AI 拦截马斯克深度伪造:Coinbase 守住 470 万美元
核心要点
Coinbase AI系统成功拦截利用马斯克深度伪造图像进行的特斯拉加密货币赠送诈骗,涉及金额约 470 万美元,拦截率达 91%,凸显社会工程学攻击新威胁。
据 Woofun AI 消息, 人工智能防御体系在周二披露的最新消费者保护报告中,成功拦截了约 470 万美元的异常资金流出,这些资金原本正流向利用 深度伪造图像策划的虚假特斯拉加密货币赠送活动。此次拦截行动展现了高达 91% 的阻断效率,标志着平台在应对高仿真社会工程学攻击方面取得了关键性突破,有效防止了大规模客户资产损失。
此次诈骗事件正值特斯拉展示其备受瞩目的'飞行汽车'功能期间,诈骗分子精准利用了这一热点话题。他们构建了一个极具迷惑性的 YouTube 直播场景,画面中不仅出现了逼真的 Elon Musk 深度伪造形象,还实时展示了用于接收资金的钱包地址及二维码。据 Coinbase 披露,该虚假直播承诺将用户发送的任何加密货币金额翻倍,吸引了超过 50 万人观看。在短短两个小时的时间窗口内,数百名 Coinbase 用户——其中许多是长期忠实用户——试图将总计约 520 万美元的资金转至屏幕显示的地址。
Woofun AI 整理数据显示,其中约 46 万美元保留在账户中,剩余部分被 AI 系统成功拦截,最终仅有极少量资金可能落入诈骗分子手中,但 Coinbase 未透露确切流失金额。
值得注意的是,Coinbase 强调其平台本身未遭入侵,'没有人的账户被黑客攻击,没有密码被盗,也没有发生凭证钓鱼攻击'。这种'赠送式'诈骗之所以难以防范,核心在于它绕过了传统的账户安全防御机制,因为大多数风控系统旨在识别未授权操作,而在此案中,是客户本人登录并主动确认了转账指令。正如 Coinbase 所言,'我们的系统能够实时识别风险信号,但无法察觉用户的意图交易',这揭示了当前安全架构在应对自愿性欺诈时的局限性。
为应对此类挑战,Coinbase 部署了一套由三部分组成的综合防御体系。首先,机器学习模型会对用户的转账行为进行实时评分,重点监测是否存在赠送式诈骗模式、品牌冒充行为以及新创建的钱包地址等异常特征,其目标是'及时发现危险,而非针对客户本身'。一旦某笔转账被标记为可疑,专门的诈骗识别系统便会介入,深入分析相关背景信息,确定诈骗类型,并向用户解释赠送式诈骗的运作逻辑,通过提问来揭露骗局真相。在向用户展示回复内容之前,系统会先对回复的可靠性进行评估,以判断是否需要采取进一步的干预措施。
Coinbase 指出,该识别系统此前并未接受过针对此类特定诈骗的训练,因为其数据集中缺乏与产品发布会相关的深度伪造赠送诈骗案例。'不过它依然能够识别出这种诈骗的套路,'该公司解释道,理由是该骗局具备承诺加倍返还资金、设定实时活动截止时间以及转账后无法撤销等典型特征。深度伪造技术的普及彻底改变了此类诈骗的成本结构。Coinbase 表示,过去策划类似活动需要'一支团队、一个摄影棚以及数周的时间',而现在仅需'一个直播时隙和一个机器学习模型'即可。
与此同时,Coinbase 正在利用人工智能审查各类高风险转账行为,并对新的诈骗案例进行分类,使模型能在几小时内而非几周内从攻击案例中学习经验。社会工程学攻击一直是 Coinbase 用户面临的持续性威胁。2026 年 9 月,一名布鲁克林男子因参与一起涉及 1600 万美元的 Coinbase 钓鱼攻击案而被判 12 年监禁。本周,硬件钱包制造商 的部分用户也报告了诈骗电话,原因是其物流合作伙伴的数据库泄露,导致 27,000 份订单信息被曝光。就在同一天,Coinbase 推出了专为比特币、股票及衍生品交易设计的 ChatGPT 插件,该插件要求用户对每一笔交易进行确认,进一步强化了交易前的验证环节。

评论
暂无评论