53 lines
2.8 KiB
TeX
53 lines
2.8 KiB
TeX
% ============================================================
|
|
% 第二章 背景与现状
|
|
% 对应评审维度：需求与场景适配、应用价值
|
|
% ============================================================
|
|
|
|
\chapter{背景与现状}
|
|
|
|
\section{电信诈骗受害人资金核查业务流程}
|
|
|
|
典型的电信诈骗案件资金核查流程可概括为：受案 $\to$ 笔录制作 $\to$ 核账 $\to$ 认定 $\to$ 报卷。受害人在报案时通常提供微信、支付宝、银行卡、短信通知等截图作为转账凭证。民警需要将这些零散证据整理为可追溯、可认定的资金流水，并回答执法层面的关键问题：哪些钱可以认定为被骗金额，理由是什么，证据在哪里。
|
|
|
|
\section{传统人工模式的瓶颈}
|
|
|
|
传统人工核账模式下，民警逐张查看截图、手动登记交易信息、人工判断重复与中转、计算被骗金额并撰写认定理由。该模式存在以下瓶颈：
|
|
|
|
\begin{itemize}[leftmargin=*]
|
|
\item 截图来源杂：微信、支付宝、银行卡、短信、数字钱包混杂
|
|
\item 截图数量大：一案几十张到上百张截图
|
|
\item 重复统计风险高：同一笔交易跨平台多次出现
|
|
\item 中转情形复杂：本人账户过渡、充值提现、退款混杂
|
|
\item 认定理由依赖经验：标准不统一
|
|
\item 结果需反复整理：表格、笔录、报告重复劳动重
|
|
\end{itemize}
|
|
|
|
% 图 2-1 占位
|
|
\placeholderfigure{Fig-traditional-flow.pdf}{传统人工核账流程图}
|
|
|
|
\section{痛点与影响对照}
|
|
|
|
表\ref{tab:pain-points} 归纳了传统模式下的主要痛点及其影响。
|
|
|
|
\begin{table}[H]
|
|
\centering
|
|
\caption{痛点与影响对照表}
|
|
\label{tab:pain-points}
|
|
\begin{tabular}{lll}
|
|
\toprule
|
|
\textbf{痛点} & \textbf{具体表现} & \textbf{影响} \\
|
|
\midrule
|
|
截图来源杂 & 微信、支付宝、银行、短信等混杂 & 分类与整理耗时 \\
|
|
截图数量大 & 一案数十至上百张 & 人工逐张登记极耗时间 \\
|
|
重复统计 & 同笔交易跨平台多次出现 & 易重复累计被骗金额 \\
|
|
中转复杂 & 本人账户过渡、自充、退款 & 易错认、易漏排 \\
|
|
认定不统一 & 依赖个人经验 & 口径不一致、难以复核 \\
|
|
文书整理重 & 表格、笔录、报告反复整理 & 重复劳动多 \\
|
|
\bottomrule
|
|
\end{tabular}
|
|
\end{table}
|
|
|
|
\section{智慧警务与 AI 智能体发展趋势}
|
|
|
|
智慧警务建设强调技术赋能基层、减负增效。AI 智能体具备目标导向、环境感知、规划执行、工具调用和反馈闭环等特征，适合承担高重复、高耗时的信息抽取与初判任务，而将最终确认权、补证权、修正权保留给民警。本项目正是在此背景下，将多智能体协同技术应用于电诈受害人资金核查这一垂直警务场景。
|