资金费率
资金费率热力图
多空比
大户多空比
币安/欧易/火币大户多空比
Bitfinex杠杆多空比
账号安全
资讯收藏
自选币种
AI诈骗诱饵从新奇工具演变为基础设施
澳大利亚公司Apate宣称，已在全球部署了近20万个AI“角色”，这些角色模仿容易上当的目标——既拖住诈骗分子，又为银行和电信运营商收集情报。在截至2025年的一段六周时间内，Apate报告称其机器人参与了澳大利亚电信公司TPG的60万次诈骗电话，相当于浪费了犯罪分子超过500天的时间——节省了约1300万美元。除了干扰作用，Apate的系统旨在提取可操作的细节，帮助防御者识别被盗资金的流向以及诈骗网络的运作方式。
关键要点
Apate表示运营着近20万个AI角色，可通过电话式对话和消息渠道与诈骗分子互动。
在截至2025年底的六周内，Apate报告为TPG处理了60万次诈骗电话，相当于浪费了诈骗分子数百天的时间。
该公司的反诈骗价值主张不仅在于拖延，还聚焦于提取情报，例如新的加密货币钱包地址。
Apate的研究表明，诈骗通信中已有越来越多涉及AI，但它认为防御者仍可占据优势。
这一方法反映了更广泛的行业努力，包括英国电信公司O2的“AI奶奶”活动，但Apate以其规模和情报提取能力作为差异化优势。
旨在浪费诈骗分子时间的AI目标
Apate创始人Dali Kaafar将这套系统描述为一种自动化方式，实现人类诈骗诱饵长期手动操作的目标：通过哄骗诈骗分子来消耗他们的精力，而非公众的精力。据Kaafar所述，这个想法源于2021年11月他在悉尼家庭野餐时接到的一个诈骗电话。他花了44分钟，通过扮演一个天真的受害者和来电者周旋。
起初的私人消遣演变为一个研究主导的项目。在麦考瑞大学担任教授期间，Kaafar与专注于AI和安全的博士生讨论了这一概念，提出一个既能大规模与诈骗分子互动，又能从这些互动中捕获有用信息的系统。
在数月内，该项目从国家情报办公室获得了研究资金，随后于2023年剥离成立Apate。Kaafar表示，公司目前与澳大利亚的主要银行以及英国、南非和东南亚部分地区的其他金融机构合作。
近20万个角色与“逼真”的对话行为
Apate以120个不同的角色起步，随后扩展到19.7万个。Kaafar将逼真性归功于详细的角色设定，包括可识别的语气特征、口音和细微的行为线索。他表示公司花费了大量时间优化机器人的声音和回应方式，使得对话对目标来说感觉自然——并且对可能持怀疑态度的诈骗分子来说足够有说服力。
据Kaafar称，底层的AI模型是在“数百个”人类诈骗诱饵与诈骗分子之间的录音对话上进行训练的。这种训练旨在实现电话和聊天过程中的对抗策略，而非仅仅运行自动脚本。
Apate还利用相同的互动循环作为衡量工具。Kaafar表示，一个内部性能指标追踪沮丧的诈骗分子对机器人使用脏话的频率——这一细节凸显了公司正在优化持续互动，而非快速挂断。
公司通过WhatsApp和Telegram等渠道部署机器人，诈骗分子在这些渠道上常常试图从初次接触迅速转向支付指令。Kaafar还围绕一个关键的行为真相来阐述这一策略：即使“骗不了正直的人”并非字面正确，诈骗分子仍受贪婪驱动，而这种动机仍然可以通过拖延或引导他们的工作流程来利用。
从干扰到防御：提取加密货币和运营情报
Apate将其反诈骗数据目标描述为为银行和电信运营商提供前瞻性情报。在加密货币相关工作中，Kaafar表示Apate与“区块链分析领域的领导者之一”合作，并致力于识别诈骗团伙使用的钱包地址和方法。
Kaafar声称，在多次对话的机器人互动中，Apate可以“成百上千地”提取新的加密货币钱包地址。其隐含逻辑是，防御者需要在资金转移之前识别出下一个资金将落入的地点——从而在损害发生前应用监控和事件响应。
他将诈骗操作比作企业组织，暗示呼叫中心和相关工作流程足够结构化，以支持可重复的数据优势。在这种框架下，机器人互动最重要的输出不仅仅是欺诈发生的证据，而是帮助分析师理解哪些账户、钱包以及复合的“收款点”接下来至关重要的细节。
例如，Apate表示，7月份其机器人发现了一个涉及经纪人招揽印度验证银行账户的市场，据报道，这些经纪人根据通过这些账户流转的诈骗收益获得以USDT支付的佣金。
一场防御者仍可能占据优势的军备竞赛
Apate的广泛警告是，诈骗分子也在越来越多地使用AI。该公司指出，由于欺诈本身已经是一项庞大的业务，诈骗可以低成本地规模化。Kaafar表示，Apate的研究估计，大约20%到30%的诈骗短信对话已经使用了AI，这反映了诈骗分子可以多快地采用工具来加速通信。
尽管如此，Kaafar认为，在防御者与攻击者的AI对抗中，反诈骗机器人系统具有战略优势。借助博弈论概念，他提出防御性机器人旨在提取信息，而诈骗机器人则试图推动对方采取行动——这意味着防御者可以更容易地从攻击者的模型和行为中学习。
Kaafar还持更长远的观点：即使诈骗分子变得更加复杂，这种复杂性也可能增加互动中留下的可利用数据量。他将这种动态描述为反诈骗斗争中的“好消息”。
关键不在于AI消除了欺诈风险，而在于设计良好的互动系统可以将欺诈尝试转化为情报流——将原本受害者浪费的时间转化为调查人员和监控团队的资源。
随着AI诈骗手段的演变，读者应关注基于机器人的情报提取是否会成为金融机构和电信提供商的标配——以及更重要的是，防御者能否在转账发生前，迅速将这些系统发现的钱包和账户细节付诸行动。
