机器学习欺诈评分
针对每条入站A2P短信进行亚秒级的欺诈概率检测。在短信钓鱼、AIT、灰色通道痕迹和信任评分异常影响到用户之前将其拦截。
面向大规模消息服务的机器学习欺诈检测、路由优化、意图分类及情感分析。这些模型原本运行于BroadNet网络内部——现已作为可组合的服务,提供给已信任该运营商的运营商及企业。

在运营商网络内部部署线速欺诈检测、通道优化和发送者ID异常评分——基于每天超过3亿条消息的遥测数据训练。
意图检测、实时工具调用、RAG检索以及最终的解答——这一切都由一个对话模型完成,涵盖阿拉伯语和英语。以下是经过脱敏处理的示例对话记录。
示例——经过脱敏处理的样本转录,并非实时客户会话。
Carrier AI基于BroadNet自2003年以来收集的相同网络信号进行训练——包括状态报告(DLR)、通道延迟、发送者ID历史记录以及双向对话流。它不是公共大语言模型(LLM)的简单封装,而是基于真实数据(ground truth)的模型。
以下所有模型目前都在BroadNet网络中实时运行——在我们每天处理的超过3亿条消息中进行欺诈检测、通道选择及意图标记。同样的模型也通过Carrier AI API作为服务提供给运营商和企业。
针对每条入站A2P短信进行亚秒级的欺诈概率检测。在短信钓鱼、AIT、灰色通道痕迹和信任评分异常影响到用户之前将其拦截。
基于强化学习的路由器,可根据目的地、时段和内容类型选择最佳运营商路径。同时针对送达率、成本和DLR真实性进行优化。
针对字母数字型发送者进行行为指纹识别。在被劫持的ID、仿冒品牌和相似注册信息损害您的客户信任评分之前,将其标记出来。
针对入站回复的多语言意图标签——STOP、HELP、购买、支持、升级。支持英语和阿拉伯语母语识别,并针对中东及北非业务场景优化了另外14种语言。
针对双向对话进行细粒度的情感评分。通过识别导致负面反应的营销活动分段,让您可以针对消息内容进行优化,而非针对受众。
电信级的灰色通道收入流失检测——针对SIM-box发起、闪呼滥用以及绕过OTT模式的线速评分。这为防火墙所执行的A2P变现闭环提供支持。
模型决策会实时写回路由平面——无需批处理任务,也无需夜间重新训练。防火墙、SMSC、WhatsApp、RCS以及语音连接器均从相同的区域集群获取推理结果,端到端p99延迟低于50ms。
每条消息、通话事件和Webhook在传输过程中都会通过模型特征进行增强——包括发送者信誉、内容嵌入和通道历史。
六种生产模型——欺诈、路由、异常、意图、情感、对话——由区域推理集群提供服务,p99延迟小于50ms。
模型决策实时回写至路由层 — 无需带外批处理任务,不存在人工干预瓶颈。
{
"msg_id": "01HGN…7QF",
"sender": "MyBank",
"destination":"+971 50 ••• 4567",
"features": {
"sender_age_d": 412,
"route_dlr_truth": 0.998,
"content_emb": "<f32x768>"
},
"decision": { "label":"clean", "score":0.0021, "model":"fraud-v4.2" }
}Carrier AI构建于受监管的运营商内部,而非模型商店。使我们能够在200多个国家作为持牌消息服务提供商运营的合规立场,也约束着模型接触的每一个字节。
任何个人身份信息(PII)都不会离开您的租户。模型基于哈希处理后的聚合网络特征进行训练——绝不涉及消息正文,也绝不涉及订阅者标识符。
每一次推理都会连同特征向量、模型版本和决策结果进行签名并持久化存储。可供监管机构、内部审计和争议解决使用。
Carrier AI继承了母网络的认证:ISO 27001:2022、ISO 9001:2015、ISO 22301 BCMS、SOC 2,此外还通过了NIST AI RMF验证和OWASP LLM Top 10测试。