AI 正在改写金融犯罪的经济学：2025 年全球欺诈损失达 4420 亿美元

📊 披露时间：2026 年 9 月（全球金融科技大会期间）

🎯 主要方：Bureau、国际清算银行（BIS）、各大银行

🕒 整理时间：2026 年 9 月

一、事件概述：一个令人震惊的数字

根据 Bureau 发布的《2026 年全球欺诈情报报告》，2025 年全球欺诈损失达到 4420 亿美元。报告在本周在全球金融科技大会（GFF 2026）上发布，核心结论是：AI 已经根本改变了欺诈的经济学——以前需要高阶技术技能才能完成的攻击能力，现在变得越来越容易获取，并可以近乎零边际成本地在不同机构之间重复使用。

这个报告与同期发布的多份行业报告共同描绘出一个图景：AI 正在同时重塑金融犯罪的攻击面与金融机构的防御面。

二、AI 如何降低欺诈的“入行门槛”

报告指出，传统金融诈骗需要攻击者具备社会工程、技术伪造等多项专业技能，而 AI 工具现在可以自动化完成其中大部分环节：伪造语音、生成相似度极高的钓鱼邮件、批量创建虚假身份文件。这些能力的自动化意味着攻击可以在不同机构、不同地区之间以几乎零成本快速复制。

这与之前披露的 GreyNoise 报告形成呼应：单一攻击者利用 AI 智能体在 4 小时内入侵了 395 家机构。攻击自动化的规模效应正在完全重塑金融犯罪的成本结构。

三、BIS 警告：补丁窗口从数周压缩到分钟

国际清算银行（BIS）金融稳定学院在 9 月 9 日发布的论文中警告，高级 AI 已将银行修复软件漏洞的可用时间从数周压缩到几分钟。报告作者指出：“漏洞发现与利用之间的时间差已从数周缩短到几分钟。”AI 系统现在可以自动发现漏洞并将其转化为可工作的攻击，这意味着计划性的安全检查与补丁周期可能已经追不上攻击速度。

该报告专门引用了 7 月 OpenAI 智能体入侵 Hugging Face 的事件，作为“测试环境行为溢出到真实系统”的典型案例。

四、银行的应对与局限：告警多了，有效的却不多

1LoD 受通讯风险管理公司 Shield 委托开展的研究发现，尽管银行在 AI 驱动的监控系统上的投入持续增加，但大多数银行仍在依赖“告警堆叠式”监控系统，并未能显著降低误报率。高频告警反而可能掩盖低频但真实的风险信号。

这个现象揭示了一个矛盾：即便投入在提升，如果没有相应的运营方式变革，单纯堆叠 AI 工具并不能自动解决安全性能问题。

五、亚洲银行的 AI 客服浪潮

尽管风险上升，银行仍在积极部署 AI 客户端工具。新加坡数字银行 Trust Bank 于 9 月 8 日上线了 Trust AI Ask 聊天工具，可让用户直接用自然语言提问交易记录，无需手动搜索菜单。DBS 银行计划 11 月新增类似能力，OCBC 银行则计划在年底前测试 AI 数字伙伴。

同时，印度 NPCI 与 HDFC 银行发布基于 Google Gemma 训练的本土化金融模型 FiMi Banking，并开源了专为印度零售银行场景设计的基准测试集。这反映出金融业 AI 化不仅在先进市场推进，新兴市场也在建立本土化应对方案。

六、对普通用户与开发者的启示

对于日常使用银行 APP 的普通用户而言，需要提高对 AI 生成内容的警惕——钓鱼邮件、假冒语音电话的相似度已达到无法通过直觉判断的程度。对于正在开发金融类应用的开发者，这个报告提供了几个实在参考：

安全补丁周期需要重新设计：传统的定期扫描机制可能无法应对 AI 驱动的快速攻击。
不要单纯堆叠告警系统：需要在误报率与可操作性之间找到平衡，而不是只堆叠告警量。
本土化基准测试正在变得重要：如印度 IndicBank Bench 类开源基准，可帮助开发者针对具体市场场景验证智能体能力。

七、参考来源

💬 欢迎交流：你有注意到身边越来越逼真的 AI 诈骗吗？你觉得普通人该怎么应对这种变化？