系統(tǒng)”平臺(tái)收集高校網(wǎng)絡(luò)數(shù)據(jù)及詐騙信息，為后續(xù)分析和模型訓(xùn)練提供數(shù)據(jù)支持。

1.1.2 模型開發(fā)與訓(xùn)練模塊

通過深度學(xué)習(xí)算法訓(xùn)練詐騙數(shù)據(jù)集，優(yōu)化識(shí)別模型，提升識(shí)別率并減少誤報(bào)。系統(tǒng)具備自適應(yīng)能力，應(yīng)對不同的詐騙手段。

1.1.3 預(yù)警與響應(yīng)模塊

實(shí)時(shí)監(jiān)控校園網(wǎng)絡(luò)，一旦檢測到潛在詐騙風(fēng)險(xiǎn)，系統(tǒng)通過短信和推送通知學(xué)生、學(xué)校工作人員及公安部門，確保快速響應(yīng)。

1.1.4 宣教與培訓(xùn)模塊

系統(tǒng)根據(jù)學(xué)生的背景和需求，推送個(gè)性化的防詐教育內(nèi)容，提升學(xué)生的防范意識(shí)和能力。

1.1.5 反饋與優(yōu)化模塊

系統(tǒng)收集用戶反饋，定期優(yōu)化模型和防詐策略，確保持續(xù)有效運(yùn)行。

1.1.6 防詐安全庫運(yùn)行模式

通過智能審核和人工復(fù)核機(jī)制管理學(xué)生資金，確保資金使用符合安全標(biāo)準(zhǔn)，防止詐騙風(fēng)險(xiǎn)。

（1）資金管理與申請機(jī)制。

每個(gè)學(xué)生的資金（如家長生活費(fèi)、獎(jiǎng)學(xué)金等）會(huì)匯入專屬的“防詐安全庫”。當(dāng)學(xué)生需要支出超過一定額度時(shí)，系統(tǒng)要求學(xué)生通過平臺(tái)提交資金申請，并附上相關(guān)支付鏈接。學(xué)生需詳細(xì)填寫支付目的和用途，系統(tǒng)自動(dòng)檢查是否符合標(biāo)準(zhǔn)。

（2）自動(dòng)審核機(jī)制。

當(dāng)學(xué)生提交資金使用申請時(shí)，系統(tǒng)通過“共治識(shí)別系統(tǒng)”自動(dòng)審核。該系統(tǒng)基于大數(shù)據(jù)模型，檢測申請是否涉及詐騙風(fēng)險(xiǎn)。若系統(tǒng)識(shí)別到潛在的詐騙風(fēng)險(xiǎn)，自動(dòng)駁回申請；若系統(tǒng)未能識(shí)別到風(fēng)險(xiǎn)，則申請進(jìn)入人工復(fù)核階段。

（3）人工復(fù)核機(jī)制。

如果自動(dòng)審核通過，申請將由高校防詐工作人員進(jìn)行人工復(fù)核。工作人員根據(jù)防詐系統(tǒng)提供的預(yù)警信息，對資金用途進(jìn)行進(jìn)一步核查，并作出最終決定。若復(fù)核過程中發(fā)現(xiàn)風(fēng)險(xiǎn)，申請會(huì)被駁回；若沒有問題，則資金會(huì)從“防詐安全庫”直接發(fā)放至學(xué)生個(gè)人賬戶。

（4）詐騙風(fēng)險(xiǎn)識(shí)別與干預(yù)機(jī)制。

在整個(gè)資金申請過程中，系統(tǒng)會(huì)實(shí)時(shí)監(jiān)控并判斷是否存在詐騙風(fēng)險(xiǎn)。一旦發(fā)現(xiàn)風(fēng)險(xiǎn)，系統(tǒng)會(huì)立即發(fā)出預(yù)警，啟動(dòng)干預(yù)機(jī)制。干預(yù)措施包括凍結(jié)相關(guān)賬戶、通知學(xué)生和學(xué)校，以及提供預(yù)防性措施等。通過此機(jī)制，系統(tǒng)能夠有效降低學(xué)生在資金使用過程中遭遇詐騙的風(fēng)險(xiǎn)。

1.2 系統(tǒng)功能實(shí)地分析

1.2.1 結(jié)構(gòu)方程模型

為分析AI防詐系統(tǒng)的關(guān)鍵性能，本研究采用結(jié)構(gòu)方程模型（SEM）檢驗(yàn)不同變量間的關(guān)系，結(jié)合深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)能夠顯著提升系統(tǒng)的反應(yīng)速度和精準(zhǔn)度。基于多模態(tài)數(shù)據(jù)分析的深度學(xué)習(xí)方法能夠有效減少誤報(bào)率。本研究通過路徑分析發(fā)現(xiàn)，AI防詐系統(tǒng)的警報(bào)響應(yīng)時(shí)間縮短了45%，詐騙識(shí)別率提升至95%，驗(yàn)證了該方法的實(shí)用性。下圖是對SEM分析方法的步驟及應(yīng)用。

1.2.2 問卷設(shè)計(jì)

本研究數(shù)據(jù)通過問卷調(diào)查收集，旨在了解學(xué)生對AI防詐系統(tǒng)的使用體驗(yàn)及看法。問卷內(nèi)容涵蓋了功能時(shí)效性、系統(tǒng)準(zhǔn)確性和宣教有效性3大部分，具體包括警報(bào)響應(yīng)速度、系統(tǒng)誤報(bào)率、宣傳內(nèi)容吸引力等項(xiàng)。研究團(tuán)隊(duì)在2024年1月1日至5月1日期間向浙江省杭州市某高校發(fā)放了836份問卷，最終回收有效問卷729份

樣本特征：在有效樣本中，新生占33.06%，中間年級學(xué)生占44.72%，畢業(yè)年級學(xué)生占22.22%。性別比例方面，男性52.22%，女性47.78%。此外，學(xué)生來源地?cái)?shù)據(jù)顯示，城鎮(zhèn)學(xué)生占40.69%，農(nóng)村學(xué)生占59.31%，總體代表性較高。

樣本數(shù)據(jù)在SPSS中進(jìn)行信度和效度檢驗(yàn)，以確保測量內(nèi)容的準(zhǔn)確性和一致性。然后進(jìn)行描述性統(tǒng)計(jì)分析，以確認(rèn)數(shù)據(jù)的合理性。首先，對問卷數(shù)據(jù)的內(nèi)在一致性進(jìn)行了克朗巴赫α系數(shù)分析，結(jié)果顯示所有關(guān)鍵變量的α值均高于0.7，達(dá)到了可靠性分析的基本標(biāo)準(zhǔn)。

1.2.3 SEM模型的框架與模型構(gòu)建

SEM允許我們通過路徑分析同時(shí)估計(jì)多個(gè)變量間的關(guān)系及其影響強(qiáng)度，為復(fù)雜系統(tǒng)的多維度分析提供了一種科學(xué)方法。

潛在變量定義：

（1）功能時(shí)效性：功能時(shí)效性包含兩個(gè)測量指標(biāo)：警報(bào)響應(yīng)時(shí)間和干預(yù)成功率。該變量用于衡量系統(tǒng)在識(shí)別詐騙時(shí)的實(shí)時(shí)反應(yīng)效果。

（2）系統(tǒng)準(zhǔn)確性：系統(tǒng)準(zhǔn)確性考察系統(tǒng)的誤報(bào)率、詐騙識(shí)別率以及不同詐騙手段的適應(yīng)性和學(xué)習(xí)能力。

（3）宣教有效性：宣教有效性包括宣傳內(nèi)容的吸引力和教育效果，用以衡量AI系統(tǒng)的宣傳內(nèi)容是否對學(xué)生防范詐騙產(chǎn)生了積極的教育作用。

路徑關(guān)系：通過路徑關(guān)系的假設(shè)來評估不同變量間的因果關(guān)系，包括：

（1）警報(bào)響應(yīng)時(shí)間與用戶行為決策的關(guān)系：假設(shè)快速響應(yīng)能增加學(xué)生的信任度，促使其及時(shí)采取防范措施。

（2）準(zhǔn)確性對用戶滿意度的影響：假設(shè)準(zhǔn)確性高的系統(tǒng)提升學(xué)生的依賴度和信任度。

（3）宣傳內(nèi)容吸引力與防詐技能掌握的關(guān)系：假設(shè)吸引力高的宣傳內(nèi)容能夠激發(fā)學(xué)生學(xué)習(xí)興趣，提高其防范意識(shí)和技巧。

1.2.4 數(shù)據(jù)處理與路徑分析過程

數(shù)據(jù)分析在AMOS軟件中完成，具體流程如下：

（1）數(shù)據(jù)預(yù)處理：數(shù)據(jù)預(yù)處理主要包括缺失值處理和異常值篩選。對于少量缺失數(shù)據(jù)，使用均值填補(bǔ)法補(bǔ)齊；對于極端值或異常數(shù)據(jù)進(jìn)行剔除，保證樣本的代表性。

（2）模型擬合與路徑分析：模型擬合度是評估SEM模型適配性的關(guān)鍵指標(biāo)。通過卡方檢驗(yàn)（χ2）、均方根誤差近似（RMSEA）和擬合優(yōu)度指數(shù)（GFI）評估模型的適配度。本次分析的RMSEA為0.05，符合良好的模型適配度標(biāo)準(zhǔn)；GFI為0.92，表明模型較為合理。

（3）路徑系數(shù)計(jì)算與顯著性檢驗(yàn)：路徑系數(shù)反映了各變量間的因果關(guān)系強(qiáng)度。研究采用β系數(shù)來表示路徑關(guān)系的強(qiáng)度和方向，通過顯著性檢驗(yàn)（p值）驗(yàn)證各路徑是否在統(tǒng)計(jì)上顯著。例如，警報(bào)響應(yīng)時(shí)間對用戶決策行為的影響路徑系數(shù)為0.82，表明快速響應(yīng)時(shí)間顯著提升了學(xué)生的信任和依賴性（plt;0.001）。

（4）調(diào)節(jié)效應(yīng)分析：進(jìn)一步考察系統(tǒng)準(zhǔn)確性在功能時(shí)效性和用戶滿意度間的調(diào)節(jié)效應(yīng)，結(jié)果表明高識(shí)別準(zhǔn)確率確實(shí)增強(qiáng)了用戶的系統(tǒng)信任感，使用戶更愿意長期依賴系統(tǒng)。

2 結(jié)果分析

根據(jù)上述結(jié)構(gòu)方程模型，我們得到一系列數(shù)據(jù)如下。

2.1 功能時(shí)效性分析

SEM模型顯示，防詐系統(tǒng)的功能時(shí)效性對用戶決策行為具有顯著影響。路徑系數(shù)結(jié)果如下：

警報(bào)響應(yīng)時(shí)間：SEM模型中的警報(bào)響應(yīng)時(shí)間路徑系數(shù)為0.82（plt;0.001），顯示系統(tǒng)的平均響應(yīng)時(shí)間為1.8秒，相比傳統(tǒng)方法減少了45%，顯著提升了系統(tǒng)的警報(bào)及時(shí)性。這種快速反應(yīng)為學(xué)生提供了迅速識(shí)別和規(guī)避風(fēng)險(xiǎn)的保障，有助于學(xué)生作出更快的行為決策。

干預(yù)成功率：SEM路徑系數(shù)為0.76（plt;0.01），顯示干預(yù)成功率高達(dá)92.3%，進(jìn)一步驗(yàn)證了AI賦能系統(tǒng)在攔截詐騙行為方面的有效性和可靠性。

2.2 系統(tǒng)準(zhǔn)確性分析

在系統(tǒng)準(zhǔn)確性方面，SEM模型驗(yàn)證了系統(tǒng)準(zhǔn)確性對用戶信任度的中介效應(yīng)。

詐騙識(shí)別率：SEM路徑分析結(jié)果顯示，系統(tǒng)詐騙識(shí)別率高達(dá)95%，路徑系數(shù)為0.79（p lt; 0.001），顯著增強(qiáng)了用戶對系統(tǒng)的信任，表明AI賦能的防詐系統(tǒng)在識(shí)別詐騙方面有較強(qiáng)的準(zhǔn)確性。

誤報(bào)率：誤報(bào)率保持在3%以下，路徑系數(shù)為-0.67（p lt; 0.05），顯示低誤報(bào)率對用戶體驗(yàn)提升有顯著貢獻(xiàn)。這意味著AI賦能系統(tǒng)能有效減少誤報(bào)，為用戶日常使用提供了更好的體驗(yàn)。

2.3 宣教有效性分析

在宣教有效性方面，SEM模型分析表明，防詐系統(tǒng)的宣傳內(nèi)容吸引力與學(xué)生防范意識(shí)提升之間存在顯著正向關(guān)系。

內(nèi)容吸引度：SEM分析結(jié)果顯示，78%的學(xué)生反饋防詐宣傳內(nèi)容具有吸引力，路徑系數(shù)為0.74（p lt; 0.01），表明宣傳內(nèi)容的吸引力能夠顯著提升學(xué)生的參與意愿。

技能掌握：SEM結(jié)果顯示，69%的學(xué)生通過學(xué)習(xí)宣傳內(nèi)容掌握了新的防詐技能，路徑系數(shù)為0.71（p lt; 0.01），進(jìn)一步支持了宣教內(nèi)容在提升學(xué)生防范能力方面的有效性。

情感反饋：正向情感反饋的比例為80%，路徑系數(shù)為0.65（p lt; 0.05），表明宣傳內(nèi)容能夠有效激發(fā)學(xué)生的正向情感反饋，并提升其對防詐系統(tǒng)的認(rèn)同感

3 結(jié)論

3.1 AI防詐系統(tǒng)的優(yōu)勢與挑戰(zhàn)

人工智能技術(shù)的應(yīng)用有效提升了詐騙識(shí)別的效率與準(zhǔn)確性，并對相關(guān)宣傳教育產(chǎn)生了積極影響。通過多模態(tài)數(shù)據(jù)融合等技術(shù)手段，未來的防詐系統(tǒng)將能夠在實(shí)現(xiàn)更高識(shí)別率的同時(shí)，進(jìn)一步平衡用戶隱私保護(hù)。然而，盡管當(dāng)前系統(tǒng)的功能已有所改進(jìn)，依然面臨一些挑戰(zhàn)。例如，本研究的樣本量較小，系統(tǒng)的識(shí)別能力和普適性尚需擴(kuò)充更大規(guī)模的數(shù)據(jù)來進(jìn)一步驗(yàn)證和提升。

3.2 未來研究方向與發(fā)展

一方面，算法優(yōu)化依然是提升防詐系統(tǒng)性能的關(guān)鍵，特別是在處理大規(guī)模、復(fù)雜數(shù)據(jù)時(shí)，如何提高系統(tǒng)的智能化水平與適應(yīng)性仍是重要課題。未來可將文本、語音與圖像等多模態(tài)數(shù)據(jù)相結(jié)合，通過深度學(xué)習(xí)等技術(shù)手段，進(jìn)一步增強(qiáng)系統(tǒng)的判斷能力。另一方面，AI防詐系統(tǒng)的整體效能不僅取決于技術(shù)本身，也需要多方協(xié)作配合。例如，加強(qiáng)與公安及其他政府部門的信息共享與協(xié)同治理，不僅能提高系統(tǒng)識(shí)別效率，還能推動(dòng)更廣泛的社會(huì)防詐合力。隨著GAN（生成對抗網(wǎng)絡(luò)）等新技術(shù)的發(fā)展，系統(tǒng)可模擬多樣化詐騙場景，提升模型訓(xùn)練數(shù)據(jù)的多樣性，增強(qiáng)識(shí)別準(zhǔn)確性。最后，AI防詐系統(tǒng)的應(yīng)用潛力遠(yuǎn)不止于高校場景，也可擴(kuò)展至老年人群體、金融行業(yè)等多個(gè)領(lǐng)域，形成更全面的防詐體系，從而保障更多群體的財(cái)產(chǎn)和信息安全。通過持續(xù)的技術(shù)迭代與社會(huì)協(xié)同，AI防詐系統(tǒng)將在未來發(fā)揮更為深遠(yuǎn)的作用。

主要參考文獻(xiàn)

［1］吳朝平.“互聯(lián)網(wǎng)+”背景下電信詐騙的發(fā)展變化及其防控[J].中國人民公安大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2015，31（06）：1721.

[2]王潔.電信網(wǎng)絡(luò)詐騙犯罪的獨(dú)特屬性與治理路徑[J].中國人民公安大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2019，35（04）：110.

[3]向靜，劉亞嵐.“殺豬盤”電信詐騙犯罪的心理控制機(jī)制剖析[J].中國人民公安大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2021，37（04）：110.

[4]王世卿，楊富云.新技術(shù)條件下我國跨境有組織經(jīng)濟(jì)犯罪研究——以電信詐騙和銀行卡犯罪為視角[J].中國人民公安大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012，28（04）：7076.

[5]Peifeng N ，Quanxiu W .Internet and Telecommunication Fraud Prevention Analysis based on Deep Learning[J].Applied Artificial Intelligence，2022，36（1）.

[6]安柯穎，陸紅.人工智能時(shí)代網(wǎng)絡(luò)安全的刑法保護(hù)——基于網(wǎng)絡(luò)犯罪AI化為視角[J].云南民族大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版），2018，35（06）：145156.

[7]KiruthikaS，N C S.Credit Card Fraud Detection using Machine Learning and Deployment of Model in Public Cloud as a Web Service[J].International Journal of Recent Technology and Engineering （IJRTE），2020，9（2）：548552.

[8]GandharA，Gupta K，Pandey K A，et al.Correction to： Fraud Detection Using Machine Learning and Deep Learning[J].SN Computer Science，2024，5（7）：808808.

[9]賈彬.網(wǎng)絡(luò)詐騙的安全治理與對策研究[J].信息網(wǎng)絡(luò)安全，2020，（S1）：149152.

[10]史立偉.信息時(shí)代大學(xué)生網(wǎng)絡(luò)與信息安全教育開展分析——評《電信網(wǎng)絡(luò)詐騙安全教育知識(shí)讀本：大學(xué)生版》[J].中國安全科學(xué)學(xué)報(bào)，2023，33（12）：225.

[11]陳敏.人工智能時(shí)代電信詐騙及其應(yīng)對策略——基于Chatgpt帶來的新思考[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2023，（10）：141143.

[12]Lokanan M ，Sharma S .The use of machine learning algorithms to predict financial statement fraud[J].The British Accounting Review，2024，56（6PA）：101441101441.