在網路安全領域，釣魚攻擊（Phishing）一直存在，但過去這類攻擊通常被分為兩種極端的模式。一種是低成本、大範圍的簡單釣魚，像是發送數百萬封通用模板郵件，雖然成功率極低（約 1% 到 5%），但靠數量取勝；另一種則是高成本、高技術的精準釣魚（Spear Phishing），攻擊者需要花費數週甚至數月研究目標，雖然成功率高，但無法規模化。
然而，根據 Microsoft Digital Defense Report 2025 的分析，生成式 AI 的出現徹底改變了這個遊戲規則。AI 將原本需要手工打造的精準釣魚模式工業化，讓攻擊者能以極低成本、極高速度地發起大規模且高度個人化的攻擊。數據顯示，AI 自動化生成的釣魚郵件點擊率高達 54%，是傳統方式的 4.5 倍，且潛在獲利能力提升了 50 倍。
AI 驅動的釣魚攻擊流程：從偵察到互動的流水線
要理解 AI 如何強化攻擊，我們可以將其視為一條自動化流水線，分為五個核心階段。
第一階段：偵察（Reconnaissance） 傳統上，攻擊者需要手動在 LinkedIn 或公司官網搜尋目標資訊。現在，AI 可以透過 OSINT（Open Source Intelligence，開源情報），利用自動化爬蟲與分析模型，快速從海量非結構化數據中提取目標的職稱、責任、專業關係與近期活動，快速建立詳細的數位畫像（Persona Profile）。
第二階段：剖析與定標（Profiling and Targeting） 拿到數據後，AI 能利用分群（Clustering）與語義搜尋（Semantic Search）技術，將目標分組（例如：財務人員、高階主管）。更危險的是，AI 可以分析目標的語言風格，預測其心理弱點（如：對權威的服從、對緊急事件的焦慮），從而決定最能觸動該個體的心理槓桿。
第三階段：內容生成（Content Generation） 這是 AI 影響最直觀的階段。利用 LLM（大型語言模型），攻擊者能生成與目標公司語氣完全一致的郵件。此外，Deepfake（深度偽造）技術讓攻擊者能複製主管的聲音或影像，將攻擊從文字擴展到語音與視訊，讓受害者在感官上完全信任發信者。
第四階段：遞送（Delivery） AI 能優化遞送路徑，根據目標習慣選擇最有效的渠道（郵件、即時通訊或合成語音電話）。同時，AI 能快速生成數千個微小差異的變體版本，以繞過傳統基於特徵碼的垃圾郵件過濾器（Anti-spam Filters）。
第五階段：互動（Interaction） 這是最關鍵的收網階段。過去的釣魚郵件通常是單向的，一旦受害者回信，攻擊者需手動應對。現在，AI 助手可以維持即時、自然且具備上下文記憶的對話，同時處理數百個受害者的互動，直到誘導其轉帳或下載惡意軟體。
工程實務上的防禦對策：分層防禦體系
面對 AI 將攻擊規模化的威脅，單一的技術手段已不足夠，必須採取分層防禦（Layered Defense）策略，在攻擊者的每個環節增加成本。
降低數位足跡 針對偵察階段，企業應指導員工減少在公開平台分享過多職務細節與專業關係。公司端則應審視對外公開的組織圖或聯繫清單，減少可被 AI 抓取的結構化資訊。
強化認證與驗證路徑 針對內容生成與遞送階段，不能僅依賴視覺上的真實感。應強制執行強大的 MFA（多因素驗證），並建立內部標準的溝通路徑。例如：涉及金流或權限變更的請求，必須透過預設的第二渠道（如內部通訊軟體或電話）進行雙重確認。
行為分析與異常偵測 既然 AI 能繞過靜態過濾，防禦端應轉向行為分析（Behavioral Analysis）。監控不尋常的通訊模式、域名欺騙（Domain Spoofing）以及異常的登入行為，而非僅僅檢查郵件內容。
建立心理韌性與組織文化 針對互動階段，最有效的防禦是人的意識。教育員工理解一個核心概念：真實感不等於合法性（Realism does not equal legitimacy）。無論對方的聲音或文字多像熟人，只要涉及敏感操作，必須採取停頓、質詢、確認的習慣。
總結
AI 讓精準釣魚從手工藝變成了工業產品。防禦的關鍵在於將攻擊者的流水線變得更昂貴、更困難且不可預測。技術防禦（如 MFA、過濾器）與組織文化（如驗證流程、隱私意識）的結合，才是對抗 AI 社交工程的唯一路徑。
來源：infoq.com - Artificial Intelligence-Driven Phishing: How Phishing Technique Is Evolving and Implemented
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。