开票额连续增长、纳税信用A级、下游客户超2000家——这些数据全是真的，但业务可能是假的。金蝶征信的税票反欺诈AI模型揭示了当前最隐蔽的信贷欺诈手法：黑灰产不再制造假数据，而是围绕真实数据构造虚假业务逻辑。报告中的两个实战案例显示，高频修改申报表特征增长了2.2倍，跨行业虚开发票、关联交易闭环成为新的风险敞口。这套反欺诈模型的核心理念是：把财税票数据、购销关系、股权任职和交易网络放在一起交叉验证，才能识别出披着羊皮的伪优质资产。
税票反欺诈模型的核心逻辑
从“假数据”到“真数据、假业务”的欺诈演进
企业信贷欺诈正在从单点造假走向产业链化包装。过去，欺诈更多表现为财务内外账、身份造假、虚假流水等“假数据”；随着税票贷、线上审批和自动化风控普及，黑灰产开始围绕发票、流水、申报、纳税和交易对手构造更完整的经营表象，形成“真数据、假业务”的新型欺诈模式。
税票反欺诈模型的核心逻辑是：不只看数据本身是否真实，更要看数据之间的逻辑关系是否自洽。一家企业的开票额可以连续增长，但如果主营商品跨界、税负率异常、用工与营收不匹配、交易对手存在关联关系，就值得深入核验。模型通过交叉分析税务、开票和交易关系，发现与增长并不协调的信号。
高频修改申报表——风险的前置信号
样本数据显示，具备高频修改申报表风险特征的申贷企业占比从2024年的1.8%升至2025年的3.9%，约为2024年的2.2倍。高频修改申报表很少单独出现，在税票贷场景中，它往往与疑似刷票、贸易异常增量、循环开票、关联交易等特征共同出现，构成“真数据、假业务”的组合风险。
这一特征成为反欺诈模型的重要前置信号。企业在申报环节的频繁修改，往往意味着经营数据正在被“调整”以符合信贷准入标准。模型将这一信号与其他风险特征关联分析，提高了风险识别的准确率。
反欺诈实战案例拆解
案例一——纳税A级的“完美客户”如何被识破
广东某健康生物科技公司，成立17年，法定代表人持股99.9%，近四年连续获评纳税信用A级，2023年被认定为高新技术企业，近三年开票额持续增长，下游客户超2,000家。税票反欺诈AI模型通过三个维度识别出风险：
一是主营商品跨界——工商登记为“日化产品制造”，销项商品却包括集成电路、纸制品和二甘醇等跨类别商品，其中二甘醇相关发票约1.2亿元在较短时间内集中出现，但未见与经营增量相匹配的水电费发生。二是疑似关联交易——部分上游供应商与下游客户之间出现历史任职高管姓名重叠，呈现疑似闭环交易特征。三是贸易增量与高频申贷行为同步——近三年约2.8亿元总开票量中，约1.2亿元业务背景高度存疑，企业已在6家银行形成25个对公贷款账户、贷款余额合计4,326.24万元。
案例二——零参保纺织厂的“空壳化”特征
绍兴某纺织公司，参保人数0人，2025年开票额2,832万元，全年应纳增值税仅约1.79万元，税负率约0.06%明显偏低。反欺诈模型识别出三个破绽：经营连续性存疑——2024年8月至2025年6月开票持续低迷11个月，其中4个月零开票；营收规模与纳税、用工不匹配——账面业务规模扩大但人员、资产和纳税痕迹没有同步增加；疑似本地同行循环交易——呈现典型的“空壳化”与“交易自循环”特征。
反欺诈方法论与行业启示
多项数据交叉验证的核心原则
此类开票常与企业主营商品、人员投入、水电消耗和客户结构不相称，财税正常也难掩经营疑点。金融机构在参考营收、纳税评级和开票总量的同时，可借助税票反欺诈模型，结合商品类别、月度开票变化、主要客户及企业之间的买卖关系进行核验。
金蝶征信总结的反欺诈方法论包括：一是关注主营商品的跨类别异常，二是在收入增长的同时核验人员、资产和纳税痕迹是否同步增加，三是通过交易图谱识别疑似关联交易和闭环交易，四是将高频修改申报表作为前置风险信号，五是多项数据偏离正常经营情况时审慎计入授信测算并进行人工核验。
在当前的信贷环境中，黑灰产的造假手段已经从单纯的做假账升级为“真数据、假业务”的产业链包装。金融机构需要在单一数据维度之外建立多维度交叉验证机制，才能在数据表面正常的情况下识别出真正的风险。
