预防诈骗效果有限，追踪资金是下一步

我们有个好消息。新加坡警察部队 (警察部队) 于8月26日宣布，与2025年同期相比，2026年上半年的诈骗损失金额下降了17.9%，至4亿1060万新元。

这延续了自2025年以来的积极趋势。2025年的诈骗损失金额已从2024年创纪录的11亿新元高点下降了17.9%。

在诈骗金额连续多年攀升后，这一曲线终于出现逆转。新加坡的反诈骗体系——包括公众教育、诈骗分析与战术干预系统 (Scam Analytics and Tactical Intervention System)、ScamShield应用程序、警察部队网络安全司令部，以及金融机构实施的强化安全措施——已被证明是行之有效的。

这些成果是真实的，但也主要集中在前端防御。我们的防御措施一直侧重于源头：在转账发生前识别诈骗、警告受害者并阻止交易。

从预防入手是正确的策略，但这也有其天然的局限性。根据警察部队的数据，在2026年上半年报告的诈骗案件中，80.8%属于受害者自行转账，即由受害者亲自操作完成资金转移。

当受害者在自己的设备上自愿汇款时，侦测和预防措施所能发挥的作用就非常有限。

追踪资金踪迹

因此，下一场战役在于下游环节：在资金被汇出后进行追踪并予以追回。这无疑更加困难，但也正是关键所在。

追踪资金意味着需要快速地在金融生态系统的众多渠道中追查其流向。

大部分诈骗所得仍通过法定货币渠道转移，但加密货币的重要性与其规模不成比例，因为资金可以通过加密货币迅速跨境，并从国内监管视线中消失。

本地新元转账通常是第一步，资金从钱骡户头转出后，便被兑换成加密货币并转移出境。

这些钱流向了哪里？答案是流向了遍布整个区域的产业化诈骗经济。联合国估计，这些诈骗活动的年产值可能超过438亿美元。它们已形成完整的供应链，而加密货币则是其结算层。

链上数据显示，在洗钱环节，资金绝大多数以稳定币的形式流动——因其手续费低、流动性高且速度快而备受青睐。

随后，这些赃款会通过专门构建的基础设施进行流转。TRM Labs的《2026年加密货币犯罪报告》发现，自2021年以来，与Huione相关的平台（作为东南亚地区的非法清算中心）已接收了超过960亿美元的加密货币。

然而，犯罪分子利用的这些快速渠道，同样也为调查人员提供了优势。许多此类交易发生在区块链上，而区块链是永久性的共享账本，可以被追踪、溯源，有时甚至可以被阻止。

新加坡的实践结果也证明了这一点。

反诈骗指挥处在2025年追回了价值超过2280万新元的加密货币，这证明了通过链上追踪资金，确实能够追回部分损失。

私营机构的角色

公共机构和各项举措已开始着手处理资金离开受害者钱包后的去向，并取得了一些成功。

这对金融机构和其他私营机构的合规团队意味着什么？对他们而言，关键在于提升跨境、跨渠道追踪资金流向的速度和广度。

投资于超越自身实体范围的追踪能力，是有效追踪下游洗钱活动的必要条件，也是企业应善加利用的优势。

例如，区块链情报工具能让合规团队追踪资产在公链上的转移路径，识别可能涉及交易的其他中介机构或金融机构，并与它们及资产发行方合作，阻止赃款进一步转移。

构建预测性防御人工智能系统以更好地识别有用信息，正从有效合规计划中的“加分项”变为“必需项”。

犯罪集团已经在利用人工智能来扩大诈骗规模、更新洗钱模式，并以超越人工审查速度的方式转移资金。

企业也必须同样利用技术进步，帮助调查人员和合规团队领先于不断变化的对手。

可以构建基础模型，整合客户及其交易中众多独立的、微弱且分散的信号，从而识别新的非法活动模式，并在包含数十亿数据点的数据集中主动标记此类行为。

最重要的是，金融机构、监管机构、执法部门以及加密货币发行方等生态系统中的所有参与方之间的协作，必须变得像非法分子的网络一样无缝衔接。

实时情报共享和迅速的跨境协同行动，是打击这些能在数分钟内转移巨额资金的诈骗网络的唯一途径。

国际合作至关重要

这方面已经出现了一些令人鼓舞的进展。网络安全司令部建立了一个常设的公共—私人伙伴关系，基于共享的近实时信息开展工作。同时，新加坡金融管理局 (金管局) 的Cosmic平台也允许六大主要银行共享可疑客户的情报。

而且，即使资金已经流出境外，国际执法行动也表明，跨境合作能够成功追回资金，例如“曙光行动”(Operation First Light) 以及由包括新加坡、马来西亚、印度尼西亚和泰国在内的14个司法管辖区组成的Frontier+网络。

新加坡已经筑起了最严密的诈骗防线之一，并且成效显著。下一个挑战在于下游：在资金汇出后，进行跨境、跨渠道的追踪，并将其追回。这场战斗可以获胜，但前提是我们所有人必须共同努力，以资金流动的速度采取行动。

作者是TRM Labs亚太区合规咨询主管

本评论基于作者的个人经验、观察和论点。在研究和起草过程中使用了人工智能工具。作者对评论的准确性、原创性和最终形式负全部责任。