• 机构：livi bank
• 项目：GenA.I. Sandbox anti-fraud pilot solution
• 时间：2024 年 12 月
• 类别：反欺诈 / 数字银行 / 反洗钱 / 客户体验 / 监管沙盒
• 来源：https://www.livibank.com/pdf/20241219%20Gen%20AI%20Sandbox_draft%20release_SC.pdf ↗

香港虚拟银行面向高度数字化客户，业务天然依赖远程身份识别、手机银行交互、线上交易监控和数字客服。随着诈骗、冒名开户、洗钱和社交工程攻击不断升级，数字银行需要更快地识别异常行为，同时不能牺牲客户体验和普惠金融目标。

livi bank 参与金管局与数码港合作推出的首批 GenA.I. 沙盒，专注开发先导反诈骗解决方案，以侦测和预防诈骗。这个案例虽然公开细节较少，但它代表了监管沙盒在虚拟银行中的作用：让银行在风险可控环境下试验 GenAI 防诈能力，并获得监管和技术反馈。

livi 将利用其银行业和技术经验，开发用于侦测和预防诈骗的先导方案。根据金管局首批沙盒定位，参与银行可使用数码港提供的算力，并在试点过程中获得针对性监管反馈。方案可围绕异常交易、可疑客户行为、欺诈话术、账户风险和反洗钱线索展开。

对于数字银行而言，GenAI 的潜在用途不只是识别结构化交易异常，也可以处理非结构化文本、客户沟通、申诉内容和跨渠道行为线索。livi 的风险负责人也强调，AI 可有效强化风险管理，包括反诈骗和反洗钱，并提升客户体验能力。

2024 年 12 月，livi bank 正式宣布成为金管局 GenA.I. 首批沙盒参与机构，聚焦反诈骗方案开发。公开资料未披露量化成果，但确认该方案处于监管沙盒测试路径，并将获得算力资源和监管反馈。

该案例对学习者的价值在于：不是所有真实银行 AI 案例都会一开始披露节省多少时间或减少多少损失。对于反欺诈和反洗钱等敏感场景，早期公开信息往往只有方向、沙盒机制和治理安排。仍然可以从中学习“先沙盒、后上线、强监管反馈”的落地方法。

• 对高风险防诈场景先做沙盒试点，而不是直接进入生产环境。
• 将反诈骗、反洗钱和客户体验共同纳入目标，避免只追求拦截率。
• 利用非结构化文本和客户沟通线索补充传统交易规则。
• 为虚拟银行设计实时风险提示和事后调查双层能力。
• 试点阶段重点记录误报、漏报、客户摩擦和人工复核成本。
• 与监管机构保持迭代反馈，提前明确可解释性和责任边界。

• 防诈模型不能因缺乏解释导致客户无法理解账户限制原因。
• 过度拦截可能伤害正常客户体验和普惠金融目标。
• 反洗钱线索涉及敏感调查信息，不能在不受控模型中暴露。
• 沙盒数据要做匿名化、权限控制和测试环境隔离。
• 公开披露要避免透露可被犯罪分子利用的检测规则。
• 模型上线前应经过压力测试、对抗测试和人工复核机制验证。

• 设计一个虚拟银行反诈骗沙盒计划，列出数据、模型、指标和审批步骤。
• 制作 20 条虚拟交易和客户留言，标注诈骗风险线索。
• 比较“交易规则”与“文本线索”组合后的识别效果。
• 设计客户风险提示语，要求清晰但不泄露风控规则。
• 写一份沙盒向监管汇报的结果模板。
• 讨论反诈骗模型上线前最需要验证的 5 个风险。