في عالم اليوم الرقمي، تتعدد أوجه استهداف كبار السن من قِبل المحتالين الماليين، حيث تتم العمليات الاحتيالية عبر قنوات مثل الرسائل النصية، المكالمات الهاتفية، والبريد الإلكتروني. هذه العمليات تبدأ في الغالب بتقمص الهوية أو تواصل غير رسمي، لتتطور عبر بناء الثقة وتقديم شعور بالعجلة، وتنتهي بطلب معلومات حساسة أو تحويلات مالية.

يعتبر الكشف المبكر عن هذه المخاطر أمراً بالغ الأهمية، ولذلك تم اقتراح إطار عمل لتقييم المخاطر يعتمد على تتبع المحادثات (turn-based)، مما يسمح بتجميع المعلومات وإعادة تقدير المخاطر في كل مرحلة، مما يعزز القدرة على مراقبة عمليات الاحتيال الديناميكية التي تتطور مع الزمن.

تم إنشاء مجموعة بيانات للمحادثات تغطي سيناريوهات احتيالية متنوعة مثل الاستثمار، التبرعات، والدعم الفني، حيث تم تصنيف كل محادثة تحوي من اثنين إلى ثمانية أطوار مع تحديد مستوى المخاطر في كل مرحلة مع توصيات سلامة.

أظهرت الأبحاث التي أجريت على أربعة نماذج لغوية صغيرة، وهي Phi-4، LLaMA-3.2، DeepSeek-R1، وQwen3، أن النماذج المنقحة بدقة يمكنها التقاط إشارات لغوية تتعلق بالغش، وأنماط تصعيد المخاطر عبر الأطوار، بينما تحتفظ بتصاميم مدمجة مناسبة للاستخدام على الأجهزة المحمولة. وقد أظهرت نتائج النموذجين Phi-4 وLLaMA-3.2 أداءً أفضل في تقييم المخاطر، مما يشير إلى فعالية النماذج الهيكلية في تقييم مخاطر الاحتيال في سياقات تعتمد على التحسينات التقنية.