网络钓鱼:研究人员与攻击者之间的猫鼠游戏

更新于 2026年9月25日

世界各地的研究人员设计出能分析数百万封邮件的算法。然而,一封平平无奇、文笔流畅、在恰当时机到达的邮件,仍然可能骗到人。为什么有了这么多技术,一封简单的邮件依然奏效?一起走进这场永不停歇的赛跑。

悖论:我们会识别陷阱……为什么它们依然有效?

场景很简单。一封邮件到了,看起来来自银行、老板、朋友或某个知名服务。它写得无懈可击、可信度高,而且来得正是时候。既然算法能筛查数百万封邮件,这封是怎么漏网的?

部分答案在实际一线,远离实验室:

  • 研究人员使用尖端技术,但许多企业和政府机构只能将就着使用老旧的基础设施;
  • 有些邮件服务器只做了最低限度的配置;
  • 各种检测工具之间并不总是互联互通;
  • 最重要的是,必须有人去监控、更新和解读警报。没人看的工具,起不了多大保护作用。

“裸奔”的服务器:不读信的分拣中心

邮件服务器有点像邮局的分拣中心:它会收信、分拣,并转发到正确的地址。但如果没有额外的工具,它认不出一封藏着陷阱的信。它只负责让邮件流转,仅此而已。(邮件的完整旅程见指南一封电子邮件如何从发件人到达收件人。)

这些“分拣中心”名叫 Postfix、Sendmail 或 Exim。为了让它们更聪明,人们给它们配上专门的助手:

  • Amavis 扮演调度员:把每封邮件送去过一遍杀毒软件和反垃圾邮件过滤器;
  • SpamAssassin 或 Rspamd 根据数百条线索给邮件打一个可疑分数:内容、链接、发送服务器的信誉、SPF、DKIM 和 DMARC 的结果……

没有这些助手,也没有人去调校它们,服务器就一直处于“裸奔”状态:交给它什么,它就投递什么。

研究人员打造数字侦探

从问题转向解决方案。在实验室里,检测技术已经发生了很大变化:不再只是寻找违禁词。

插图:一封待检查的邮件连着三位侦探。拿放大镜的机器人,也就是读懂言外之意的 AI,在问为什么提这个要求、这是不是发件人惯常的风格。一位分析员看着显示凌晨 3:17 的时钟,对深夜来自陌生地点的转账感到奇怪。一个关在隔离区里的“小白鼠”机器人点击链接,看看它通向哪里、会不会下载东西、会不会索要密码。
图 1:检查邮件的三种互补方式:读文字、看习惯、在安全环境里测试链接。

1. AI 学会读懂言外之意

过去的问题是:“邮件里有没有钱这个字?”如今,借助自然语言处理(NLP)和人工智能,问题更像是侦探会问的:

  • 这个人为什么这样写?
  • 他为什么要求做这件事,而且偏偏是现在?
  • 这封邮件符合真正发件人的习惯吗?

检测器不再只看字词,而是看上下文:语气、紧迫感,以及与以往邮件是否一致。

2. 发现异常行为

某位员工从不发起转账请求。突然,凌晨 3:17,他的账户发出了一个紧急请求,登录地点还在地球另一端。只是个小故障……还是有人刚刚接管了这个账户?

这就是行为分析:系统先学习某个人或某项服务的“正常”状态,然后标记出偏离常态的情况。好处非常大:即使一封写得完美的邮件,也可能暴露出异常行为。

3. 让机器替我们点击

某个链接看起来完全正常?绝不能让人去冒这个险。由一台机器在隔离环境,也就是沙箱(sandbox)中打开它,并观察:

  • 经过所有跳转之后,它最终通向哪里?
  • 它加载了什么?
  • 它是否试图窃取登录凭据?
  • 它是否下载了可疑的东西?

攻击者当然也知道这一点:有些人会在陷阱页面前安排一个“门卫”,只让机器人看到无害的页面。这种伎俩在指南网络钓鱼:诈骗者如何让邮件成功送达中有详细解释。而 Baitback 会跟踪邮件中链接的跳转并显示每一步,让您无需点击就能看清它们真正通向哪里。

但攻击者明白了:有时只需“黑进”我们的大脑

悖论在于:机器越聪明,攻击就越“像人”。

过滤器很擅长发现可疑链接或带陷阱的附件。但要识别下面这种邮件就难多了:

小王你好,我是你们总监。我正在开会,
不方便打电话。你能在下午 4 点前
把这笔款转出去吗?很急,就靠你了。

这封邮件也许没有病毒、没有链接、没有错别字、没有可疑词语。但它可能造成巨大损失:这就是冒充老板诈骗(又称 CEO 诈骗)的原理。一切都建立在权威、紧迫和保密之上。从技术上看,没有任何东西像是攻击。

AI 对 AI……人对人

研究人员改进检测器,攻击者改进邮件。生成式 AI 更是帮了他们大忙:它能帮助写出更可信、更个性化、毫无错误、贴合每个目标的职业和语言的文字。

插图:一个四步循环,一只代表研究人员的猫在追一只戴面罩、代表攻击者的老鼠。研究人员打造检测器;已知的陷阱被拦截;攻击者改变手法;全新的陷阱漏网,于是被研究;然后循环重新开始。
图 2:猫鼠游戏。一方每前进一步,都会迫使另一方随之调整。

因此,研究必须回答一个越来越难的问题:如何识别一次看起来和真实邮件一模一样的攻击?研究思路是综合多种信号,而不是只看一种:文字、发件人的行为、服务器的信誉、链接的去向……以及用户的举报。

那我们能做什么?

检测器靠样本学习。每一封被举报的钓鱼邮件都是一份新样本:它帮助过滤器识别下一波攻击,也让关停发送它的服务器成为可能。举报不是徒劳之举,它是在“喂猫”。

这正是 Baitback 的初衷:粘贴可疑邮件,自动找出发送服务器及其托管商,只需几次点击,就能把一份清晰的举报发到正确的地方。

真正的问题也许并不在于电子邮件

归根结底,电子邮件只是一扇入口。在它背后,有算法、服务器、研究人员、攻击者……更重要的是人。这正是网络安全的特别之处:每当一项技术学会识别一种陷阱,就有人试图发明一种它还不认识的陷阱。

当诡计直接瞄准人时,后果可能相当惊人。指南一条简单的消息如何击倒巨头通过四个真实故事说明了这一点。

要点回顾
  • 邮件服务器本身只负责投递:它需要工具(杀毒、反垃圾邮件),也需要有人去监控这些工具。
  • 现代检测综合运用 AI 文本分析、行为分析,以及在沙箱中打开链接。
  • 最难检测的攻击有时既没有链接也没有病毒:它们押注的是权威和紧迫感。
  • AI 同时服务于双方:它帮助检测,也帮助写出更可信的邮件。
  • 每一次举报都能帮助过滤器学习,并可能促成发送服务器被关停。

收到可疑邮件了吗?

将其粘贴到 Baitback:工具会找出发送它的服务器及其托管服务商,并一步为您准备好举报内容。

分析邮件

全部指南