AI朝阳群众出动！陪骗子唠嗑，还套出25万条情报

编辑｜Sia 骗子疯狂打电话，AI反手接招。聊了250万次，顺便套出25万条诈骗情报。 你有多久没接过陌生电话了？反正，连苹果手机的来电过滤功能，我都给打开了。 虽然快递电话也可能被一并拦截，但没办法，骗子和推销电话实在太多。刚屏蔽一个号码，那边又换个号打过来了。 头疼的是，骗子可以不断换号，我们却不能永远不接电话。 最近，一家澳大利亚AI公司的做法，倒是提供了一个新思路。既然人不想接骗子电话，那就让 AI 去接。 而且，这家公司的 AI 不光接电话，还会主动假扮受害者，陪骗子聊天、套话，想方设法从对方嘴里挖出诈骗情报。 电话接起来，邮件回过去，钓鱼链接点进去，甚至混进社交平台上的投资群。 主打一个：你想骗我？那我先陪你演演。 派出这支AI反诈军团的公司，名叫 Apate.AI，成立于 2024 年，源自澳大利亚悉尼麦考瑞大学的网络安全研究。 截至目前，按照公司披露的数据，其 AI 智能体已经与诈骗分子进行了 250 万次对话，累计消耗骗子约 17 年的时间。 更重要的是，这些对话还挖出了超过 25 万条诈骗情报。 银行账户、加密货币钱包、恶意网站、电话号码……这些原本可能要等受害者被骗后才能逐渐查明的线索，现在有机会直接从骗子嘴里套出来。 让AI陪骗子聊天，究竟是门什么生意？ Apate.AI 做的，有点像是把网络安全领域的蜜罐技术，搬进反诈场景，再用 AI 把它规模化。 在传统网络安全领域，蜜罐是一种专门设置的诱饵系统。比如，防御方故意搭建一台看起来像真实业务服务器、实际上用于监测攻击行为的设备。 攻击者以为发现了一个可以下手的目标，主动发起攻击，防御方趁机观察对方使用的工具、攻击路径和行为模式，进而获取威胁情报。 与其等攻击发生后再追查，不如提前布置诱饵，让攻击者主动暴露自己。 Apate.AI 的思路与此类似，只不过它盯上的不是黑客，而是那些打电话、发短信、发邮件，或者在社交平台上寻找目标的诈骗分子。 它会让 AI 伪装成潜在受害者，主动进入诈骗分子的交互场景。 诈骗电话打来，AI 可以接听；遇到可疑消息，AI 可以回复；发现潜在诈骗活动，文本智能体还可以搜索论坛、投资群组和社交平台，再以虚构身份参与对话。 为了让伪装更逼真，这些 AI 还可以模拟不同的年龄、性别、口音和语言，尽可能让交流看起来像真实用户之间的沟通。 骗子以为自己正在物色一个潜在受害者，实际上，电话另一头可能是一个专门来套取情报的 AI。 而且，这个 AI 受害者不仅不会轻易挂断电话，还可以按照预设目标，有计划地向骗子提问。 和骗子聊半小时，能挖出什么？ Apate.AI希望从这些看似普通的对话中，提取诈骗活动的关键信息。 比如，诈骗分子冒充银行客服，AI 就可以尝试套取其使用的钓鱼网址、联系号码和收款账户。如果遇到加密货币投资骗局，智能体也可以尝试获取相关钱包地址。 除此之外，诈骗话术、冒充的品牌、相关网站，以及其他可能用于追踪作案团伙的线索，都在情报收集范围之内。 据 TechCrunch 报道，Apate.AI 的客户甚至可以直接给智能体指定任务，例如要求它尝试获取某个银行账户号码或加密货币钱包地址。 这意味着，AI 并不是漫无目的地闲聊，而是在围绕特定目标开展交互。对话结束后，系统还会将获取的信息整理成情报，供客户进一步分析和使用。 Apate.AI 也向客户提供情报与分析平台，帮助银行、电信运营商等机构了解针对其用户、员工、品牌及产品的诈骗活动。 整个流程可以概括为三步： 主动交互： AI假扮潜在受害者，与诈骗分子展开对话，尽可能获取关键线索。 提取情报： 系统整理对话内容，识别电话号码、账户、钱包地址、恶意网站等信息。 协助处置： 客户利用相关情报开展风险识别、调查和干预。 与传统反诈流程相比，这套模式最大的区别，在于试图把情报获取的时间点提前。 过去，机构往往要等到用户投诉、异常交易出现，或者诈骗信息被举报后，才开始追查。Apate.AI 希望在诈骗活动仍在进行时，就从交互中获取可供调查的线索。 当然，拿到信息不代表掌握了完整的诈骗网络。 骗子可能提供虚假账户、使用一次性网址，甚至故意散布误导信息。因此，AI获取的线索仍然需要经过核验、关联，并由银行、电信运营商或执法部门进一步处置。 但如果能提前获取可靠情报，机构就有机会在更多受害者出现之前采取行动。 不只是套情报，还要让骗子白白浪费时间 让骗子在电话里浪费时间，并不是什么新鲜招数。过去，就有不少人专门陪骗子聊天，故意装作不懂操作，让对方反复解释，甚至想办法把一通电话拖上几十分钟。 Apate.AI 创始人兼 CEO Dali Kaafar 最初的创业灵感，也来自一次类似经历。 几年前，他在参加家庭野餐时接到一个诈骗电话。意识到对方的身份后，他没有直接挂断，而是决定假装不明白对方的意图，陪着对方继续聊。 最后，这通电话持续了 44 分钟。 这次经历让 Kaafar 意识到一个问题：既然一个普通人就能拖住骗子 44 分钟，那么，能不能把这件事自动化？ 一个人一次只能接一通电话，但成千上万个 AI 智能体，却有机会同时应对大量诈骗交互。 这也是 Apate.AI 试图规模化的事情。从经济学角度看，诈骗同样是一种追求投入产出比的活动。诈骗分子需要寻找目标、建立信任、实施诱导，最后想办法让受害者转账。 如果大量时间被消耗在无法成功变现的目标上，理论上就会增加其作案成本。 假设一名诈骗分子每天有 8 小时用于沟通，暂时不考虑拨号、等待和筛选目标等额外时间： 如果平均每次交互耗时 3 分钟，8 小时理论上可以完成 160 次交互。 如果平均每次交互耗时 30 分钟，8 小时理论上只能完成 16 次交互。 两者相差 10 倍。 这只是一个简化的假设模型，并不代表真实诈骗活动的实际效率。但它说明了一个关键 ： 如果AI能够持续、低成本地拖住诈骗分子，就可能提高对方接触真实受害者的机会成本。 这也是为什么 Apate.AI 会强调，自己的 AI 智能体累计消耗了诈骗分子约 17 年的时间。 不过，单纯拖延并不是完整的反诈方案。更理想的情况是，一次交互同时产生两种结果：既让诈骗分子浪费时间，又能留下可供后续调查的情报。 前者提高作案成本，后者帮助机构追踪和干预。两者叠加，才是这套模式真正值得关注的地方。 银行、电信运营商，已经开始买单 从目前的进展来看，Apate.AI已经不满足于实验室里的技术验证，而是开始进入真实业务场景。 公司披露的客户包括澳大利亚联邦银行（Commonwealth Bank of Australia）、电信运营商 TPG Telecom，以及其他公用事业企业、电信公司和政府机构。 据联合创始人兼首席商务官 Brad Joffe 向 TechCrunch 透露，TPG Telecom 已经将近 59 万通电话转接给 Apate.AI 的智能体。澳大利亚联邦银行报告的诈骗损失下降了 76%。此外，一家未公开名称的澳大利亚银行，还利用其主动外联智能体干预了 22 起诈骗活动。 这些数据来自公司方面的披露，不能简单理解为 AI 单独带来了全部改善，但至少展示了这类产品的几种落地方式。 对于电信运营商，AI 可以承接被转接的可疑来电，与对方交互并收集线索