AI 生成的钓鱼邮件有什么特征，该如何防御？

FBI IC3《2025 年互联网犯罪报告》首次为 AI 单列章节：全年收到超过 22,000 起（22,364 起）标注 AI 相关的投诉，调整后损失超过 8.93 亿美元。按类型细分：投资类 4,356 起、损失 632,041,188 美元；敲诈勒索 1,764 起；个人数据泄露 1,204 起；钓鱼/欺骗 803 起、损失 10,283,732 美元；BEC 135 起、损失 30,256,592 美元。IC3 同时提醒：投资类总损失超过 80 亿美元，说明大量受害者并未意识到 AI 在其中的参与程度，故上述 AI 标注数据应视为下限。INTERPOL《非洲网络威胁评估报告 2026》则给出更高的比例口径：AI 参与了该区域 55% 的已报告网络犯罪。

IC3 描述的手法是：聊天生成器能快速产出模仿 CEO 或其他高管口吻、「听起来很官方」的邮件，其中可夹带钓鱼链接或电汇指令；语音克隆用于配合电话侧索要付款。Europol IOCTA 2026 补充了供给侧：生成式 AI 被用来定制社工话术、加速并掩盖在线欺诈；暗网上流通着被改造或「越狱」的大语言模型（已移除伦理过滤）；语音聊天机器人被用于工业化规模地预筛受害者，再由真人接手；Europol 还观测到自主化（agentic）AI 进入犯罪工作流的早期迹象，即系统可自行规划并执行部分犯罪环节。可观察特征因此发生反转：传统的拼写错误、语法生硬、翻译腔已基本消失，取而代之的是措辞高度贴合目标行业术语、能引用真实公开信息、单个活动内每封邮件正文均不重复（如 APWG 记录的 Scripted Sparrow 用自动化生成唯一 PDF 附件与正文）。

三条失效路径：其一，基于文本相似度与关键词的规则依赖模板重复，而 AI 让每封邮件唯一化，签名与聚类失去着力点；其二，用户培训中的「语言破绽」教条被证伪，反而使员工在收到措辞完美的邮件时降低戒心；其三，身份可信度被合成资料强化——INTERPOL 报告指出攻击者已从窃取既有凭据转向拼合真实数据与伪造要素构建合成身份，可绕过较先进的生物特征验证，用于开户、贷款与实名登记，使「背景可查」不再等于「真实存在」。

把检测重心从「内容像不像」移到不可被 AI 伪造的层面：（1）发件基础设施认证——全域名 SPF/DKIM/DMARC 对齐并置于 p=reject，域外来信标注横幅，仿冒域名（typosquat、同形字）纳入注册监测；（2）会话链真实性——对声称「此前已讨论过」的邮件比对 Message-ID/References/In-Reply-To 是否指向本地存档中真实存在的历史邮件，直接击穿伪造回复链；（3）流程强制——付款与账户变更一律带外核验，且核验渠道不得来自邮件正文；对语音催办增设暗语或回拨已登记号码；（4）抗钓鱼 MFA——FIDO2/Passkey 把凭据绑定到来源域名，使实时中继型钓鱼工具包失效；（5）遥测替代举报——以网关判定、DMARC 汇总报告与登录风险信号作为趋势度量，不再依赖用户能否「看出破绽」。