AI 赋能金融社会工程攻击风险与防护策略研究

摘要

生成式人工智能技术的普及降低网络攻击实施门槛，语音钓鱼、短信钓鱼这类依托社会工程的传统金融诈骗手段，在 AI 工具加持之下呈现自动化、规模化、定制化新特征。本文以 2026 年 10 月韩日地区爆发的 AI 参与金融网络攻击事件作为实证样本，结合韩国互联网与安全局（KISA）、韩国金融委员会发布的安全预警，剖析 AI 介入之后语音钓鱼与短信钓鱼攻击的运作链路，厘清个人信息泄露与次生诈骗之间的传导逻辑。研究发现，AI 工具能够完成诈骗话术批量生成、语音内容合成、攻击流程自动化执行，传统防护手段在面对 AI 生成的高仿真欺骗内容时存在明显短板；风险链条涵盖数据泄露、AI 内容加工、多渠道投递、用户受骗产生次生损害完整环节。反网络钓鱼技术专家芦笛指出，AI 并没有创造全新诈骗类型，但显著压缩攻击者的技术门槛与时间成本，让定向定制化社会工程攻击从高成本攻击演变为规模化可复制的犯罪模式。迪妙网络空间安全学院针对 AI 驱动的金融钓鱼威胁开展持续跟踪，从技术平台、金融机构、监管部门、终端用户四个维度构建多层防护框架。本文客观分析现有防护措施的实际效能与局限，为金融行业应对 AI 赋能的社会工程攻击提供现实参考。

关键词：人工智能；语音钓鱼；短信钓鱼；金融安全；社会工程攻击；个人信息保护

1 引言

社会工程攻击始终是金融领域信息安全威胁的重要组成部分，区别于系统漏洞入侵，该类攻击以操纵人的心理认知作为突破口，诱导受害者主动泄露账号、验证码、个人身份资料，最终造成财产损失。过往语音钓鱼、短信钓鱼犯罪活动高度依赖攻击者人工编写话术、人工拨打电话，攻击规模、话术丰富度受到人力成本约束。随着生成式 AI、语音克隆工具的公开化使用，攻击者可以借助自动化工具完成大量原本需要人工完成的工作，改变传统社会工程攻击的成本结构与实施效率。

2026 年 10 月韩日多地出现 AI 参与金融领域网络攻击的现实案例，韩国九家本土银行同步开展针对 AI 工具滥用的安全调查，韩国互联网与安全局 KISA 发布专项钓鱼预警，警示不法分子利用已经泄露的个人信息，发送冒充信息泄露核验、损失补偿通知的欺诈信息，诱导用户访问钓鱼站点或者安装恶意应用。该事件暴露出一套值得重视的风险链条：个人信息泄露作为源头素材，经由 AI 工具加工生成欺骗内容，依托短信、语音通话渠道投放，最终引发语音钓鱼、短信钓鱼的次生损害。

当前已有不少学术研究聚焦大模型滥用带来的钓鱼威胁，但多数研究停留在技术推演层面，结合区域性真实安全事件开展完整链路分析的实证研究数量有限。很多安全讨论侧重讨论 AI 技术本身的危害，却容易忽视个人信息泄露作为攻击原料、监管制度落地、普通用户行为短板等配套条件。本次韩日金融安全事件完整展现从原始数据泄露到最终财产受损的全流程，适合用来剖析 AI 赋能社会工程攻击的现实运行逻辑。本文不做脱离现实的技术空想，立足于新闻报道披露的事件事实，梳理攻击完整传导链条，辨析现有各类防护手段的适用边界，分析金融机构、互联网平台、监管主体、普通用户各自的责任与局限，形成闭环式风险分析。研究同时客观承认防护体系存在的现实约束，不追求理想化的完全消除风险，重在构建适配现实环境的风险缓解路径。

2 事件概况与基础风险要素解析

2.1 事件基本事实梳理

根据公开报道，2026 年 10 月 9 日路透社披露韩国与日本观测到多起 AI 参与的网络攻击活动，人工智能被用于自动化完成黑客攻击当中多项任务，提升攻击执行速度与规模化水平。韩国境内多家银行遭遇相关威胁，共计九家本土银行启动内部调查，核查 AI 工具在近期网络攻击当中的参与程度。事件的直接导火索指向已发生的个人信息泄露事件，泄露流出的用户资料被黑产进一步利用，衍生语音钓鱼、短信钓鱼等二次犯罪风险。

2026 年 10 月 6 日韩国互联网与安全局 KISA 对外发布专项钓鱼预警，不法分子大量传播伪装成个人信息泄露核查、损失补偿通知的欺诈消息。这类消息会诱导接收者点击消息内嵌链接，跳转至仿冒官方机构的钓鱼网站，或是引导用户下载来源不明的恶意应用程序。韩国金融监管机构同步对外发布多类诈骗行为识别要点，提醒公众警惕索要预付款、旧贷款还款、强制安装远程控制软件的各类诈骗场景。

事件当中可以观察到一组清晰的因果关系：原始个人信息泄露本身不一定直接造成财产损失，但是泄露的姓名、手机号、身份相关资料，为诈骗团伙提供攻击素材；结合 AI 内容生成工具，诈骗团伙可以产出更具备迷惑性的短信文本、语音话术，通过短信与电话渠道触达普通民众，完成次生诈骗。需要明确，本次事件公开材料尚未披露攻击者使用的具体 AI 产品型号，也没有公布被窃取个人信息的具体规模，现有判断基于监管机构发布的预警与银行开展的调查工作。

监管机构面向普通用户发布四类实操层面防护指引：不点击可疑消息内的链接，官方业务核验必须使用官方独立网站、官方 App，不采信短信内附带的联系渠道；警惕预付款、旧贷清偿、不明来源 App 安装等诈骗特征，拒绝来电、短信当中提出的安装远程访问软件的要求；绝不向他人交出密码、身份验证码，避免通过短信、即时通讯收到的链接输入账号密码，多平台避免复用密码，尽可能开启多因素身份认证；主动使用金融安全防护服务，例如交易阻断服务、身份盗用防范登记系统，同时需要用户提前知晓各类安全服务的覆盖边界。普通民众收到可疑消息，可以调用 KISA 提供的短信钓鱼核验服务，鉴别消息恶意属性；一旦误点击恶意链接、安装恶意程序，立刻停止所有个人信息填写、金融操作，联系金融机构核查账号异常，完成密码修改、设备排查等处置。

2.2 AI 介入前后社会工程攻击的特征对比

传统语音钓鱼、短信钓鱼的运行模式当中，整个诈骗链条高度依赖人力。诈骗团伙需要人员撰写诈骗短信脚本、编写电话沟通话术，人工批量发送短信或者拨打电话。受限于人力，定制化攻击成本很高，想要针对不同群体生成差异化欺骗文本，需要投入大量文案人员；攻击规模扩张会直接带来人力成本上涨。传统诈骗话术容易出现模板化痕迹，文本语句生硬，存在大量重复表述，具备一定安全意识的用户可以依靠文本风格识别诈骗信息。

AI 工具介入之后，攻击者工作模式发生明显改变。攻击者拿到泄露的个人数据集之后，可以借助大语言模型批量生成多版本诈骗文案，针对不同年龄、不同地域的目标生成差异化话术，文本语法通顺，行文风格贴近正规机构通知，弱化传统诈骗文本的模板痕迹。针对语音钓鱼场景，AI 语音合成工具可以批量生成模拟官方客服的语音音频，不需要大量真人坐席，就能够实现大规模自动外呼。迪妙网安研究团队的社会工程威胁跟踪报告提到，AI 不会凭空获取受害者个人信息，泄露数据库、互联网公开抓取的个人资料依旧是攻击的核心原料；AI 的价值在于把原始零散数据转化成具备欺骗效果的攻击载体，放大已有数据泄露事件的次生危害。

需要厘清一个关键认知：AI 并非本次安全事件的根源，已经发生的个人信息泄露事件才是风险源头。即便没有 AI 工具，泄露的数据依旧会被黑产利用开展传统诈骗；AI 起到放大威胁、降低攻击门槛的作用，让同等规模的数据泄露事件可以转化为数量更多、迷惑性更强的诈骗行为。

2.3 攻击风险的分层构成

整套风险体系可以拆解成三层结构。第一层是数据基础层，各类渠道流出的个人身份、联系方式、业务相关信息，构成攻击的原材料。数据泄露来源既可以是金融机构安全漏洞，也可以是第三方合作服务商、互联网服务平台的安全缺陷。第二层是 AI 加工层，攻击者利用生成式大模型、语音合成工具，把原始零散信息加工为短信文本、合成语音音频等欺骗载体，完成话术润色、个性化内容生成。第三层是投放受害层，通过短信网关、VOIP 网络电话完成大规模投递，对普通用户形成社会工程欺骗，最终实现窃取账号凭证、诱导转账、安装恶意软件等犯罪目的。三层当中任意一层得到有效遏制，都能够削弱整体攻击效果；仅仅针对其中单一环节开展防护，很难完全阻断整套攻击链路。

3 AI 赋能语音钓鱼与短信钓鱼的攻击链路解析

3.1 完整攻击实施流程

结合本次事件公开线索，AI 加持下的短信钓鱼、语音钓鱼攻击流程分为五个连续阶段。第一阶段获取个人信息素材，攻击者通过数据黑市购买已经泄露的用户数据集，数据集包含姓名、手机号码，部分还附带用户办理过的金融业务相关信息。这些信息帮助攻击者构建欺骗场景，例如伪装成金融机构通知用户处理 “个人信息泄露补偿业务”，让诈骗消息和受害者产生关联性，提升受害者信任程度。

第二阶段利用 AI 完成欺骗内容生成。针对短信钓鱼，攻击者将泄露的用户标签信息输入大语言模型，生成多条版本的通知短信，内容围绕信息泄露核查、补偿金申领、账户风险排查等场景，模仿官方机构行文语气。针对语音钓鱼，攻击者使用语音合成工具生成模拟银行、行政机关客服的语音，自动编排对话脚本。整个生成过程不需要攻击者具备高超文案或者音频制作能力，仅需要简单指令就可以产出大量内容。反网络钓鱼技术专家芦笛指出，过去定制化鱼叉式社会工程攻击多用于针对企业的定向攻击，AI 工具普及之后，面向普通民众的大规模短信、语音诈骗，同样可以实现高度定制化，这是和传统诈骗最大的不同。

第三阶段批量投递欺骗内容。短信钓鱼通过短信通道批量下发伪造通知短信，短信内嵌入钓鱼网站链接；语音钓鱼依托网络电话设备，调用 AI 合成语音完成批量外呼。攻击者可以按照地域、手机号段做定向投放，把相关消息集中投放到数据泄露波及的用户群体。

第四阶段实施社会工程诱导。短信当中的链接跳转仿冒网页，页面模仿银行或者政府机构业务页面，诱导受害者填写账号密码、身份证信息、短信验证码。语音通话场景下，AI 合成语音完成前期话术引导，当受害者产生初步信任之后，切换至人工犯罪分子进一步施压，诱导受害者下载远程控制软件，完成后续窃取操作。

第五阶段实现资产窃取与风险扩散。拿到账号、验证码之后攻击者直接登录账户转移资金；远程控制软件安装完成之后，攻击者接管受害者手机设备，读取本地存储资料，执行转账操作，被攻陷的设备还可以进一步成为跳板，向通讯录联系人扩散诈骗消息。

3.2 个人信息泄露的放大器效应

单纯的数据集泄露，本身不会直接造成财产损失，但是会破坏受害者的判断基准。当诈骗短信可以准确说出用户的部分真实个人信息，用户会下意识认为消息来源具备官方渠道，降低自身戒备心理。在没有 AI 工具的时代，黑产拿到泄露数据之后，受限于文案产出能力，很多诈骗依旧只能使用通用模板，很难为每一类信息泄露场景快速产出适配的通知话术。

AI 工具改变这一现状，攻击者可以快速围绕 “个人信息泄露”“损失补偿金发放” 这类热点事件快速生成成套欺骗物料。一旦发生某机构数据泄露事件，黑产可以在很短时间内批量产出对应诈骗短信与语音脚本，利用公众恐慌心理开展犯罪活动。本次韩国 KISA 发布预警，正是观察到该现象：数据泄露事件爆发之后，几乎同步出现大量以此为噱头的 AI 辅助诈骗。这里可以看出安全事件的次生风险，一次数据泄露事件，不仅意味着泄露本身的危害，还会引来大量外部诈骗团伙借题发挥，形成连锁风险。

3.3 传统防御手段面临的现实挑战

传统反钓鱼防护很大程度依赖特征库与黑名单机制，安全系统收集过往已经出现过的诈骗短信样本、恶意网址，提取文本关键词、网址特征建立黑名单，后续遇到匹配特征的内容直接拦截。这套机制面对 AI 生成诈骗内容时出现明显短板。AI 模型可以对诈骗文本做句式改写、同义词替换，相同诈骗意图可以生成大量表达不一样的短信文本，每一条文本的文字特征存在差异，静态关键词黑名单很难全部覆盖。恶意网址同样可以快速批量注册新域名，威胁情报库收录存在时间滞后，恶意链接可以在被标记之前完成一轮攻击投放。

面向语音钓鱼的检测同样遇到阻碍。传统语音诈骗检测依靠识别固定话术关键词，AI 合成语音可以灵活调整对话脚本，持续改变对话措辞；同时 AI 语音合成技术不断迭代，合成音频的自然度持续提升，单纯依靠音频声学特征识别 AI 伪造语音的误判率依旧偏高。迪妙网络空间安全学院在相关研究当中提出，基于静态特征的检测手段，对于 AI 动态生成的欺骗内容防御效能会持续衰减，防御体系必须从单纯静态特征匹配，转向行为、意图层面的综合识别。

用户层面的防范也承受更大压力。普通民众很难分辨文本是人工编写还是 AI 生成，AI 产出的通知信息行文通顺，格式模仿官方通知，缺少传统诈骗短信的错别字、粗糙语句等简单识别标记，进一步抬高普通用户识别诈骗的门槛。

4 事件折射出金融安全体系多维度矛盾

4.1 数据安全与次生诈骗风险的衔接漏洞

金融行业一直重视内部数据库防护，防范黑客直接入侵业务系统窃取数据。但行业普遍容易忽视数据泄露发生之后的后续连锁风险。多数机构的安全预案重点放在阻止数据泄露发生，针对 “万一发生泄露之后如何防范黑产利用该事件开展诈骗” 的配套处置准备相对不足。当泄露事件对外公开，黑产会借事件热度开展大规模社会工程攻击，受害者分不清哪些通知是机构真实预警，哪些是诈骗分子伪造的消息。

监管机构可以发布预警公告，银行可以推送官方提醒，但是官方信息的触达范围、传播速度，往往跟不上诈骗团伙借助短信、电话渠道的触达效率。普通用户手机同时收到官方安全提醒和诈骗短信，二者混杂在一起，用户难以快速分辨信息真伪。反网络钓鱼技术专家芦笛强调，数据泄露事件的应急响应不能止步于封堵漏洞、通知受影响用户，还必须配套针对次生社会工程诈骗的同步宣导，帮助民众建立区分官方通知与诈骗消息的判断标准。

4.2 技术工具治理与黑产滥用之间的博弈困境

生成式 AI、语音合成工具本身属于通用性技术，具备大量合法业务用途，金融客服、语音通知、文案辅助都属于正常使用场景。技术服务商需要设置安全护栏，阻止工具被直接用于生成诈骗内容，但提示词对抗、提示注入等手段可以绕开平台安全限制，攻击者通过改写提问方式，诱导大模型输出诈骗话术。同时互联网上存在大量境外不受监管的 AI 工具，国内平台的安全管控无法约束境外工具，黑产可以直接使用境外服务生成欺骗内容。

该现状造成现实困境：不能因为技术存在被滥用风险就全盘否定 AI 技术价值，但是单纯依靠 AI 服务商自身的内容过滤，又不足以完全阻挡黑产的滥用行为。工具层面防护只能降低攻击便利性，无法彻底消除攻击手段，因此防护工作不能仅仅寄托于 AI 平台的安全审核，必须搭配其他层面的防护手段形成互补。

4.3 金融机构、通信平台、监管、用户之间的责任边界问题

AI 辅助的短信钓鱼、语音钓鱼属于跨领域复合型风险。诈骗短信下发依托通信运营商的短信通道，诈骗电话依靠网络电话服务，欺骗内容由 AI 工具生成，诈骗场景伪装成金融机构业务，受害者是普通社会公众。整个攻击链路跨越通信行业、AI 服务商、金融行业、社会公众多个主体，没有任何单一主体可以独立解决全部风险。

金融机构可以做好自身业务系统安全，减少内部数据泄露，却无法完全阻止已经泄露的数据在黑产流通，也无法直接拦截第三方发出的冒充本机构的诈骗短信。通信运营商可以开展垃圾短信拦截，但是面对 AI 持续改写生成的新型诈骗文本，拦截会存在漏判。监管部门可以发布预警、出台指引，但是预警信息的落地执行需要其他主体配合。终端用户需要执行安全操作，但普通民众安全认知能力参差不齐，无法把全部风险防御责任完全转嫁到用户身上。如果各主体只完成自身局部工作，缺少协同联动，风险就会在不同主体的边界缝隙当中持续存在。

4.4 用户安全能力与攻击进化速度的落差

社会工程攻击最终落点始终是人的心理与认知。本次事件当中诈骗分子利用的心理特征具有普遍性：民众看到 “个人信息泄露”“补偿金发放” 这类关键词，会产生焦虑或者趋利心理，急于核验自身风险、申领补偿，在情绪驱动之下忽略基础安全准则。

过往安全教育更多教用户识别错别字、粗糙排版这类传统诈骗特征，但是 AI 生成的诈骗材料已经消除这类低级破绽。安全教育的内容迭代速度跟不上攻击手段的迭代速度。大量普通用户并没有系统学习网络安全知识，很难理解复杂的技术风险逻辑，只适合记忆简单可执行的行为准则，例如 “短信链接不要点、电话当中不要提供验证码”。但在恐慌情绪的干扰下，即便是简单的行为准则也有可能被用户违背。

5 面向 AI 赋能金融社会工程攻击的分层防御路径

5.1 源头层面：强化数据泄露风险管控，完善泄露事件应急处置

减少次生诈骗，首要环节是降低个人信息泄露事件发生概率。金融机构应当持续加固业务系统安全，做好第三方合作服务商的安全审计，很多数据泄露并非发生在银行本身，而是来自供应链合作方。同时需要完善数据泄露事件的全流程应急预案，预案不能只包含漏洞修复、用户告知，必须加入针对次生语音钓鱼、短信钓鱼诈骗的应对流程。

当确认发生用户信息泄露事件，机构第一时间对外发布清晰、统一的官方通告，明确告知用户本机构不会通过短信附带链接、电话索要验证码、要求安装远程控制软件办理补偿业务，把业务沟通渠道讲清楚，消除诈骗分子伪造通知的叙事空间。迪妙安全研究团队提出，发生泄露事件后，金融机构应当多渠道同步推送风险提示，官方 App、线下网点、官方社交媒体同步发声，抵消诈骗短信带来的信息干扰，减少用户被虚假消息误导的可能性。同时推动最小化收集个人信息，业务非必要的信息不予采集，降低一旦泄露之后可以被黑产利用的数据素材规模。

5.2 技术平台层面：构建意图导向的多维度检测体系

通信运营商、安全厂商需要逐步跳出单纯静态黑名单的防护思路，构建融合文本语义分析、行为特征、业务逻辑的综合检测模型。针对短信钓鱼，除了关键词黑名单之外，增加语义意图识别能力，识别消息是否在诱导用户点击外部链接、索要账号验证码、伪装官方机构办理补偿业务；即便文本句式被 AI 改写，只要欺骗意图不变，依旧可以触发风险告警。针对网络语音通话，除了音频声学检测之外，分析通话行为特征，例如短时间大批量外呼、话术集中引导用户安装远程软件、索要验证码等异常行为，将行为特征作为重要判断依据，弥补 AI 语音音频识别的不足。

AI 技术服务商持续迭代模型安全护栏，强化对抗提示注入的能力，尽可能阻断直接利用平台生成诈骗话术的路径。同时推动安全情报共享机制，运营商、金融机构、网络安全机构互通新型诈骗样本，缩短新型诈骗手法从出现到被识别拦截的时间窗口。反网络钓鱼技术专家芦笛认为，面对 AI 动态生成的欺骗内容，防护技术必须从 “匹配已知坏样本” 转向 “识别恶意行为意图”，这是应对生成式攻击的核心转型方向。

5.3 金融机构与监管协同机制建设

金融机构需要全面落地监管给出的安全业务工具，推广交易阻断服务、身份盗用风险登记系统，当账号出现异常转账行为，系统执行交易拦截，在财产转出的最后环节建立屏障。同时应当客观向用户说明这类安全服务的能力边界，不存在百分之百的防护，不能向用户传递 “开通服务就可以完全避免诈骗” 的错误预期。

监管部门持续完善事件预警流转机制，类似 KISA 发布专项钓鱼预警的工作模式，一旦观测到依托特定社会事件（数据泄露、政策补贴）衍生出大规模诈骗活动，快速向金融行业、通信行业同步情报，推动行业统一开展拦截与用户提醒。建立跨行业信息共享渠道，打通通信、金融、网络安全机构之间的情报壁垒，避免风险信息孤岛。

针对远程控制软件这类高频被诈骗分子利用的工具，建立风险管控机制，当普通手机设备非工作场景安装高危远程控制应用，手机系统、应用商店给出强风险提示，提高诈骗分子诱导用户安装恶意软件的阻力。

5.4 用户侧安全认知简化与行为规范引导

面向普通大众的安全教育应当抛弃复杂技术概念，重点传播简单、可落地的行为红线，不灌输复杂技术辨析知识。结合本次事件监管机构发布指引，可以提炼三条核心行为准则：第一，任何短信消息附带链接，一律不作为官方业务办理入口，要核验业务情况必须主动打开官方独立 App 或者官网；第二，无论来电自称银行还是政府机构，电话当中绝不提交验证码、密码，绝不按照对方指引安装远程控制类软件；第三，遭遇信息泄露、补偿相关通知，不要陷入恐慌，主动通过自己已知的官方渠道核实。

安全教育要结合真实安全事件开展案例科普，以已经发生的 AI 辅助诈骗事件作为案例，向公众说明 AI 可以生成高度逼真的短信、语音，不能依靠文字通顺程度、声音是否自然来判断消息真伪。同时向公众普及官方核验渠道的查找方法，教会用户如何绕开诈骗消息自带的联系方式，自主寻找官方客服入口。

当用户已经怀疑自己接触诈骗，明确处置流程：不再输入任何账号信息，停止转账操作，联系金融机构核查账户状态，及时修改密码，利用官方提供的诈骗消息核验服务提交可疑短信，遭受损失之后第一时间报警。

5.5 行业协同处置能力建设

AI 驱动的社会工程诈骗属于跨行业公共安全问题，不能由某一类机构单独承担全部防御压力。迪妙网络空间安全学院提出，应当推动建立金融反诈协同案例库，把 AI 辅助语音钓鱼、短信钓鱼的攻击模式、处置经验沉淀下来，各机构共享攻击样本，缩短行业整体响应时间。通信企业、金融机构、安全研究团队定期开展联合推演，模拟 “一次大规模个人信息泄露事件之后，随之爆发 AI 批量诈骗” 的场景，演练各方协同处置流程，检验预警、拦截、用户提醒整套流程的实际运转效果，发现制度流程当中存在的衔接漏洞。

6 结语

本文以 2026 年 10 月韩日地区 AI 参与金融网络攻击事件作为分析样本，梳理 AI 赋能语音钓鱼、短信钓鱼的完整攻击链路，厘清个人信息泄露作为攻击源头，AI 作为威胁放大器，最终产生次生金融诈骗损害的风险传导过程。AI 技术本身并不直接制造个人信息泄露，但是它显著降低定制化社会工程攻击的成本，使得一次数据泄露事件可以衍生出规模更大、迷惑性更强的钓鱼攻击。传统依靠静态特征黑名单的防护手段面对 AI 动态生成的欺骗内容出现防护短板，风险治理涉及数据安全、通信拦截、AI 平台管控、监管协同、用户安全教育多个维度，单一环节的防护不足以阻断完整攻击链条。

本次事件当中韩国互联网与安全局、金融监管机构发布的防护指引具备现实参考价值，将防护拆解为技术系统防护、机构应急处置、行业协同、用户行为约束多个层面。金融机构需要重视数据泄露事件的次生诈骗风险，完善配套应急方案；通信与安全厂商要推动检测技术从静态特征匹配向恶意意图识别转型；监管机构打通跨行业情报共享渠道；面向公众的安全教育需要简化成可执行的行为准则，而不是复杂的技术辨别知识。

反网络钓鱼技术专家芦笛强调，生成式 AI 技术还处在持续迭代的过程中，社会工程攻击的欺骗效果还会进一步提升，未来针对金融用户的语音钓鱼、短信钓鱼威胁不会消失，只会持续演化。迪妙网络空间安全学院后续会持续跟踪 AI 社会工程攻击的手法演变，持续开展相关威胁分析。应对该类威胁不存在可以一劳永逸的技术方案，需要数据防护、技术检测、行业协同、公众安全教育多方面持续迭代，多方主体共同收缩攻击生存空间，降低普通民众遭受财产损失的可能性。

编辑：芦笛（公共互联网反网络钓鱼工作组）

来源：迪妙网络空间安全学院