生成式人工智能助力网络钓鱼

长期以来，一个拼写错误或笨拙的措辞就足以揭穿一封钓鱼邮件。这一线索正在逐渐消失：生成式人工智能工具如今能够撰写无懈可击、个性化的消息，有时还附带可信的伪造文件。这在实际中改变了什么，以及为什么这会把分析工作从文本转移到基础设施上。

明显错误的逐渐消失

语言模型默认就能写出语法正确的文本（任何语言皆可），诈骗者无需特别费力。历史上的线索——蹩脚的机器翻译、奇怪的措辞、语法一致性错误——正变得越来越不可靠。这不是说这些信号在所有地方都已消失：粗制滥造的活动依然存在。但已不能再将其作为主要判断标准。

借助 OSINT 实现的个性化消息

OSINT（开源情报，Open Source Intelligence）指的是收集已公开的信息：一个显示职位和公司的领英资料、一份提及正在进行项目的新闻稿、一个揭示习惯的社交网络。结合生成式人工智能，这些信息可以用来撰写一条引用正确姓名、正确部门，有时甚至是真实同事姓名的消息——无需任何数据泄露，只需大规模自动化的公开搜索。

批量生产的伪造文件

发票、身份证件、银行对账单、合同：同样的工具能够生成视觉上令人信服的文件，并适配目标公司的视觉形象。与个性化邮件相结合，它们在不需要任何特殊图形技能的情况下，增强了整体的可信度。

活动的自动适应

除了最初的消息之外，一些工具还允许在活动进行过程中进行调整：重新措辞点击率低的消息、根据目标行业调整语气、生成变体以避免同一文本一旦被检测到就成为整个活动的特征标志。

为什么仅靠内容分析已变得不足

如果一条消息已没有错误、语气拿捏得恰到好处、伪造文件也令人信服，那么在文本中寻找线索就成了一场越来越不可靠的赌注。一个匆忙的读者，即使有所警觉，也完全可能在简单阅读时察觉不到任何异常。继续只依赖消息的风格来判断，恰恰是在诈骗者投入最多的地方放松了警惕。

而基础设施依然难以隐藏

人工智能可以生成完美的文本，但无法抹去独立于消息存在的技术痕迹：域名的真实注册时间、托管商的身份、发送服务器的 IP 地址，或邮件头的内容（参见如何拆解这些信息）。这些要素并不取决于消息的撰写质量：它们属于完全不同的层面，生成式人工智能无法操纵这一层面。

这更多是一种平衡的转移，而非全新的事物：对基础设施的技术分析一直以来都是最可靠的行动方式，即便在文笔拙劣的年代也是如此。它如今只是变得不可或缺，而在过去它只是一种良好的补充做法。

从可疑消息到举报

面对一条看起来写得太好而让人生疑的消息，需要问的问题不再是"措辞是否可疑？"，而是"这条消息究竟来自哪里，又指向何处？"：哪个 IP 发送了这封邮件，哪个域名承载着链接，谁能对此采取行动。正是从消息到基础设施再到举报的这条路径，是一份可操作举报的构成所涵盖的内容。

Baitback 正是基于这一原则：与其根据风格判断一条消息，工具直接分析其基础设施——邮件本身、邮件头、链接——以找出无论文本质量如何都能真正采取行动的人。