澳大利亚初创公司Apate派出35万个AI智能体，主动与骗子对话并套取银行账户。数据显示其已与诈骗分子全自动对话超900万次，累计消耗骗子17年时间，被网友戏称“缅北最严厉的父亲”。

传统的反诈模式通常只有两个环节：识别诈骗号码，然后拦截。而2022年初，卡法尔在大学实验室里孵化出的人工智能反诈公司所采用的方式与目前的反诈模式截然不同，他们选择派出一支由35万个AI智能体组成的“完美受害者”大军，主动迎向骗子的火力网。公司被命名为Apate（阿帕忒），取自古希腊神话中的欺骗女神。

浪费骗子的时间，他们是怎么做到的？

这家澳大利亚初创公司部署了数千个AI代理，将其伪装成受害者。这些代理能够接听诈骗电话、回复可疑信息和邮件、点击钓鱼链接，甚至加入社交媒体群组，以此与诈骗分子周旋。

他们的大量工作基于博弈论和斯塔克尔伯格方程（即主从博弈模型），并对智能体参与的每场对话做阶段建模：骗子在哪一步抛出诱饵、在哪一步催促打款，系统都会标记，再强化学习，智能体把对话推进到哪个阶段给予奖励或惩罚。

据报道，这些代理会模拟不同年龄、性别、口音和语言的身份，设法让诈骗分子持续与之互动，从而获取有价值信息。它们不仅能消耗诈骗犯的时间，甚至还能套出对方的银行账户等关键信息。

如何降低智能体的“ai味”进行“反杀”？

为了让骗子相信自己面对的是真人，Apate用了数百小时真人与诈骗者之间的对话录音来训练模型，教AI识别常见的诈骗话术，学习人们面对这些话术时通常会如何回应。

AI不仅有不同的口音、口头禅和说话习惯，还会在对话中加入停顿、犹豫和语气词。这些AI各有各的脾气，有的反应慢半拍，有的喜欢刨根问底，还有的看起来对网络和手机操作一窍不通。

它们会根据不同的诈骗场景，扮演不同的潜在受害者。比如骗子冒充的电信技术支持人员，要求对方在电脑上进行操作，AI就会假装自己不太明白骗子的意思，让骗子反复进行解释；如果骗子急着让目标对象提供银行卡信息，AI就会选择性拖延，表现得既着急又不会操作。

对骗子来说，这类人看起来虽然有点麻烦，却仍然是有可能得手的目标。毕竟，打电话的人已经投入了时间，好不容易让对方愿意配合，哪会因为一点小波折就轻易放弃？

这也带来了Apate最不寻常的一个内部指标：公司会专门统计骗子对AI爆粗口的次数。创始人卡法尔开玩笑说，他们大概是世界上少数会把别人对自家产品爆粗口，当成KPI的公司，而目前有记录的爆粗口次数已经超过1000万次了。虽然骂人次数并不能直接代表反诈效果，但至少能说明，这些AI有时确实把骗子拖进了他们根本不想参与的对话里。

真正落地还需要多久？

不过，从初步的跨国商务接洽、跨境黑产情报互通到真正落地，中间还隔着鸿沟。

Apate现阶段只面向产业链最上游，买单方主要是银行、电信运营商、科技巨头和政府机构，Apate联合创始人艾克曼认为，这门生意“很大程度上是由当地的监管政策直接驱动的”。 

武汉大学法学院副教授敬力嘉是国内较早系统研究跨境电信网络诈骗产业链的学者，近年来调研了多个省份的公安机关和司法部门，也走访过多家大型互联网平台和金融机构的反诈合规团队。

在他看来，“反诈疲劳”正在浮现。一方面，对于银行等金融机构，反诈义务的落地最终演变为不断在现有管理渠道上加码。最典型的表现，便是近年来屡屡引发公众热议的商业银行“一刀切”降低非柜面转账限额、大面积触发风控断卡，储户不得不排队去柜台自证资金用途。另一方面，互联网平台和金融机构承担的是兜底的配合角色，责任之外，正向激励不足。

“由于责任边界不清，互联网平台与金融机构不履行责任而应承担的赔偿责任或处罚缺乏具体的落地标准，导致大量反诈资源被投入在能见度最高而难度较低的常规业务风控，形成对社会经济正常活动空间的不必要挤压，而未能投入真正的深水区，这是缺乏反诈质效评价标准背景下的资源错配。”他强调。

敬力嘉在调研中还发现，国内同样存在一批技术能力极强的第三方网络安全机构，长期协助公安机关进行黑产监测与跨境取证。“他们可能是离犯罪一线最近、最了解骗子最新形态的人，但同样困在激励机制里。”因为商业机构无权将高质量反诈数据进行商业化流通变现。

跨机构与跨国界的制度壁垒是Apate这类AI反诈公司在扩张中必须直面的难题。“写代码和工程实现是相对容易的那一半，真正难的是治理，即建立起那套能让不同公司、不同司法管辖区合法共享威胁信号的法律框架、信任机制与商业意愿。”艾克曼向《中国新闻周刊》坦言。

（羊城晚报·羊城派综合自红星新闻、新周刊、vista看天下）