受害者在 WhatsApp 上收到了一条来自陌生号码的消息。起初这只是一个简单的问候，一次感觉像是偶然发生的数字握手。在接下来的三周里，那条消息演变成了一种分享照片、生活故事的日常仪式，并最终变成了一个关于利润丰厚的现货黄金交易机会的建议。当受害者意识到该平台是虚构的时候，他们的毕生积蓄已经化为乌有。这种被称为“ping-zing-sting”（联系-诱导-收割）的特定攻击链，定义了 OpenAI 最近披露的一次打击行动。该公司最近封禁了一个源自柬埔寨波贝（Poipet）的协调化 ChatGPT 账号网络。这座城市是众所周知的诈骗园区和人口贩卖中心。该行动不仅窃取金钱，还利用生成式 AI 自动化了现代奴隶营的行政残酷管理。
昨晚，我通过加密的 Signal 连接与一名事件响应人员交谈，讨论了在这些特定的 ChatGPT 日志中发现的痕迹。其内容的庞大数量令人震惊。我们看到的不再是单个诈骗者用蹩脚的英语敲打消息，而是一条工业化的装配线，大语言模型（LLM）在其中充当了外部欺诈和内部管理的核心引擎。沟通的完整性从第一个字起就遭到了破坏。攻击者利用 AI 弥合语言鸿沟，将复杂的心理操纵翻译成目标受害者的母语。这是威胁格局的新现实。
自动化剥削的地理分布
波贝坐落在柬埔寨和泰国的边境。长期以来，它一直是贸易的中转站，但近年来，它已成为有组织犯罪集团的中心。这些集团通常在巨大的、围有栅栏的园区内运作。OpenAI 的报告明确指出，该网络利用 ChatGPT 来维护这些园区的运营基础设施。被封禁的账号中有一部分专注于行政工作。他们起草内部公告并记录员工债务。他们追踪园区内工人的工资扣除、罚款和贷款偿还情况。
从架构层面来看，诈骗者将 ChatGPT 视为一个低成本的人力资源部门。他们利用该工具管理强迫劳动的后勤工作。这些账号生成了关于签证逾期、工作许可和移民身份的内容。正是这个行政层让这些园区能够大规模运作。当一名工人未能达到配额时，系统会自动生成一份正式的罚款通知。这不仅仅是金融犯罪，这是利用 AI 协助人口贩卖。行动者甚至利用模型创建宣传内容，以诱骗新受害者进入园区。他们向孟加拉国和印度的人们承诺提供 800 美元底薪和 100 美元全勤奖的工作。而他们抵达后面对的现实却是护照被没收，并被强迫在数字欺诈工厂中扮演角色。
ping-zing-sting 的幕后
该攻击链遵循严格的三步流程。第一阶段是 ping（联系）。这是在 WhatsApp 或 Telegram 等平台上的初步接触。目标是在不引起受害者怀疑的情况下建立联系。诈骗者使用 AI 创建的合成身份。他们生成伪造的护照图像和法律通知，以提供合法性的外衣。在这种背景下的网络钓鱼是一匹数字特洛伊木马。最初的消息看似无害，但它承载着长期心理操纵的有效载荷。
接下来是 zing（诱导）。这是建立信任的过程。威胁行为者进行长时间的对话。他们利用 OpenAI 的模型生成并翻译能够建立良好关系的消息。他们可能会冒充恋爱对象或在线赌博平台的代表。AI 允许他们同时维持数百个此类对话，而不会混淆对每个受害者撒下的特定谎言。因此，诈骗者可以根据受害者的反应在不同的叙述之间切换——投资建议、浪漫渴望或法律威胁。他们甚至冒充执法机构，告知目标需要为严重的刑事犯罪缴纳罚款。AI 确保了语气始终保持专业且紧迫。
最后是 sting（收割）。一旦信任足够深，诈骗者就会指示受害者进行存款或支付激活费。他们提供伪造的转账截图和账户信息作为付款证明。受害者会看到一个看起来很专业的赌博界面或股票购买确认书。这些资产通常由 AI 生成或格式化，以使其看起来真实。一旦资金寄出，诈骗者就会消失，或者要求支付更多费用以释放并不存在的利润。目标受害者在短短几天内就会损失数千美元。
园区的行政引擎
这次打击行动中最令人不寒而栗的方面之一是诈骗者如何利用 AI 管理自己的员工。在传统的公司环境中，经理可能会使用大语言模型起草一份关于假期安排的备忘录。但在波贝园区，威胁行为者利用 ChatGPT 为其被囚禁的劳动力记录招聘激励和工资扣除。他们利用该工具在说不同语言的员工之间翻译消息。这使得一个多语言犯罪组织能够以极高的内部效率运作。
这种 AI 应用代表了威胁行为者工具箱的转变。他们不再仅仅将 AI 用于恶意攻击，而是将其用于犯罪集团的关键业务流程。从前瞻性的角度来看，这使得整个行动更具韧性。通过自动化人口贩卖的文书工作，这些组织的领导层可以专注于扩大其触达范围。这些账号还创建了关于“聊天员”工作的社交媒体广告，包含机票、免费餐食和一年柬埔寨签证的详细信息。对于南亚的许多工人来说，这些广告是剥削循环的第一步。
协同防御与 Meta 的角色
OpenAI 并非孤军奋战。他们与 Meta 旗下的 WhatsApp 合作调查了此次行动。这种协作至关重要，因为诈骗网络很少局限于单一平台。行为者将受害者从公开的社交媒体广告引导至私人消息应用，再引导至虚假的网页界面。通过在 AI 提供商和消息平台之间共享遥测数据，这些公司识别出了协调一致的账号网络。
这种共同努力凸显了跨平台防御策略的必要性。当威胁行为者被 ChatGPT 封禁时，他们可能会尝试将其操作转移到不同的大语言模型。然而，丢失历史数据和用于管理其“聊天”工作的特定提示词会破坏其势头。失去这些账号迫使犯罪集团重建其行政基础设施。它还提供了法医证据，执法机构可利用这些证据追踪资金流动和园区位置。波贝市在此类操作方面有着悠久的历史，而这些数据有助于更清晰地描绘它们在生成式 AI 时代是如何演变的。
规模化的攻击性 AI 能力
AI 增强的攻击能力的开发不再是一个理论风险，而是一个普遍的现实。在夺旗赛（CTF）评估中，已观察到前沿模型针对真实系统进行攻击，但它们在社会工程学中的应用更为普遍。波贝网络表明，AI 对诈骗者的主要优势不一定是聪明，而是速度和规模。单个操作员可以管理一支虚假人格舰队，而这在以前需要几十人的团队。
从风险角度来看，这降低了有组织犯罪的准入门槛。他们不需要精通英语或印地语的员工来针对这些地区。他们只需要一个 API 密钥和一套给模型的指令。这些园区的去中心化性质使其难以被永久关闭。当一个地点被突袭时，数字基础设施通常会持久存在于云端。AI 成为了该行动的记忆和肌肉。这使得该组织能够以最短的停机时间在新地点重新启动其活动。
识别数字红旗
随着这些操作变得越来越复杂，传统的诈骗迹象正在消失。语法完美，语气得体，伪造的文件看起来很真实。然而，ping-zing-sting 的底层逻辑保持不变。如果一个陌生人在消息应用上发起对话，并最终将话题转移到金钱上，那就是诈骗。无论他们建立了多少信任，或者分享了多少照片，目标永远是最后的收割。
| 诈骗阶段 | AI 参与 | 受害者影响 |
|---|---|---|
| 接触 (Ping) | 人格生成、初步翻译 | 虚假的社交联系感 |
| 互动 (Zing) | 实时聊天辅助、关系建立 | 情感投入、建立信任 |
| 剥削 (Sting) | 伪造交易证明、法律文件 | 直接经济损失、身份盗用 |
| 管理 | 记录债务、员工罚款、招募 | 人口贩卖、强迫劳动 |
企业也必须意识到，其员工可能会成为这些相同网络的目标。孟加拉国一家公司的工人可能会看到波贝的招聘广告，并在他们认为合法的面试过程中无意中提供敏感的公司数据。攻击面不仅仅是网络的技术边界，更是与之互动的员工的社会和经济脆弱性。
审计人为防火墙
防御 AI 驱动的诈骗网络需要我们转变安全意识的方法。人为防火墙的概念比以往任何时候都更加重要。我们必须超越寻找拼写错误单词的简单钓鱼模拟。我们需要训练人们识别 ping-zing-sting 的心理模式。这些操作的规模意味着每个拥有智能手机的人都是潜在目标。
在幕后，AI 提供商不断完善其安全过滤器，以防止此类滥用。然而，威胁行为者是富有创造力的。他们总会寻找绕过这些控制的方法。因此，最有效的防御是技术执法和公众教育的结合。我们必须将每条未经请求的消息视为犯罪网络的潜在入口。波贝的瓦解是一个成功，但它只是一场漫长战争中的一次战斗。
审计组织的沟通政策，确保员工知道如何报告可疑的接触。在所有公司和个人账户上强制执行严格的多因素身份验证（MFA）。这些步骤提供了一层 AI 生成的魅力无法轻易逾越的防御。
来源：OpenAI 威胁情报报告、Meta 安全研究、MITRE ATT&CK 社会工程学框架。
免责声明：本文仅供信息参考和教育目的。它不能替代专业的网络安全审计或事件响应服务。
