通过指令调整的小语言模型对渐进式老年人金融诈骗进行增量风险评估

arXiv:2609.00005v1 公告类型：新 摘要：针对老年人的金融诈骗越来越多地通过电子邮件、短信和电话等文本和语音渠道发生，通过多个对话轮次展开，从假冒或随意接触开始，通过信任建立和紧迫性逐步升级，最终要求提供敏感信息或财务转账。由于风险信号在轮流中逐渐出现，有效的检测需要模型在资源受限的部署设置下不断更新风险估计。我们提出了一种基于回合的累积风险评估框架，该框架逐步聚合对话轮次并重新估计每一步的风险，从而能够在逐步发展的对话中进行动态诈骗监控。构建多轮对话数据集，涵盖投资、慈善和技术支持诈骗场景，每个对话包含两到八轮，并在每个累积阶段注释定性风险水平、连续风险评分、解释理由和安全建议。四种小语言模型（Phi-4、LLaMA-3.2、DeepSeek-R1和Qwen3）在统一的训练框架下进行微调和评估。经过微调的小型模型可以捕获与欺诈相关的语言线索和交叉升级模式，同时保持适合移动和资源受限部署设置的紧凑架构。在评估的模型中，Phi-4 和 LLaMA-3.2 相对于其参数规模实现了更强的回合感知风险估计性能。这些结果表明，结构化累积建模可以支持面向部署的设置中的增量诈骗风险评估，同时凸显紧凑语言模型在隐私意识和设备上欺诈保护方面的潜力。