人工智能一直被視為網絡詐騙的「加速器」——生成假訊息、假聲音、假身份，令騙案成本更低、規模更大。但同一項技術，近年亦被反向利用：多個反詐項目開始以 AI 假扮潛在受害者，主動接聽詐騙電話、回覆詐騙短訊，甚至潛入詐騙聊天群組，目標是「反騙騙徒」，拖住對方、消耗其時間與資源，同時收集情報。當中澳洲初創 Apate（以希臘欺騙女神命名）的做法最具規模，該公司稱其平台已部署約 35 萬個 AI 機械人，並在實時收集超過 25 萬項與詐騙相關的情報，涵蓋詐騙網址、金錢中轉戶口及銀行資料等。
反詐新趨勢：以 AI 假扮受害者，反過來消耗詐騙分子的時間與資源。
由「封鎖」轉向「纏住」騙徒
傳統反詐策略主要靠封鎖號碼、攔截訊息、事後追查，但跨境詐騙集團往往身處執法管轄範圍以外，令打擊成效受限。Apate 的思路是把問題倒轉：與其阻止騙徒接觸真人，不如讓騙徒「接觸錯的人」。其系統會把電話騙徒轉接到 AI 機械人，機械人被訓練成盡量延長對話，但永遠不會真正上當。Apate 創辦人兼行政總裁 Dali Kaafar 形容，團隊是在「為騙徒製造完美受害者」——騙徒與機械人傾談的每一分鐘，可能就是數百甚至數千名潛在受害者免於被同一騙徒接觸的一分鐘，因為詐騙集團普遍使用自動撥號工具大規模外呼。
Apate 的平台獲銀行採用，並有電訊商支持。除了接聽電話，機械人亦會滲入網上詐騙聊天群組、回覆短訊，同樣以「拖時間、套情報」為目標。Kaafar 表示，機械人設有不同性格、語言能力與背景設定，希望騙徒難以察覺正在與 AI 對話；就像真人一樣，機械人有時「有 WhatsApp、有時沒有」，有時接聽電話，有時會直接掛線並說「遲些再找你」。
情報收集與「蜜罐」式防禦同步升級
這類做法的價值不只在於拖延。Apate 稱其系統已實時收集逾 25 萬項詐騙情報，包括詐騙網址、金錢中轉戶口與銀行資料，這些資料對銀行攔截可疑交易、對執法機構追查集團網絡都有潛在作用。換言之，AI 假受害者同時扮演了「誘餌」與「感應器」兩種角色。
另一條技術路線是「蜜罐」（honeypot）——即故意設置假系統引誘黑客攻擊，以消耗對方時間、收集攻擊手法。蘇黎世聯邦理工學院（ETH Zurich）電腦科學系博士研究員 Mark Vero 指出，開源蜜罐供應商近年愈來愈多在系統中加入大型語言模型（LLM），令假系統更逼真。Vero 與同事的研究發現，由 LLM 驅動的蜜罐，能令 AI 攻擊代理「明顯更長時間」持續攻擊，而且攻擊代理把系統標記為真正蜜罐的比率亦低得多。他認為，若這類系統建造得夠好，對防守方相當有利。
不過，文章亦提醒，即使 Apate 已部署龐大機械人網絡，短期內仍難以完全杜絕詐騙電話與短訊。網絡罪犯每年發動數以十億計的訊息與來電，最成熟的集團更以工業化規模運作實體詐騙園區；專業「反騙」人士與滲透詐騙行動的計劃雖有阻嚇作用，但整體數碼詐騙規模仍在擴張。
AI 反詐的下一站是情報共享與心理戰
從目前發展看，AI 在反詐領域的角色正由「輔助工具」走向「主動干擾」。除了以機械人纏住騙徒，業界亦愈來愈重視利用犯罪分子的「心理弱點」進行干擾，部分行動甚至直接針對勒索軟件攻擊者作出挑釁式回應。同時，執法機構、社交平台、銀行及其他行業之間的情報共享被視為迫切需要，而 AI 驅動的監控與數據分析，有望在這方面提供助力。
值得留意的是，這類「以 AI 對抗 AI」的策略並非萬能。機械人要不被識破，需要在語氣、反應時間與背景設定上持續貼近真人；一旦騙徒察覺對話對象是機械人，拖延效果便會消失。另一方面，收集情報涉及與犯罪集團互動，如何確保資料準確、合法使用，以及避免誤中無辜，都是實際落地時必須處理的問題。
對一般用戶而言，最實際的啟示是：反詐技術正在進步，但詐騙手法同樣在進化。AI 假受害者可以分擔一部分「前線」工作，卻不能取代個人警覺。當你下一次收到可疑來電或短訊，背後可能正有一隊 AI 機械人與騙徒周旋；但在你手上那部電話裡，最終把關的仍然是自己的判斷。
留言區 (0)