生成式 AI 降低詐騙量產門檻,防線須前移至交易與下架
Tech News

生成式 AI 降低詐騙量產門檻,防線須前移至交易與下架

圖片:TechLab
TechLab 編輯部·

全球防詐聯盟(GASA)與 Gogolook 發布的《2026 亞洲詐騙調查報告》估算,13 個受調查亞洲市場的年度詐騙財務損失合計達 1,365 億美元;71% 成年受訪者稱過去一年曾遇上詐騙。對一般用戶而言,風險不只在於可疑訊息增加,也在於假廣告、釣魚網站與冒充帳戶可能以更低成本快速複製,令辨識與處置的時間更短。

不過,這項數字是調查估算,不能直接當作各地實際報案總額。TechNews 科技新報 報道未交代樣本數、抽樣方式、財損推算方法或市場別細節,因而難以比較各地真實損失規模。報道稱台灣受害者平均財損為 4,728 美元,於受調查市場排第五,位於日本、韓國、新加坡及香港之後;但未提供香港的確切金額和樣本資料,排名本身仍須審慎解讀。

AI 令詐騙供應鏈更容易擴張

TechNews 科技新報 指出,生成式 AI 正被詐騙集團用於降低廣告投放、網站建置及批量建立帳戶的成本。這不代表所有可疑內容均由 AI 生成,但可合理推斷,當文案、圖像、網頁與帳戶營運可被快速製作及調整,平台的內容審核、身分驗證與重複帳戶偵測將承受更大壓力。

防詐重點因此不宜只放在使用者「看出破綻」。用戶仍應把陌生連結、促銷廣告與要求即時付款的訊息視為待驗證資訊:不要在訊息內直接登入或付款;改以自行輸入官方網址、官方 app 或已知客服渠道核實;若發現疑似詐騙,保留網址、帳戶名稱、廣告截圖和交易紀錄,並向相關平台、銀行及主管機關通報。及早通報有助平台處理相同素材的變體,也可讓金融機構評估交易風險。

銀行與平台的角色更關鍵

報道稱,曾遇詐騙的受訪者中有 80% 曾向親友或網路平台等反映,但實際蒙受財損者只有 43% 向主管機關通報;另有 71% 受害者期望銀行發現可疑交易時主動攔阻。這個落差反映,事後追查之外,交易前的預警與阻斷同樣重要。

對銀行而言,挑戰是於降低詐騙風險與避免誤擋正常交易之間取得平衡;對平台而言,則要縮短可疑內容由發現、確認至下架的時間。TechNews 科技新報 引述 Gogolook 觀點指出,政府、金融機構、數位平台與科技業者需建立有權責分工的偵測、通報和下架流程。若情報只停留於個別 app、客服或社群貼文,詐騙內容往往已換名、換頁或轉往另一平台。

接下來值得觀察的,不只是案件數量,還包括銀行預警是否能在損失發生前介入,以及平台能否更快移除重複出現的素材與帳戶。這些指標較能反映跨單位合作是否真的減少用戶接觸詐騙的機會。

延伸閱讀

AI 輔助說明: 本文由 AI 協助整理。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook