超能力之外：AI行骗的三个恐怖趋势
AI在行骗这件事上，拥有的不仅仅是识别、模仿、生成这些能力天赋。更多的是簇生了很多令人胆寒的趋势。
趋势一：AI技术的易得性
上诉所提到的人脸替换、声音模仿甚至图像验证码识别，因为这些技术本身是中立并且相对基础的，所以获取这些技术的途径很多。很多技术代码甚至被公开在开发者社区中，或者在开发平台上就能找到免费API接口。
这便意味着，行骗者的技术升级将越来越容易、成本越来越低。
趋势二：自我保护的困难性
以往面对很多诈骗方法时，我们是可以进行自我保护的，例如不乱连接公用WiFi，或是在丢弃快递包裹时涂黑自己的电话地址。但AI技术的一个特性就是，我们在互联网上随便遗留点什么，都能被犯罪分子利用。几句音频可能会让AI合成自己的声音去向亲友借钱，几张照片和视频可能会被人脸替换到其他视频上进行勒索，甚至就连聊天记录和朋友圈都可能成为AI的训练数据，用来模仿我们的说话语气。
防无可防，是AI行骗最令人无奈的一点。
趋势三：AI效率的无限可能
但更令人担心的，应该还是AI的超高效率。在过去犯罪分子之间似乎还存有一定的“封闭性”，各自掌握的犯罪方法只在内部小范围传播，也意味着受害者的范围是有限的。但AI的高效特性，意味着骗术的受害范围将不再受行骗者自身人力所限。
就拿上文提到的图像识别破解验证码来说，几百亿次的验证码破解，几乎可以突破行业记录。也同样是这一组织，利用智能对话功能模拟了无数女性，通过聊天来诱导异性为自己发送红包来获利。这种过去可能要一个人负责十个微信号的骗术，如今在效率上可以实现N次方。
我们可以想象，在今天在某一领域出现了什么漏洞，AI骗术很可能快速钻空子，造成极大范围的损失。
AI的张良计与过墙梯
不过在诈骗这件事上，永远都是你有你的张良计，我有我的过墙梯。AI技术除了在被动的被行骗者利用以外，更多的时候是在主动行动，改变现状。
例如AI可以利用无监督学习能力，无需数据标注就可以进行工作，恰好可以应对行骗者不断改头换面逃避识别的心态，在海量数据中迅速挖掘，将IP地址、账户行为模式等等数据维度进行关联，识别出可疑行为。腾讯就曾经利用类似的方式，建立了用来寻找并精准定位伪基站的“麒麟”系统。
而AI对于数据的广泛应用，不仅仅可以用来挖掘普通人的蛛丝马迹，也可以通过对公开数据进行挖掘并建立管理，来保护大众远离诈骗。英特尔就曾经推出过反商业欺诈平台Saffron，通过对保险欺诈者以往与保险企业的对话、文书数据收集起来进行训练，得出可以识别商业欺诈谎言的模型，帮助企业减少被欺诈的几率。
至于AI对于声音和图像的生成能力，也证明了AI对于声音和图像更强大的识别能力。例如能在1分钟内模仿他人声音的科大讯飞，同样也能声纹精准识破语音模仿骗局。据称这种技术已经应用到电话诈骗案件侦查上，效果显著。而平安集团则发布过微表情识别模型，通过皱眉、张嘴、挑眉等等表情识别出54种情绪，来识别用户在线上申请贷款时有没有撒谎。数据显示，目前在线上贷款业务上，微表情欺诈识别准确率已经达到了80％。
其实不论“张良计”还是“过墙梯”，都是技术发展的正反面。混乱无序与稳定向好本来就是一体两面，正因为有所冲撞，才能激发出更多能量，推动技术不断向前滚动。
文／脑极体
