2025 年美国金融欺诈导致超过 159 亿美元的损失， 需要同时建模信息传播与金融交易的耦合动态。现有模拟器大多只捕获其中一侧，难以再现真实欺诈的全流程。
为填补这一空白，本文提出 FraudSociety，首个基于大语言模型（LLM）代理的模拟平台。它将动态社交环境（用于信息曝光与交流）、持久化的金融账本（记录支付与损失历史）以及用于平民决策的 Need‑Intent‑Action 架构有机结合。欺诈者会依据个体的交互历史和账本状态自适应地调整沟通内容和金融行为，形成信息层与金融层之间的闭环反馈。
在宏观层面，模拟得到的欺诈结果在多项关键统计上与真实数据高度吻合；在微观层面，模型成功复现了损失高度集中现象——前 10% 的受害记录占总损失的 81.1%，与加拿大反欺诈中心的统计一致。针对反欺诈的实验显示，不同干预策略的效果差异显著，个性化干预能够将重复付款率从 49.4% 降至 10.9%。
这些实验表明，FraudSociety 既是高保真度的欺诈模拟器，也是评估多样化干预条件下反欺诈策略的可扩展测试床，为金融欺诈研究与防御提供了新工具。
点评