用户投稿Okay, let's break down how AI can be used to identify accounts (养号 - yǎng hào) operated by black and gray industries using "agents" (智能体 - zhìnéng tǐ).
The core challenge is that these "agents" are designed to mimic human behavior, making them hard to distinguish from genuine users. AI detection relies on identifying patterns and inconsistencies that deviate from typical human activity. Here are the key areas and techniques:
"1. Behavioral Analysis (行为分析):" This is the most crucial area. Human behavior is inherently unpredictable and complex. Agents, even sophisticated ones, often exhibit patterns or glitches.
"Mouse/Finger Movement Simulation:"
"AI Detection:" AI models trained on vast datasets of human interaction can analyze mouse trajectory, speed, acceleration, pauses, clicks/drag patterns, and random micro-movements. Agents might simulate these patterns, but often lack the nuance, randomness, or variability of a real human. They might move too smoothly, too predictably, or make unnatural pauses.
"How to Identify:" Analyze input device (mouse, touch) tracking data for anomalies.
"Keystroke Dynamics:"
"AI Detection:" Analyze typing speed, rhythm, pressure (if available), pause duration between words/letters, and common typing errors (like typos, backspaces). Human typing is unique and variable; agents might type too perfectly
相关内容：
AI时代，技术给人带来了便利，但黑灰产也可能会是这一“便利”的受益者。对于最近引发火热讨论的AI手机，有专家指出其触发一些App风控机制的原因之一是,“AI让App难以判断操作手机的是不是用户本人”。而这，仅仅是AI Agent（智能体）爆发后带来的问题之一。
12月11日，在黑灰产风控领域积累了十年经验的数美科技提出了“AI风控新范式”。新京报贝壳财经记者采访了数美科技首席技术官梁堃，在他看来，正常人的AI手机助手和黑灰产的机器操作仍然有本质区别，有办法对其进行判定。
数美科技首席技术官梁堃接受新京报贝壳财经记者采访。受访者供图
如何识别用户“是好是坏”？看行为
对于近期AI手机的安全性话题，梁堃告诉新京报贝壳财经记者，这是一个巨大的挑战。未来互联网上的操作行为将从“人占绝大多数”转变为“智能体占绝大多数”。但即便都是机器操作，正常人的AI助手和黑产的机器操作仍然有本质区别。
“我们可以依据‘反欺诈三定律’来进行区分：首先是多样性定律，正常人即使使用AI助手，其设备环境也往往是多样的，比如手机型号有华为、苹果、小米等，系统版本各异，电池电量也分布在30%、70%、100%等不同状态。而黑产为了控制成本，往往批量购买设备，你会发现一个团伙的手机型号可能全是同一款，或者电量状态惊人一致，行为模式（序列）也高度相似。”
“还有一致性定律，正常人不会刻意频繁改变IP、手机号等基础信息。黑产需要注册大量账号，必须不断购买新的IP、手机号等资源。这会导致他们的信息一致性出现断层或异常。”
“最后则是关联性定律，正常用户的社交关联通常也是正常用户，而黑产往往是孤立点，或者其关联的‘朋友’也是黑产账号。这样，通过分析团伙的行为序列、设备多样性、信息一致性以及关联关系，我们仍然能有效识别出哪些是黑产，AI助手只是改变了操作方式，但改变不了设备物理特征和网络环境的聚集性。”梁堃说。
AI让黑灰产养号更方便了，如何应对？
2025年是智能体火爆的一年，其大大提高了AI大模型的落地应用。黑灰产是否也会使用这一工具来“提高效率”，令风控也更难？
“感受非常明显！”梁堃说，现在黑灰产正全面利用大模型技术来提高获利效率，特别体现在养号薅羊毛、模仿用户行为和突破传统验证手法上。
“过去，黑产在薅羊毛时，新注册的账号往往受限，获利较少，需要‘养号’。以前养号很麻烦，回复帖子需要人工准备文案，如果文案重复很容易被系统识别。而现在利用大模型，黑产可以自动生成非常贴合主题的回复。比如在一个特定主题下，AI能生成看似非常真实的评论。这使得账号被‘养’得像真人一样，极大降低了养号成本，提高了后续获利的效率。”
“在行为模式上，过去黑产使用自动化脚本控制工具（如按键精灵），这种方式容易露马脚，例如点击速度过快（非人类速度）。如果为了拟人化在代码中加sleep（暂停），固定的暂停时间会形成‘等间距’特征，容易被识别；如果做随机间隔，代码编写和维护成本较高。而现在，黑产开始使用智能体调用 API和自动化工具。智能体能理解指令并调用函数，几乎零成本地执行复杂操作，且其生成的点击、浏览等行为序列非常像真人，不再有明显的脚本特征。此外，目前多模态大模型还能轻易识别图片内容。比如验证码要求‘点击图中的汽车’，多模态模型能轻松识别并点击，导致传统行为验证码失效。黑产利用这些高效工具，使得攻击更隐蔽、对抗性更强。”梁堃告诉新京报贝壳财经记者。
对于这一新变化，梁堃表示，靠纯人工去对抗已经非常难了，“我们目前的应对体系简单来讲，是先由我们的黑产研究院研究清楚作恶路径，策略团队在‘攻防路径图’上标记需要在哪里识别、防御和处置黑产。然后在原有数美积累的特征基础上，利用大模型来自动生成风险特征。大模型能发现哪些特征对刻画风险非常有用，生成的特征会输入到账号风险模型、行为模型等评分模型中。”
梁堃认为，未来5-10年，人类每天接触的信息将有超过50%来自AI，在此背景下，内容风控的进化将从“识别对象”变为“理解意图”。面对新挑战，引入基于大模型的审核智能体是办法之一。
新京报贝壳财经记者 罗亦丹
编辑 岳彩周
校对 卢茜
微信扫一扫打赏
支付宝扫一扫打赏
