Apate 部署卧底式 AI 代理，收集诈骗情报

澳大利亚初创公司 Apate 表示，其部署了数以千计的 AI 代理，这些代理会伪装成看似真实、容易受骗的诈骗目标，以收集欺诈情报。根据 TechCrunch 的报道，该公司成立于 2024 年，其基础源于悉尼麦考瑞大学开展的研究。其代理可以接听诈骗电话、回复可疑短信和电子邮件、跟进钓鱼链接，并进入社交媒体群组或投资群组，在这些场景中，诈骗活动可能正处于形成或扩散阶段。公司宣称，其目标不仅是消耗诈骗分子的时间，更是从互动中提取可供机构使用的细节信息，帮助组织在攻击链更早的环节阻止欺诈发生。

该公司的核心主张是，许多反欺诈工作介入得太晚。按照 TechCrunch 的说法，Apate 联合创始人兼首席商务官 Brad Joffe 将这种模式与传统做法进行了对比：电信运营商往往是在事后才封锁号码，银行则通常是在客户已经发生接触之后，才开始监测交易。Apate 的说法则是，它直接把工作重心放在诈骗分子身上。其代理被设定为虚构身份，具有不同的年龄、性别、口音和语言特征，目的是让对话尽可能持续更长时间，从而暴露出更多有价值的信息。

系统据称如何运作

Apate 表示，在电话、短信、电子邮件以及网页等多个渠道中，其机器人会与欺诈者进行实时互动，然后将获取到的信息整理成结构化情报，交付给客户。TechCrunch 报道称，系统试图获取的信息可能包括银行账户、加密钱包地址、电话号码、恶意网站，以及被冒充的品牌名称。Apate 在自己的网站上也用类似表述解释这一流程，称其可以揭露诈骗分子赖以运作的账户、基础设施和战术。公司表示，这将帮助反欺诈团队在诈骗触达客户之前，更早干扰相关操作。

Apate 还表示，客户可以给这些代理布置具体任务。TechCrunch 报道称，客户可能会要求它们获取某个银行账号或某个加密钱包地址。公司官网则把这一逻辑进一步扩展为多个应用场景，例如识别并追踪“跑分”或洗钱中转网络，检测网络钓鱼和冒充活动，支持实时反欺诈行动，以及生成用于报告和合规的证据材料。在这些描述中，Apate 将自己的输出定义为结构化、带时间戳且可导出的情报成果，能够接入客户现有的欺诈调查流程或安全工作流。

• 在电话、短信、电子邮件、网页和社交渠道与疑似诈骗分子互动
• 使用虚构身份延长对话时间，并收集操作层面的细节
• 将这些互动转化为有关支付路径、诈骗话术、电话号码和网站的情报
• 把这些情报输入客户的调查、下架处置和报告流程之中

公司表示，规模化是其方案的重要组成部分。Apate 在官网中称，人工“钓骗”、即由人类主动与诈骗分子周旋并收集情报的方式，成本高、稳定性不足，而且随着欺诈量上升也很难扩展。其主张是，AI 可以把原本只能通过数十次人工接触完成的工作，扩大为跨语言、跨渠道、跨时区进行的数千次并发互动。换句话说，它试图把原本零散且劳动密集的情报收集过程，改造成可以批量持续运行的自动化机制。

Apate 称目前已观察到的结果

TechCrunch 报道称，Apate 表示，到目前为止，其代理已经在 250 万次对话中累计消耗了诈骗分子 17 年的时间。需要说明的是，这些数字来自公司的自我陈述。同一篇报道还称，电信客户 TPG 已将接近 59 万通电话导流给 Apate 的代理；澳大利亚联邦银行公开报告的诈骗损失下降了 76%；另有一家未具名的澳大利亚银行使用 Apate 的外呼代理干扰了 22 起诈骗活动。报道将这些说法归因于 Joffe。

对于其中一些效果数据，仍需谨慎解读。TechCrunch 在报道中呈现这些内容时，将其作为 Apate 的说法，而非独立核验后的结果；目前可获得的材料也没有提供完整方法论，来证明所有结果都可以直接归因于 Apate 的系统。尤其是关于澳大利亚联邦银行的说法，所提到的是公开报告的诈骗损失下降，但现有来源文本并未详细解释其中的因果关系。较为审慎的理解应当是：Apate 表示其客户正在使用这些情报来制定或优化反欺诈措施，而公司将这些措施与某些具体成果联系在一起。

TechCrunch 还把这家初创公司放在一个更广泛的背景下讨论：诈骗分子自身也越来越多地使用 AI。文章援引 FBI 的数据称，该机构在 2025 年收到了超过 2.2 万起与 AI 相关犯罪的投诉，损失金额约为 8.93 亿美元，其中仅投资诈骗就超过 6.32 亿美元。在这种框架下，Apate 的模式看起来是在尝试不仅把自动化用于检测，还把它用于在诈骗对话内部主动收集情报。

客户、产品范围与所宣称的安全措施

在客户方面，现有来源中最明确提到的名称是澳大利亚联邦银行和 TPG Telecom。TechCrunch 还表示，Apate 也服务于其他公用事业机构、电信公司和政府部门。公司官网则反复将其产品定位为面向金融机构和电信运营商内部的反欺诈团队与情报团队，并称其价值还可延伸到监管报告、合作伙伴协同以及实时调查。官网还暗示，被转移或分流的诈骗流量不必只是被简单拦截，它还可以转化为一种情报来源。

至于安全措施，来源材料对其描述主要偏向运营层面，而非伦理层面。Apate 表示，诈骗电话可以被“安全地”导入“受控”或“隔离”的环境中，这样既能让客户免于直接暴露，又能继续与诈骗分子互动。官网还称，这一过程可以在不干扰合法来电、不影响网络性能、也不损害客户体验的情况下完成。此外，公司还把生成的情报描述为结构化并带有时间戳，从而形成一条可供审计的记录链，机构可以借此向监管方证明自己采取了主动措施。

不过，现有文本并没有详细列出更细化的约束机制，例如人工监督触发阈值、升级处理规则、模型出错后的处置方式，或这些机器人在身份冒充方面的边界限制。因此，从来源材料中能够明确看到的“护栏”仍然相对有限，主要包括：对可疑流量进行隔离、保护终端用户不直接接触诈骗分子，以及生成可用于合规和监督的审计记录。任何超出这些范围的推断，都将超出已提供材料本身。

研究起点与融资情况

根据 TechCrunch 的报道，这家公司的起源故事始于创始人兼首席执行官 Dali Kaafar 在一次家庭野餐时，与一通诈骗电话周旋了 44 分钟，随后他开始思考：这一过程是否能够以一种有用的方式被自动化。该媒体称，这个想法后来发展为麦考瑞大学的一项研究，利用机器学习和自然语言处理来挖掘诈骗电话的内容，并提升检测与预防能力。Apate 表示，如今它既使用前沿模型，也使用自身微调过的模型；这些模型的训练数据既来自其代理与诈骗分子的对话，也来自 Kaafar 早期的研究成果。

投资人也对这一逻辑进行了押注。TechCrunch 报道称，Apate 于 8 月完成了 815 万美元的种子轮融资，投资方包括 Lobby Capital、OIF Ventures、Investible、Concept Ventures 和 Baobab Ventures。Joffe 向该媒体表示，这家约 20 人规模的公司累计融资总额略低于 1,000 万美元。按照同一来源的说法，这笔最新资金将用于产品开发和国际扩张，其中包括在伦敦设立办公室，并进一步扩大其在美国的布局。

对于英语环境中的企业而言，这些来源所描述的实际变化，是从以拦截和事后反应为主，转向把实时、对话级别的情报持续输入反欺诈运营。银行、电信运营商、公用事业机构以及公共部门组织，可以利用这类信息更早发现冒充活动，丰富调查线索，支持下架与打击行动，并生成合规记录。基于目前可获得的材料，Apate 给出的承诺并不是让诈骗彻底消失，而是让组织更早看见诈骗网络如何运作，并在客户或员工受到伤害之前，掌握更可执行的证据。