Inscribe 如何利用 Amazon Bedrock 在數秒內阻止文檔欺詐

金融欺詐日益猖獗，據 Inscribe 發佈的《2026 年文檔欺詐狀況報告》，當前每 16 份文檔中就有 1 份存在欺詐，而 AI 生成的偽造文檔在 2025 年 4 月至 12 月間增長了 5 倍。對於每天處理數千份申請的金融機構而言，傳統的由人工審核的方式每份申請需要 30 分鐘，已無法應對不斷上升的欺詐規模和日趨複雜的欺詐手段。速度固然重要，但解決方案還必須能夠檢測出人工審核和傳統規則系統難以發現的深度偽造和協調性欺詐團伙。

自 2017 年起，Inscribe 就致力於為銀行、貸款機構和金融科技公司提供基於 AI 的文檔欺詐檢測服務。在本文中，我們將介紹 Inscribe 如何利用 Amazon Bedrock 構建代理式 AI 系統，該系統能像專業欺詐分析師一樣對文檔進行推理，並在 90 秒內檢測出篡改、偽造和 AI 生成的金融文檔，速度比傳統人工審核快 20 倍，同時保持了金融服務監管所要求的準確性和可解釋性。

Amazon Bedrock 是一項完全託管的服務，通過單一 API 提供來自 AI21 Labs、Anthropic、Cohere、Meta、Stability AI 和 Amazon 等領先 AI 公司的高性能基礎模型，並具備構建生成式 AI 應用所需的安全、隱私和負責任 AI 功能。

面對傳統審核的三大挑戰：規模擴張需要僱傭更多分析師，成本增加但檢測準確率未提升；靜態規則難以應對深度偽造等新型欺詐；不同分析師對類似案件結論不一致，導致合規風險和公平性問題。Inscribe 的解決方案是與風險與承銷團隊協同工作的 AI 系統，自動完成常規文檔分析，並將複雜案件標記為人工審核，融合領域專長與多層次檢測技術，發現人工審核和其他提供商遺漏的欺詐線索。

代理式 AI 系統就像一個從頭到尾工作的專家分析師，它設定目標、拆解步驟、使用多種工具並完成整個過程。對於文檔欺詐檢測，Inscribe 的系統不僅標記可疑字段，還會提交文檔、通過合適的模型路由、運行並行取證檢查、搜索網絡驗證僱主信息、跨文檔集交叉引用數據，並生成可審計的欺詐報告，整個過程無需人工干預，耗時僅數秒。

Inscribe 的架構基於一個重要洞察：沒有單一模型適合所有任務。通過協調最適合每個步驟的模型，能以更低成本獲得更好結果。Amazon Bedrock 提供了廣泛的模型選擇，讓 Inscribe 能根據任務選擇最優模型，而無需管理獨立基礎設施。無服務器擴展能應對文檔處理量的波動，企業級安全與合規滿足金融行業的嚴格標準。

Inscribe 評估了多個模型：Anthropic Claude Haiku 4.5 用於文檔解析、字段提取、初步分類等高頻操作，可在不犧牲速度的情況下將推理成本降低約 40%；Meta Llama 3.1 70B 和 Llama 4 用於交易豐富和實體提取，性能與更昂貴模型相當，進一步降低了成本；Anthropic Claude Sonnet 4 和 4.5 作為協調層，處理跨文檔欺詐分析、多步驟推理、網絡搜索驗證和生成可審計的欺詐報告等最複雜任務，其擴展上下文窗口能保持對整組文檔的感知。

在 AWS 基礎設施上，Inscribe 的欺詐檢測系統實現了端到端自動化：文檔通過 Inscribe 網頁界面或 API 上傳後，存儲於 Amazon S3，通過 Amazon CloudFront 和應用負載均衡器提供服務，創建處理任務並排入 Amazon SQS 隊列。Celery 工作進程從隊列拉取任務，利用 Amazon EC2 的計算能力，根據流量自動伸縮。Amazon Textract 提供 OCR 文本提取，但 Inscribe 越來越多地直接使用 Bedrock 上的基礎模型進行更準確的解析。

在文本提取後，文檔流經多個協調運行的基礎模型：Claude Haiku 進行快速解析和分類，Llama 處理交易數據和實體提取，Claude Sonnet 進行跨文檔分析、協調網絡搜索並生成最終欺詐評估。與此同時，Inscribe 在 Amazon SageMaker AI 上運行自研的專有機器學習模型，進行像素級取證分析、網絡模式檢測和視覺異常檢測，捕捉通用大語言模型可能遺漏的信號。

結果數據存儲在 Amazon RDS 中，提供合規審計軌跡。Amazon ElastiCache for Valkey 緩存短期數據，Amazon MemoryDB 支持向量數據庫層，用於相似事務搜索。Amazon CloudWatch 監控模型性能指標，包括推理延遲、錯誤率、令牌使用和每次請求成本，對於檢測模型漂移至關重要。

Inscribe 的代理式 AI 系統已為客户帶來可量化的成果。例如，某大銀行將手工審核時間從 30 分鐘降至 90 秒以下，同時將欺詐檢測準確率提高了 15%。整體而言，Inscribe 的客户在保持高準確率的同時，實現了運營成本的大幅降低。