在今年的3·15上，果不其然AI被點名了。拋去屬于“質量問題”的虛假智能產品以外，更引人關注還要數(shù)“智能騷擾電話”。相關報道提到，一些所謂的“大數(shù)據(jù)企業(yè)”通過WiFi探針識別到連接無限網絡的手機。然后，在用戶完全不知情的情況下獲取用戶的私人MAC信息，再將MAC轉換為手機號碼，與大數(shù)據(jù)相互“匹配”，再利用仿真人的AI機器人進行外呼。

這其中，AI參與的環(huán)節(jié)其實只有最后的外呼一步。其原理和智能語音客服沒有差別，都是通過語音生成技術替代人力，實現(xiàn)廣泛的高效騷擾。

被曝光后，很多人開始討論起AI的倫理問題、AI的負面效應等等。

可我們只想說一句：這才哪兒到哪兒啊!

AI技術有幾個顯著的特點，比如足以替代人類的超高識別效率，又比如對于圖像、聲音強大的模仿能力和生成能力，加上日益提升的理解能力。這一切足以讓AI成為“天生的騙子”，這一次3·15所揭露出的，僅僅是冰山一角而已。

砍平門檻：AI如何讓我們的世界門戶大開?

今天，我們就可以從AI的幾項能力上來看看，那些已經出現(xiàn)在我們身邊，已經即將到來的AI行騙方式。

首先是高效的識別能力。

利用機器識別出一段語音、一張圖片或是一張面孔，本來與行騙一事關聯(lián)不大。但這種能力破解的是一種以效率增加行騙作惡成本的保護機制。

就拿發(fā)騷擾郵件、騷擾短信這件事來說，當同一個IP的行為太過頻繁時，驗證碼機制的加入可以拖緩發(fā)送效率，讓行騙者無法使用腳本進行自動發(fā)送。

而AI圖像識別的出現(xiàn)，就徹底破壞了這一機制。在2017年曝光過的“1·03”網絡“黑產”系列專案中，黑客就是用AI的圖像識別能力識別圖片驗證碼，識別正確率高達95%以上。在此平臺被打掉的前3個月，已經提供驗證碼識別服務259億次。

如此一來，行騙成本和難易程度都被大大降低，為后續(xù)的行為創(chuàng)造了極大的空間。

信任崩塌：當AI可以制造幻覺

在踩進門檻之后，AI的學習能力便成為了最大的威脅。當眼見不能為實，耳聽也可能為虛時，我們原本能夠應用上的驗證方法便會立即失效。

這其中有最臭名昭著的AI換臉：去年曾經有開發(fā)者在社區(qū)中分享自己利用深度神經網絡將影片中女主角臉部替換的過程，只需要在視頻網站上找到替換對象各個角度的照片和視頻，進行數(shù)據(jù)標注，再利用TensorFlow上模型對原視頻女主的表情、口型進行學習，就可以在數(shù)據(jù)庫中找到對應的圖像和視頻進行替換。

前幾天驚艷四座的“楊冪換臉朱茵版黃蓉”，也應用的是類似的技術。這便意味著，也許很快在我們接到視頻電話時，連對方熟悉的相貌都不能相信。

也許大家會覺得，雖然AI能夠攻破內容，但視頻、電話等等整個溝通過程還是相對安全的。可實際上，通過對語音的模仿在微信上進行詐騙的事件已經開始發(fā)生在我們身邊。

去年的燕趙都市報曾經報道過一樁案件，一位女士在微信上接到父親的微信消息，稱需要借款，該女士要求父親發(fā)送語音驗證，結果自己聽到的卻是犯罪分子通過語音生成技術模仿的聲音。

而且語音模仿的門檻要比圖像模仿的門檻低很多，就拿科大訊飛曾在2018年展示過的聲紋技術識別來說，只需要一分鐘的語料，就能夠惟妙惟肖的模仿出對方的聲音。

　　超能力之外：AI行騙的三個恐怖趨勢

AI在行騙這件事上，擁有的不僅僅是識別、模仿、生成這些能力天賦。更多的是簇生了很多令人膽寒的趨勢。

趨勢一：AI技術的易得性

上訴所提到的人臉替換、聲音模仿甚至圖像驗證碼識別，因為這些技術本身是中立并且相對基礎的，所以獲取這些技術的途徑很多。很多技術代碼甚至被公開在開發(fā)者社區(qū)中，或者在開發(fā)平臺上就能找到免費API接口。

這便意味著，行騙者的技術升級將越來越容易、成本越來越低。

趨勢二：自我保護的困難性

以往面對很多詐騙方法時，我們是可以進行自我保護的，例如不亂連接公用WiFi，或是在丟棄快遞包裹時涂黑自己的電話地址。但AI技術的一個特性就是，我們在互聯(lián)網上隨便遺留點什么，都能被犯罪分子利用。幾句音頻可能會讓AI合成自己的聲音去向親友借錢，幾張照片和視頻可能會被人臉替換到其他視頻上進行勒索，甚至就連聊天記錄和朋友圈都可能成為AI的訓練數(shù)據(jù)，用來模仿我們的說話語氣。

防無可防，是AI行騙最令人無奈的一點。

趨勢三：AI效率的無限可能

但更令人擔心的，應該還是AI的超高效率。在過去犯罪分子之間似乎還存有一定的“封閉性”，各自掌握的犯罪方法只在內部小范圍傳播，也意味著受害者的范圍是有限的。但AI的高效特性，意味著騙術的受害范圍將不再受行騙者自身人力所限。

就拿上文提到的圖像識別破解驗證碼來說，幾百億次的驗證碼破解，幾乎可以突破行業(yè)記錄。也同樣是這一組織，利用智能對話功能模擬了無數(shù)女性，通過聊天來誘導異性為自己發(fā)送紅包來獲利。這種過去可能要一個人負責十個微信號的騙術，如今在效率上可以實現(xiàn)N次方。

我們可以想象，在今天在某一領域出現(xiàn)了什么漏洞，AI騙術很可能快速鉆空子，造成極大范圍的損失。

　　AI的張良計與過墻梯

不過在詐騙這件事上，永遠都是你有你的張良計，我有我的過墻梯。AI技術除了在被動的被行騙者利用以外，更多的時候是在主動行動，改變現(xiàn)狀。

例如AI可以利用無監(jiān)督學習能力，無需數(shù)據(jù)標注就可以進行工作，恰好可以應對行騙者不斷改頭換面逃避識別的心態(tài)，在海量數(shù)據(jù)中迅速挖掘，將IP地址、賬戶行為模式等等數(shù)據(jù)維度進行關聯(lián)，識別出可疑行為。騰訊就曾經利用類似的方式，建立了用來尋找并精準定位偽基站的“麒麟”系統(tǒng)。

而AI對于數(shù)據(jù)的廣泛應用，不僅僅可以用來挖掘普通人的蛛絲馬跡，也可以通過對公開數(shù)據(jù)進行挖掘并建立管理，來保護大眾遠離詐騙。英特爾就曾經推出過反商業(yè)欺詐平臺Saffron，通過對保險欺詐者以往與保險企業(yè)的對話、文書數(shù)據(jù)收集起來進行訓練，得出可以識別商業(yè)欺詐謊言的模型，幫助企業(yè)減少被欺詐的幾率。

至于AI對于聲音和圖像的生成能力，也證明了AI對于聲音和圖像更強大的識別能力。例如能在1分鐘內模仿他人聲音的科大訊飛，同樣也能聲紋精準識破語音模仿騙局。據(jù)稱這種技術已經應用到電話詐騙案件偵查上，效果顯著。而平安集團則發(fā)布過微表情識別模型，通過皺眉、張嘴、挑眉等等表情識別出54種情緒，來識別用戶在線上申請貸款時有沒有撒謊。數(shù)據(jù)顯示，目前在線上貸款業(yè)務上，微表情欺詐識別準確率已經達到了80%。

其實不論“張良計”還是“過墻梯”，都是技術發(fā)展的正反面。混亂無序與穩(wěn)定向好本來就是一體兩面，正因為有所沖撞，才能激發(fā)出更多能量，推動技術不斷向前滾動。

【來源：品途商業(yè)評論】