给一个人一套网络钓鱼工具包,他或许能侥幸成功几次;但若让AI来执行钓鱼攻击,整个网络安全格局将随之改变——至少KnowBe4最新发布的钓鱼攻击趋势报告所呈现的数据,正在印证这一判断。
这家专注于网络安全与钓鱼攻击意识培训的机构,于近日发布了第七版《钓鱼威胁趋势报告》。报告显示,网络上大量从事钓鱼攻击的不法分子,正以前所未有的频率和多样化方式借助AI展开攻势。
据KnowBe4威胁研究人员在过去六个月中监测到的数据,近86%的钓鱼攻击活动在某种程度上都使用了AI技术。这一比例在过去两年间呈现出稳步上升的趋势:2024年约有80%的钓鱼活动使用了AI,去年这一比例升至84%,表明越来越多的攻击者正在采纳这项技术以扩大攻击范围。
数字本身已足够令人担忧,但KnowBe4指出,真正棘手的问题在于AI的具体使用方式。经过AI精心撰写、高度个性化的钓鱼邮件固然危险,更值得关注的是,AI正在将攻击前的情报收集与侦察阶段自动化,大幅压缩整个钓鱼流程的时间成本,使攻击者得以将精力分散至多个攻击向量,从而更有效地赢得受害者信任。
报告还指出,虽然未列出各攻击向量在总体钓鱼攻击中的占比,但数据显示:涉及日历邀请的钓鱼攻击增加了49%,通过Microsoft Teams消息冒充IT支持等同事身份以盗取凭证的攻击则增加了41%。
根据报告分析,精心设计的多向量钓鱼攻击通常仍以电子邮件为起点,而AI正在这一环节大幅拓展钓鱼攻击的边界。自动化侦察技术使攻击者能够快速扫描海量信息、提取目标数据,并将其输入AI生成的钓鱼邮件诱饵中。这类多态钓鱼攻击以一套基础模板为核心,对每位受害者进行个性化定制,最终生成极具迷惑性的钓鱼内容。与那些依赖错别字和语法错误来筛选目标的传统钓鱼邮件相比,这类邮件更难被察觉。
报告数据还揭示,电子邮件往往只是现代钓鱼攻击的第一步,日历邀请和恶意Teams消息的激增,通常是攻击链条中的第二阶段。
由于IT团队是最常被钓鱼攻击冒充的群体之一,我们不难想象这样一种场景:受害者先收到一封钓鱼邮件,随后又收到一条来自所谓"帮助台"人员发送的Teams消息,要求其点击链接重置密码,或通过DocuSign签署新政策文件。无论采用哪种方式,攻击者的最终目的都是获取受害者的凭证或远程访问权限。
微软的数据显示,使用AI诱饵的钓鱼活动,其成功率是人工制作的钓鱼攻击的4.5倍。与此同时,美国联邦调查局(FBI)报告显示,去年美国网络犯罪造成的损失达到创纪录的208.7亿美元,其中钓鱼攻击是最常见的投诉类型,而与AI相关的欺诈损失约为8.93亿美元。
Q&A
Q1:KnowBe4报告中AI在钓鱼攻击中的使用比例是多少?
A:根据KnowBe4最新报告,过去六个月内约86%的钓鱼攻击使用了AI技术。这一比例呈逐年上升趋势:2024年为80%,2025年升至84%,最新数据已达86%,说明越来越多的攻击者正在将AI纳入钓鱼攻击的工具库中。
Q2:AI是如何让钓鱼攻击变得更危险的?
A:AI主要通过两种方式提升钓鱼攻击的危险性:一是生成高度个性化、语法正确的钓鱼邮件,使其更难被识别;二是自动化完成攻击前的情报收集和侦察工作,加速整个攻击流程,并支持多向量并行攻击。微软数据显示,AI驱动的钓鱼攻击成功率是人工制作的4.5倍。
Q3:除了电子邮件,钓鱼攻击还会通过哪些渠道发起?
A:根据报告,现代钓鱼攻击已不局限于电子邮件。涉及日历邀请的攻击增加了49%,通过Microsoft Teams消息冒充IT支持人员实施攻击的情况增加了41%。这些方式通常作为攻击链的第二阶段,配合初始钓鱼邮件,诱导受害者点击链接或提交凭证。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。