AI助长了非洲一半以上的网络犯罪，诈骗激增——Interpol

AI 赋能诈骗的影响与现实性

• 许多人把最近的诈骗描述为“异常逼真”，语音克隆、深度伪造、合成身份以及高度个性化的网络钓鱼如今已很常见。
• 受害者正在损失毕生积蓄，有时还是借来的钱，而当局几乎没有明显回应。
• 也有人指出，AI 只是长期存在的欺诈模式的强大放大器，而不是一种新的犯罪类别。

谁受影响最大，以及如何保护他们

• 老年人和社交孤立者被视为主要目标，尤其是利用 AI 语音的电话诈骗和“亲属出事”类骗局。
• 建议的防御措施：
  • 银行保障（大额转账双重审批、更强的欺诈检查）。
  • 法定监护或共享账户监督。
  • 将资金转出无法即时被清空的账户。
  • 诸如来电白名单或自定义 PBX 过滤器等技术方案。
• 对于 AI 助手能否可靠拦截诈骗，存在怀疑；因为提示注入、规避责任，以及紧急情况下必须迅速行动等问题都难以解决。

技术作用与能源担忧

• 有人认为真正的“燃料”是互联网、运行代码的浏览器和在线转账，而不是 AI 本身。
• 也有人指出，AI 同时也增强了防御能力（垃圾邮件过滤、欺诈检测），但进攻方使用起来可能更容易。
• 有一条讨论在比较 AI 的能源消耗与比特币，并质疑 AI 驱动的过度投资是否可能促成金融危机。
• 更广泛的分支讨论则围绕 AI 热潮是否是泡沫，以及与 Tesla、IPO 表现不佳和市场非理性的类比展开。

网络犯罪的经济、社会与伦理驱动因素

• 多条评论强调，贫困、缺乏机会和腐败国家才是根本原因，而不是去指责“文化”。
• 讨论了富裕国家中“制度化”的腐败（例如合法化的影响力交易）与贫穷国家中更赤裸裸的腐败之间的差异。
• 有人提出极端惩罚性回应（把骗子当恐怖分子、剥夺权利）；也有人反驳称这既不道德也不现实。

诈骗手法与演变

• 经典的“尼日利亚王子”和 419 诈骗被联系到更早的“西班牙囚徒”式骗局；AI 降低了大规模、定制化接触的成本。
• 关于“明显的诈骗错误是故意筛选最容易上当的人”这一观点存在争论；有人引用了一篇 Microsoft 论文，另一些人则称这只是未经证实的猜测。
• “杀猪盘”被解释为对受害者进行长期“养号”（通常在恋爱或投资场景中），随后一次性榨取大额资金。

地理、基础设施与犯罪集团

• 评论描述了从非洲本地小型个人诈骗者，转向更大规模、由中国人运营的非洲诈骗园区，这些园区把“合法”生意与赌博和欺诈混在一起。
• 关于有多少工人是被胁迫的、又有多少是自愿受雇的，意见不一；来自东南亚的例子显示既有强迫劳动，也有自愿参与。
• 有人建议让“从非洲打出的电话”变得过于昂贵，但这一想法被广泛批评为不可行，并会伤害正常通信。