当技术使欺骗民主化

在2024年末，一名女子走进新加坡加东广场的一家泰国餐厅，点了近新加坡元200元的食物，并使用 PayNow 付款。工作人员核对了显示交易的截图，一切看起来都合法。几天后，在日常对账中，餐厅发现该笔付款并未到账。该名女子使用了一个简单的编辑应用来篡改 PayNow 收据。

这并非个案。2022年至2024年间，类似的骗局欺骗了新加坡的餐馆。一名作案者在15个月内从同一家餐馆制造了超过35笔欺诈性订单，总额超过3,891.75 新加坡元。2022年至2025年间，她在两家餐馆使用伪造的 PayNow 截图下了总额超过9,000美元的食品订单。她的方法令人不安地简单：通过 PayNow 将钱转给自己，截取交易截图，使用编辑应用更改收款方名称，然后将修改后的图片作为支付凭证发送。

这些案例之所以特别具启发性，并非因为它们的复杂性，而是因为它们的简易性。没有复杂的黑客攻击。没有复杂的社会工程学。只有可轻易获得的照片编辑工具，这些工具多年来一直可用，以及企业对视觉验证的信任。根本的变化并非人工智能使文档篡改成为可能；而是人工智能加速了欺诈者运作的规模和速度，同时也使检测变得指数级更加困难。

表层验证的崩溃

当传统市场证据不可获得时，鉴证机构日益面临一个基本的核验问题。正如我们在对缺乏流动性的市场中的公允市场价值分析所探讨的那样，可观察交易的崩溃迫使人们依赖内部模型，而这些模型需要独立的行为验证才能保持可信度。

新加坡 PayNow 欺诈事件暴露了现代金融核验的一个关键漏洞：我们在提高效率的同时牺牲了真实性。传统控制，例如三方对账，对比采购订单、收货单和发票，是为一个以纸质为主的世界设计的，在那里制造可信伪造需要专业技能和设备。如今，这些相同的控制措施之所以难以奏效，是因为它们根本依赖文档外观而非交易实质。

根据 2025 年身份欺诈报告，数字文档伪造在 2023 至 2024 年间同比激增 244%。报告记录称，深度伪造攻击现在全球每五分钟发生一次，而欺诈者越来越多地利用生成式人工智能工具，创建通过传统核验检查的高度复杂伪造品。金融服务行业成为这一转变的主要受害者，加密货币平台的欺诈尝试率达到 9.5%，几乎是其他任何行业的两倍。

我们所看到的是能力的不对称。通过更好的扫描和模式识别，欺诈预防工具在渐进地提升。与此同时，由易取得的人工智能驱动的欺诈创建工具则在指数级地改进。2024 年发表的一项关于基于 AI 的身份欺诈检测方法的系统综述强调了这一挑战：“人工智能驱动的深度伪造技术显著增加了身份欺诈的复杂性。欺诈者可能使用这些技术来创建高度复杂的伪造个人身份文件、照片和视频。”

三方对账曾被视为应付账款欺诈防控的金标准，如今却只是虚假的安全感。该程序核实三份文件是否一致，但如果三份文件都可以用编辑软件伪造，那么对账就变得毫无意义。此控制仅检查一致性，而非真实性。这在于确认三名证人讲述同一故事与确认该故事确实属实之间的差别。

这使得组织回归到更劳动密集的实质性程序。背证（vouching），通过在会计系统中向后追溯交易以核实其发生的做法，重新获得重要性，并非因为它高效，而是因为它是少数可以绕过伪造文档的方法之一。与其检查文档外观是否正确，不如核实其所涉的底层经济事件确实发生。

这对鉴证专业人员带来了显著负担。关于数字时代审计程序的研究强调：“传统上，审计人员依赖人工程序和基于样本的测试，这往往限制了分析的范围和深度。” 回归到更广泛的背证程序在运营效率上是一种倒退，消耗了本可提升业务价值的资源。对于服务于拥有精简财务团队的企业客户的审计师来说，这一负担尤为严重，曾经合理的人工程序现在既考验专业能力又影响客户关系。

此外，传统的审计方法造成时间滞后。月度或季度对账意味着欺诈在被发现前可能持续数周。等到餐厅发现了通过 PayNow 的欺诈支付时，肇事者已经转向其他受害者。传统的审计循环，计划、执行、报告，与数字化欺诈的实时性根本不相符。

从文档核对到行为智能

以文档为中心的核验的失败指向一个必要的演进：将关注交易的外观核验，转向理解交易所揭示的潜在行为。消费与行为分析在本质上与传统审计程序存在根本差异。

从行为角度审视 PayNow 欺诈案件。犯罪者不仅伪造了文件，她还展现出与合法客户行为显著偏离的消费模式。她在 15 个月内对同一家餐厅下单超过 35 次，始终使用相同的支付方式，并且金额通常较大。单独看这些模式可能显得正常；放在一起并与更广泛的消费基准对比时，它们代表值得调查的统计异常。

取证会计研究越来越强调这一行为方法。2024 年关于取证会计与欺诈检测的研究指出，先进分析通过处理大量交易数据，以检测偏离预期行为的情况，能够“识别可能被传统方法忽略的模式、趋势和异常”。其关键优势在于行为分析不依赖于文档的真实性，它们分析经济活动的实质。银行业的最新研究表明，这一转变：对支出模式和交易数据的分析为了解客户偏好和金融行为提供了细致的理解，使机构能够在不依赖文档核验的情况下发现异常。

这种方法与 7² 的核心论点一致：高度的行为智能提供了一种视觉核验无法提供的新的文档信任形式。当你了解类似企业通常如何交易、消费模式通常如何演变，以及在规模化情况下，什么是合法的客户行为时，你就能核实文档是否反映了真实的经济活动，即使文档本身看起来再完美。这并不是忽略文档；而是拥有一种独立的方式来验证它们的真实性。

这一区别之所以重要，是因为它改变了审计工作的本质。关于内部审计在欺诈检测中的作用的研究证实，“使用数据分析技术已与提高效率、扩大审计覆盖和提升审计质量相关联。” 技术使基于风险的方法成为可能，通过如持续审计等方法来增强对异常和警示信号的检测。与其花费数小时逐笔对账单凭证与银行对账单核对，保证专员可以将统计上异常的模式标记以供调查。与其对每笔交易都抱着怀疑态度，他们可以根据行为风险来优先进行审查。负担从对文档的全面审核转向对模式的智能识别。

对于为企业客户提供服务的保障专业人员而言，这不仅意味着效率提升，更是一个根本的能力差距。你的客户在现实情境下难以维持现在繁琐程序所要求的实质性测试水平。你需要一种在不逐笔背书每笔交易的情况下建立文档信任的方法。你需要系统，能在消费模式与所呈现的文档不一致时发出警报，当行为现实与文档声称相矛盾时。

这正是 7² 要解决的差距。通过将 AI 驱动的行为分析与消费模式情报结合在一起，我们提供信任分析，一种通过经济实质而非视觉外观来验证文档真实性的方式。我们的技术评估记录在案的交易是否符合合法的商业行为，从而无需繁琐的逐笔人工背书每笔客户交易。它并不取代专业判断；相反，它增添了一个独立的验证层，而文档本身已无法再单独提供。

更广泛的影响不仅仅在于标记可疑文件，更在于重建对文档本身的信任。当你能够将企业客户的文件与他们的消费模式和市场基准进行核对时，你就恢复了肉眼核验所失去的那种信任水平。同样用于检测伪造文件的分析方法也能证明真实文件的有效性。最初作为欺诈检测的过程，已转变为文件验证，能够自信地判断哪些文件反映真实的经济活动，哪些又不是。

迈向智能鉴证

新加坡的 PayNow 欺诈事件是对鉴证专业所面临的更大挑战的缩影。随着人工智能让欺诈更容易实施，传统的核验程序变得既更加重要又更为无效。解决之道并不是简单地做更多我们一贯所做的事，而是从根本上重新构想我们如何确立交易的真实性。

前进的路径要求超越文档的表象，转向经济实质；超越定期检查，走向持续监控；超越孤立的交易审查，转向基于模式的情报。它要求接受这样的现实：在一个文档可以被完美伪造的世界里，文档本身不再能作为主要证据。相反，证据必须来自行为的一致性、消费逻辑以及相对于市场的规范。

对于鉴证专业人士而言，这既是挑战也是机遇。挑战在于承认那些几十年来行之有效的方法如今需要从根本上重新思考。机遇在于利用科技，而不是用来自动化现有程序，而是来实现全新的鉴证形式，以行为智能为基础的鉴证，而不是以文档证据为基础。

7² 的存在，是为了让这一转变对为缺乏企业级资源的客户提供服务的鉴证专业人士变得可及。通过让复杂的行为分析和消费分析实现民主化，我们提供的信任分析在文档本身可以被完美伪造的情况下也能发挥作用。审计程序的负担不必仅仅落在人工评审之上，智能系统可以通过基于行为实质而非表面外观来核验文档，从而减轻负担。

会计专业人士的使命一直是对经济现象的真实呈现。在一个文档可以毫无瑕疵地作伪的时代，这一使命要求我们超越纸面工作，直视现象本身，文档所应反映的真实消费、行为和经济活动的模式。7² 能帮助你，这位鉴证提供者，代表你所服务的对象实现这一目标：

让 7² 与您一同减轻您的负担。