自去年ChatGPT上线以来,就不断受到全球各界人士关注。在本月,ChatGPT宣布其成为IT史上最快达成月活用户超一亿的应用。对比54个月达成过亿月活用户的Facebook,以及9个月用户过亿的抖音国际版,ChatGPT这一成就可谓前无古人,而这也正印证了AI技术的无限可能。在我国,ChatGPT相关话题也于近日登上热搜,一众AI相关公司也受到资本市场热捧。
然而,对于网络犯罪分子如何利用 OpenAI 平台,特别是 ChatGPT 来生成钓鱼邮件和恶意软件等恶意内容,业界众说纷纭,且已有颇多研究。在 Check Point Research (CPR) 今年初的报告中,描述了使用 ChatGPT 完成的一个完整的感染流程:从创建令人信服的鱼叉式网络钓鱼电子邮件到运行能够接受英文命令的反向 shell。
CPR 研究人员最近发现了一个网络犯罪分子使用 ChatGPT 来“改进”一款简易 Infostealer 恶意软件代码的实例。该恶意软件最早出现于 2019 年,虽然其代码并不复杂,也不难创建,但 ChatGPT 对其代码进行了优化。
图 1.网络犯罪分子使用 ChatGPT 来改进 Infostealer 的代码
使用 OpenAI 模型
截至目前,可通过两种方法访问和使用 OpenAI 模型:
下面的示例显示了已将 OpenAI 的 API 模型整合到旗下应用的合法品牌。
图 2.使用 OpenAI 的 API 模型的品牌
阻碍恶意内容创建的障碍
作为内容政策的一部分,OpenAI 设置了相关障碍和限制,以阻止在其平台上创建恶意内容。ChatGPT 在其用户界面上设置了一些限制来防止模型的滥用。举例来说,如果用户要求 ChatGPT 编写一封冒充银行的钓鱼邮件或创建一个恶意软件,系统将不会执行。
图 3.ChatGPT 对滥用请求的响应示例
绕过限制创建恶意内容
然而,CPR 表示,网络犯罪分子正想方设法绕过 ChatGPT 的限制。在地下论坛上有关如何使用 OpenAI API 来绕过 ChatGPT 障碍和限制的讨论帖不断激增。
图 4.网络犯罪分子对通过 API 将 ChatGPT 整合到其 Telegram 频道中表现出兴趣
当前版本的 OpenAI API 虽为外部应用所使用(例如,将 OpenAI 的 GPT-3 模型整合到 Telegram 频道中),但几乎没有任何防滥用措施。它并未实施 ChatGPT 在其用户界面上设置的限制或障碍,允许创建钓鱼邮件和恶意软件代码等恶意内容。
例 1——Telegram OpenAI 机器人即服务
在一个地下论坛上,CPR 发现有网络犯罪分子正在宣传一项新创建的服务:支持无限制地使用 OpenAI API 的 Telegram 机器人。
图 5.宣传 Telegram OpenAI 机器人的地下论坛广告
图 6.在利用 OpenAI API 的 Telegram 机器人中创建的钓鱼邮件示例
图 7.在利用 OpenAI API 的 Telegram 机器人中创建无防滥用限制的恶意软件代码的示例
作为商业模式的一部分,网络犯罪分子可以使用 ChatGPT 进行 20 次免费查询,此后每 100 次查询需支付 5.50 美元。
图 8.基于 OpenAI API 的 Telegram 频道的商业模式
例 2——网络犯罪分子提供的一个可绕过防滥用限制的简单脚本
网络犯罪分子创建了一个使用 OpenAI API 来绕过防滥用限制的简单脚本。
图 9.可直接查询 API 并绕过限制来开发恶意软件的脚本示例
通过这些案例,Check Point观察到网络犯罪分子不断探索如何利用 ChatGPT 来满足其开发恶意软件和创建钓鱼邮件的需求。随着 ChatGPT 控制措施的改进,网络犯罪分子也将不断寻找新的方法来使用 OpenAI 模型。因此可以预见,随着AI技术的不断落地,网络犯罪分子的“技术成本”将进一步降低;随之而来的网络攻击数量也将不断增长。因此,以预防为主、以AI对抗AI的网络安全模式可能将成为未来几年的主要发展趋势。
好文章,需要你的鼓励
随着AI模型参数达到数十亿甚至万亿级别,工程团队面临内存约束和计算负担等共同挑战。新兴技术正在帮助解决这些问题:输入和数据压缩技术可将模型压缩50-60%;稀疏性方法通过关注重要区域节省资源;调整上下文窗口减少系统资源消耗;动态模型和强推理系统通过自学习优化性能;扩散模型通过噪声分析生成新结果;边缘计算将数据处理转移到网络端点设备。这些创新方案为构建更高效的AI架构提供了可行路径。
清华大学团队开发了CAMS智能框架,这是首个将城市知识大模型与智能体技术结合的人类移动模拟系统。该系统仅需用户基本信息就能在真实城市中生成逼真的日常轨迹,通过三个核心模块实现了个体行为模式提取、城市空间知识生成和轨迹优化。实验表明CAMS在多项指标上显著优于现有方法,为城市规划、交通管理等领域提供了强大工具。
Meta以143亿美元投资Scale AI,获得49%股份,这是该公司在AI竞赛中最重要的战略举措。该交易解决了Meta在AI发展中面临的核心挑战:获取高质量训练数据。Scale AI创始人王亚历山大将加入Meta领导新的超级智能研究实验室。此次投资使Meta获得了Scale AI在全球的数据标注服务,包括图像、文本和视频处理能力,同时限制了竞争对手的数据获取渠道。
MIT研究团队发现了一个颠覆性的AI训练方法:那些通常被丢弃的模糊、失真的"垃圾"图片,竟然能够训练出比传统方法更优秀的AI模型。他们开发的Ambient Diffusion Omni框架通过智能识别何时使用何种质量的数据,不仅在ImageNet等权威测试中创造新纪录,还为解决AI发展的数据瓶颈问题开辟了全新道路。