2023年11月，诈骗分子伪装成某科技公司郭先生的好友，骗取430万元；2023年12月， 一名留学生父母收到孩子“被绑架”的勒索视频 ，被索要500万元赎金；2024年1月，香港一19家跨国公司员工遭遇钓鱼诈骗损失2亿港元 ；2024年2月，AI病毒“GoldPickaxe”出现 ，能够盗取人脸信息、转走用户银行卡余额 ……随着AI的广泛应用，其带来的安全威胁也日益引起人们的关注，并迅速成为一种新的威胁手段，给企业和个人用户带来前所未有的风险。

根据麦肯锡研究所的数据，基于AI的身份欺诈已成为美国增长最快的金融犯罪类型，并且在全球范围内呈上升趋势。英国GDG的研究表明，英国有超过860万人使用虚假或他人的身份来获取商品、服务或信贷。

美国财政部近日发布在一份题为《金融服务业中特定于人工智能的托管网络安全风险》的报告中强调，AI的发展使网络犯罪分子更容易使用深度伪造来冒充金融机构的客户并访问账户。报告说，“AI可以帮助现有的威胁行为者开发和试验更复杂的恶意软件，为他们提供以前只有资源最丰富的行为者才能使用的复杂攻击能力。它还可以帮助技能较低的威胁行为者开发简单但有效的攻击”。

报告显示，金融机构面临各种AI威胁中，威胁最大的是社会工程攻击和伪造身份欺骗：一方面攻击者利用生成式AI创建更有说服力的网络钓鱼电子邮件，编写钓鱼网站内容，诱导金融机构工作人员相信。另一方面，攻击者利用AI，模仿金融机构客户的照片、语音和视频，绕过身份验证过程。

相关统计显示，2023年，基于“AI换脸”的欺诈事件增长3000%，基于AI的网络钓鱼邮件数量增长1000%。

攻击者利用AI威胁的过程

攻击者利用社交媒体、电子邮件、远程会议、网络招聘、新闻资讯等一系列媒介，对金融机构进行AI攻击。顶象防御云业务安全情报中心日前发布的《“AI换脸”威胁研究与安全策略》情报专刊中 ，对一起“AI换脸”金融诈骗案件进行了详细分析，并列举出了诈骗分子的诈骗全过程。

第一阶段，骗取受害人信任。诈骗分子通过短信、社交工具、社交媒体、电话等方式，联系到受害者（例如，能够直接讲出受害人的姓名、家庭、电话、单位、住址、身份证号码、同事或伙伴，甚至部分经历），并获取信任。

第二阶段，盗录受害人脸信息。诈骗分子通过社交工具、视频会议、视频电话等方式，与受害者进行视频通话，在视频通话过程中获取受害人的人脸信息（人脸、低头、扭头、张嘴、眨眼等等关键信息）进行“AI换脸”虚假视频和人像的制作。期间，还会诱导受害者设置电话呼叫转移或诱导受害人下载恶意App软件，可以呼叫转移或拦截银行的客服电话或电话。

第三阶段，登录受害人银行账户。诈骗分子通过银行App登录受害人的银行账户，提交“AI换脸”制作的虚假视频和虚假人像后，通过银行的人脸识别认证，并拦截受害人手机上，银行发送的手机短信验证码和风险提示等。

第四阶段，转走受害人银行余额。将银行打来人工访问电话呼叫转移至诈骗分子预先设置的虚拟号码，冒充受害者，通过银行客服人员的人工核实，最后顺利转走受害人银行卡内的余额。

总体来看，利用AI进行诈骗分为如上四个步骤，每个步骤环环相扣，受害人如果无法甄别判断、平台不能够有效警示拦截，很容易在诈骗分子的诱导下步入陷阱。

金融机构如何防范AI攻击

这是整个行业面临的新挑战，面对已形成产业化、拥有完备且成熟攻击模式的攻击者，《“AI换脸”威胁研究与安全策略》 情报专刊认为，要防范打击AI欺诈，一方面需要有效识别检测出AI伪造的内容，另一方面防范AI欺诈的利用和扩散。这不仅需要技术对策，更需要复杂的心理战和公众安全意识的提升。因此，企业需要加强数字身份识别、审查账号的访问权限，对数据收集最小化收集等。同时，加强员工关于如何发现AI威胁。

1、搭建多渠道全场景多阶段防护的安全体系。覆盖各渠道平台和各业务场景，提供威胁感知、安全防护、数据沉淀、模型建设、策略共享等安全服务，能够满足不同业务场景，拥有各行业策略且能够基于自身业务特点实现沉淀和更迭演进，实现平台的精准防控。这涉及在网络的不同点部署多个安全解决方案，以保护自己免受各种威胁，制定全面的事件响应计划，从而快速有效地应对 AI 攻击，进行个性化防护。

2、构建基于 AI 驱动的安全工具体系。基于人工审查与 AI 技术相结合的反欺诈系统，提高自动化和效率，检测和响应基于 AI 的网络攻击。

3、加强身份验证与保护。包括启用多重身份验证、对静态和传输中的数据进行加密以及实施防火墙等。对账号异地登录、更换设备、更换手机号、休眠账户突然活跃等加强频繁验证，持久性检查以确保用户的身份在使用期间保持一致。对设备信息、地理位置以及行为操作进行比对识别，能够发现并防范异常操作。

4、加强账号授权控制。基于最小权限原则限制对敏感系统和账户的访问，确保访问其角色所需的资源，从而减少账户被盗用的潜在影响，防止未经授权访问您的系统和数据。

5、持续了解最新技术与威胁。尽可能随时了解 AI 技术的最新发展，以相应地调整保障措施。对 AI 模型的持续研究、开发和更新对于在日益复杂的安全形势中保持领先地位至关重要。

6、持续对员工进行安全教育培训。持续进行 AI 技术及其相关风险的培训，通过模拟攻击、漏洞挖掘、安全培训等，帮助员工识别和避免 AI 攻击和其他社会工程风险，保持警惕并快速报告异常情况，显著提高组织检测和响应深度伪造威胁的能力。

要防范基于AI的威胁，一方面需要有效识别检测出AI威胁，另一方面防范AI欺诈的利用和扩散。这不仅需要技术对策，更需要复杂的心理战和公众安全意识的提升。

针对AI欺诈的防御产品

传统的安全工具和措施已无法有效防御基于AI带来的欺诈威胁，要及时识别欺诈风险，需要事前、事中、事后进行全面的风险防控。顶象最新升级的反欺诈技术与安全产品，能够为企业搭建一个多渠道全场景多阶段的安全体系，系统对抗AI带来新威胁。 

保障App安全，防范AI的自动化破解。顶象自适应的iOS加固基于图神经网络技术，通过深度分析并提取代码的特征，能够根据不同代码块的特点，自动选择适合的方法进行混淆，大幅提升提高代码的逆向分析难度，有效降低50%的计算性能消耗。其通过加密混淆引擎，对App代码进⾏加密、混淆、压缩，可以⼤⼤增加App代码的安全性，有效防⽌产品被攻击者破解、复制、二次打包。

保障账号安全，防范AI的恶意注册与登录。顶象无感验证基于AIGC技术，能够防止AI的暴力破解、自动化攻击和钓鱼攻击等威胁，有效防止未经授权的访问、账户被盗用和恶意操作，从而保护系统的稳定性。它集成了13种验证方式和多种防控策略，汇集了4380条风险策略、112类风险情报、覆盖24个行业和118种风险类型。其防控精准度高达99.9%，并能快速实现从风险到情报的转化。同时支持安全用户无感通过，实时对抗处置能力也缩减至60s内，进一步提高了数字登录服务体验的便捷性和效率。

识别AI伪造的设备，防范AI恶意欺诈。顶象设备指纹通过将多端设备信息的内部打通，对每个设备生成统一且唯一设备指纹。并搭建基于设备、环境、行为的多维度识别策略模型，识别出虚拟机、代理服务器、模拟器等被恶意操控等风险设备，分析设备是否存在多账号登录、是否频繁更换IP地址、频是否繁更换设备属性等出现异常或不符合用户习惯的行为，追踪和识别欺诈者的活动，帮助企业实现全场景各渠道下同一ID的运营，助力跨渠道的风险识别与管控。

挖掘潜在欺诈威胁，防范AI复杂攻击。顶象Dinsight实时风控引擎帮助企业进行风险评估、反欺诈分析和实时监控，提高风控的效率和准确性。Dinsigh的日常风控策略的平均处理速度在100毫秒以内，支持多方数据的配置化接入与沉淀，能够基于成熟指标、策略、模型的经验储备，以及深度学习技术，实现风控自我性能监控与自迭代的机制。与Dinsight搭配的Xintell智能模型平台，能够对已知风险进行安全策略自动优化，基于风控日志和数据挖掘潜在风险，一键配置不同场景支持风控策略。其基于关联网络和深度学习技术，将复杂的数据处理、挖掘、机器学习过程标准化，提供从数据处理、特征衍生、模型构建到最终模型上线的一站式建模服务。

拦截“AI换脸”攻击，保障人脸应用安全。顶象全链路全景式人脸安全威胁感知方案通过设备环境、人脸信息、图像鉴伪、用户行为、交互状态等多维度信息进行智能核验，快速识别注入攻击、活体伪造、图像伪造、摄像头劫持、调试风险、内存篡改、Root/越狱、恶意Rom、模拟器等运行和系统类等30多类恶意攻击行为，及时发现伪造视频、虚假人脸图片、异常交互行为后，可自动阻断操作。同时能够灵活配置视频核验强度与友好度，实现对正常用户无感验证，对异常用户加强验证的动态机制。