反诈的攻防正在出现一个微妙的反转：过去是骗子用自动化脚本和话术模板批量钓鱼，现在轮到防守方用 AI 去钓骗子。
发生了什么
据 WIRED 报道，越来越多的反网络犯罪项目开始借助 AI 来“骗骗子”（scam the scammers）。具体做法是部署高度拟真的对话机器人，让它们看起来像普通潜在受害者，诱导诈骗者与之交谈。诈骗者以为自己在跟真人周旋，实际上是在跟一个被设计成“愿意上钩”的 AI 消耗时间。这类做法在反诈圈内通常被称为 scambaiting，过去长期由志愿者人工完成，如今正被 AI 规模化。
为什么重要
诈骗产业的核心资源是人力时间。一个诈骗者在一个目标身上花的时间越多，能覆盖的其他目标就越少，单位收益也随之下降。传统反诈主要依赖拦截——封域名、标记号码、下架账号，但诈骗团伙的迁移成本很低，封堵往往滞后于变种。
AI 机器人提供的是另一种杠杆：不追求一次性阻断，而是持续占用对方的人力。这与安全领域里“蜜罐”的思路一脉相承，只是从诱捕服务器扩展到了诱捕对话。更关键的是，大模型让机器人在语气、节奏和上下文记忆上足够自然，诈骗者不容易在几轮对话内识破，这是过去规则式聊天机器人做不到的。
影响与看点
对反诈机构和平台来说，这条路的价值在于可规模化：一个团队可以同时运行大量对话，而不必依赖志愿者排班。但它也带来几个需要正视的问题。
第一是伦理与法律边界。机器人主动与诈骗者互动，是否会被视为诱导或参与？在不同司法辖区，主动接触犯罪者的合规性并不一致。第二是数据与隐私，对话中可能涉及真实受害者的信息模式，如何脱敏和存储需要明确规则。第三是效果度量，目前很难公开量化“消耗了多少诈骗产能”，这类项目容易停留在叙事层面而缺乏可验证的指标。
对开发者和安全从业者而言，这里的技术栈并不复杂：对话模型、角色设定、会话状态管理，加上反检测策略。难点不在模型能力，而在于把一次有趣的实验变成可持续运行的系统，并回答“这真的减少了受害者吗”。
一个值得留意的判断是：AI 在反诈中的第一波应用是识别和拦截，第二波很可能是主动对抗。而主动对抗一旦成为常态，诈骗者也会开始用 AI 去识别对面的 AI——这场对话里的双方，最终可能都不是人。
