随着LED信息屏、智能广告机、自助终端等设备在银行网点的普及，银行服务效率与客户体验得到提升，但攻击者伪装成普通客户非法接入设备、窃取信息等安全风险也随之加剧。传统依赖人工巡检和事后追溯的安防模式，面对隐蔽化、复杂化的安全威胁早已力不从心。

为此，镇江农商银行开展“基于大模型的银行网点物理攻击行为预警探索与应用”项目，以AI技术赋能智能安防，构建起一套覆盖“AI识别-实时告警-日志存储-智能追溯”的闭环主动防御体系，推动银行物理安全从“被动响应”向“主动预警”转型升级。

具体来看，该项目深度融合视觉大模型与文本大模型的能力，通过标准RTSP协议接入网点高清摄像头视频流，经采样与预处理后，送入视觉大模型进行多模态内容理解，视频片段将转化为语义化文本描述，再由文本大模型完成风险评估，识别是否存在非授权接入、屏幕遮挡、异常滞留等高危行为。

一旦发现中高风险，系统将通过企业微信向安全负责人推送告警，实现分钟级响应，所建立的近实时风险响应机制，能遏制安全事件的发生与蔓延。此外，所有告警事件及相关数据将被结构化存入向量数据库，系统借助RAG技术可实现自然语言检索与回溯分析，有效提升事后追溯与分析效率。

值得一提的是，考虑到中小金融机构面临算力与预算有限的情况，该项目采用开源技术栈与自适应处理机制，在保障实时性的同时控制算力成本，为同类机构提供了可复制、可推广的大模型落地路径。

项目落地后，在产业层面，形成了可复用的视频智能分析中台能力，适用于远程视频银行、智能风控等多种场景，降低了技术迁移成本；在社会层面，严格限制敏感数据接触人员，筑牢了客户信息安全防线；在经济层面，单网点年度等保合规审计成本显著降低，系统运行率达100%，同时减少了因安全事件导致的业务中断。

事实上，镇江农商银行在AI技术赋能金融业务的探索并非局限于安防场景。此前，该行已通过DeepSeek赋能行业分析、企业背调、抵押物评估等授信场景环节，既提升了授信决策的科学性与准确性，还防控了信贷风险。