🌍The Next Web (TNW)•最新收集於 32m
AI 推動加密貨幣冒充詐騙暴增 1,400%
💡AI 正把加密貨幣冒充詐騙變成更大量、更高價值的詐騙問題。
⚡ 30-Second TL;DR
有什麼變化
2025 年加密貨幣冒充詐騙同比增長超過 1,400%。
為什麼重要
開發金融、加密貨幣或身分產品的 AI 從業者，應將冒充詐騙視為快速擴大的濫用情境，而非邊緣威脅。偵測系統可能需要整合行為、付款與身分訊號，在資金轉移前攔截高價值攻擊。
下一步行動
在交易監控流程中加入專門針對冒充詐騙的規則，將突發付款激增、身分不一致及重複錢包模式結合起來，交由人工審查。
誰應關注：Developers & AI Engineers
關鍵要點
- •2025 年加密貨幣冒充詐騙同比增長超過 1,400%。
- •流向冒充詐騙群組的平均付款金額增加超過 600%。
- •所有詐騙類型的平均加密貨幣付款額，從 782 美元升至 2,764 美元。
- •如此大幅的增長顯示，AI 正提升詐騙者自動化及個人化欺騙的能力。
🧠 深度解析
AI-generated analysis for this event.
🔑 增強重點摘要
- •生成式 AI 工具（如 Deepfake 語音與視訊）被廣泛用於冒充加密貨幣交易所高管或名人，以建立虛假的信任感。
- •詐騙者利用大型語言模型（LLM）自動化編寫高度客製化的釣魚郵件與社交媒體訊息，大幅降低了針對性攻擊的成本。
- •區塊鏈分析顯示，詐騙資金流向日益複雜，詐騙者頻繁使用混幣器（Mixers）與跨鏈橋技術來規避執法機構的追蹤。
- •加密貨幣詐騙的地理分佈已從單一地區擴散至全球，利用 AI 進行多語言翻譯，使詐騙活動能無縫跨越語言障礙。
- •監管機構與加密貨幣平台開始部署基於 AI 的即時交易監控系統，試圖在資金轉移前識別並攔截異常的詐騙行為。
🛠️ 技術深入
- 詐騙自動化架構：利用 LLM API 串接社交媒體機器人，實現 24/7 全天候的自動化互動與受害者篩選。
- Deepfake 實施：使用生成對抗網路（GANs）即時合成高擬真視訊，繞過部分平台的生物識別驗證。
- 資金洗錢路徑：利用自動化腳本將受害者資金快速拆分至數千個小型錢包，隨後匯集至去中心化交易所（DEX）進行混幣。
- 偵測技術：反詐騙系統採用圖神經網路（GNN）分析錢包地址間的關聯性，以識別潛在的詐騙團體網絡。
🔮 前景展望AI analysis grounded in cited sources
生物識別驗證將面臨大規模失效風險
隨著 Deepfake 技術成本持續下降，傳統的視訊驗證方式將無法作為區分真人與 AI 冒充者的可靠手段。
去中心化身份（DID）將成為防禦詐騙的核心標準
為了對抗 AI 冒充，加密生態系統將被迫轉向基於鏈上信譽與去中心化身份的驗證機制，以取代脆弱的社交信任。
⏳ 時間線
2023-02
Chainalysis 發布報告指出加密貨幣詐騙收入首次出現年度下滑，但冒充詐騙開始顯現增長跡象。
2024-01
生成式 AI 開始在網路犯罪論壇中被大規模討論，用於自動化編寫詐騙腳本。
2025-03
Chainalysis 數據顯示加密貨幣冒充詐騙案件量出現爆發性增長，標誌著 AI 驅動詐騙的轉折點。
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： The Next Web (TNW) ↗