20 人团队融资 6000 万：AI 假扮受害者专坑骗子

据 Woofun AI 消息，一家仅有 20 名员工的澳大利亚 AI 公司 ，凭借独特的'反向诈骗'商业模式，于今年 8 月成功完成新一轮种子融资，总额达 815 万美元，折合人民币约 6000 万元。该公司核心策略并非被动防御，而是通过训练 AI 假扮易受骗的普通用户，主动接听诈骗电话、回复可疑短信甚至潜入诈骗群组，在与骗子的周旋中套取关键线索，从而协助银行及电信运营商提前阻断风险。

这种将 AI 作为'诱饵'的主动出击模式，标志着反诈技术从单纯的身份验证向情报收集领域的深度延伸。

Apate 的诞生源于创始人 的一次真实经历。作为麦考瑞大学的网络安全研究者，Kaafar 曾在家庭野餐时接到一通诈骗电话，为保护身边孩子免受干扰，他并未直接挂断，而是假装即将受骗，与对方周旋长达 44 分钟。

这一经历让他意识到，既然人类可以通过拖延战术牵制骗子，机器同样可以胜任。由此，大学研究项目演变为商业实体 Apate，其名称源自希腊神话中的欺骗女神，寓意以诈制诈。在技术实现上，Apate 为 AI 赋予了多样化的人物设定，如不熟悉智能手机操作的老人或急于处理事务的普通用户。面对骗子的催促，这些 AI 角色会反复确认操作步骤，以听不清、网络延迟或临时有事为由拖延时间，部分对话甚至持续两个小时以上。

目前，Apate 系统已部署约 35 万个 AI 机器人，它们不仅在电话中周旋，还活跃于论坛、投资群和社交平台，通过文字交流收集银行账户、加密货币钱包地址、钓鱼网址、假冒机构名称及具体话术等关键信息。这些线索被汇总后提供给客户，用于分析诈骗团伙的资金流向和操作模式。由于电话号码易于更换，而收款账户和网站往往具有持续性，提前获取这些信息为银行核查风险和电信公司排查活动提供了宝贵窗口。

尽管 AI 收集的信息需经有权机构核实才能转化为执法行动，但相比事后追赃，这种前置的情报获取显著增加了阻止损失的机会。

在商业落地方面，Apate 已展现出显著成效。澳大利亚电信公司 是其重要合作伙伴，通过自身系统识别可疑电话后，将部分来电转接给 Apate 的 AI 进行处理。

Woofun AI 整理数据显示，在早期试点阶段，TPG 累计转接超过 28 万通诈骗电话，成功拖住诈骗分子超过 100 天，识别出逾 2 万个被冒充的机构，诈骗流量识别准确率达到 98%。根据 GSMA 的估算方法，该试点避免的诈骗损失超过 760 万美元。截至今年 10 月，TPG 累计转接给 Apate 的电话已接近 59 万通，这一后续披露的累计数据反映了合作规模的持续扩大。

此外，也是 Apate 的客户，公司称该银行公开报告的诈骗损失较此前峰值下降了 76%。这些案例表明，AI 负责线索发现，客户负责核实与处置，双方协同形成了有效的反诈闭环。当 AI 从骗子口中套出可疑账户，银行可进一步排查相关交易；若电信公司发现大量电话冒充同一家银行，则可更新识别规则。

这种分工协作模式，使得反诈能力从单一环节的检测升级为全链条的防御。

纵观全球反诈技术市场，不同企业采取了差异化的技术路线。美国公司 成立于 2011 年，由长期研究电话身份验证的 创立，随着 AI 语音克隆技术的普及，Pindrop 将业务扩展至 AI 生成语音和深度伪造检测，帮助金融机构识别可疑通话。另一家美国公司 成立于 2021 年，专注于检测 AI 生成或篡改的音视频、图片等内容，例如判断伪造老板声音要求转账的可信度。