研究显示:加密货币用户遭遇冒充诈骗激增1400%

bitcoinist發佈於 2026-01-14更新於 2026-01-14

文章摘要

研究显示,2025年加密货币冒充诈骗案件激增1400%,成为迄今造成损失最严重的欺诈类型之一。Chainalysis分析指出,犯罪分子利用AI工具、语音克隆和虚假客服等手段扩大攻击规模,导致链上诈骗总损失达到数百亿美元。 案件数量和单案损失金额均大幅上升,平均诈骗金额较前一年增长超600%。AI生成的语音面容克隆技术配合高可信度话术,使诈骗者能够冒充交易所员工、名人或亲友,其成功率远超传统手段。一起典型案例中,诈骗团伙单次作案便卷走1600万美元。 犯罪活动呈现产业化特征:诈骗集团通过外包脚本编写、深伪素材采购和资金转移等环节提升效率。数据显示,AI辅助的诈骗方案盈利能力达传统手段的4.5倍。尽管不同机构统计存在差异,但多个信源显示2025年加密货币诈骗总损失介于140亿至170亿美元之间。

2025年冒充诈骗案件呈爆炸式增长,增幅达约1400%,推动加密货币诈骗损失达到迄今最高水平。Chainalysis分析显示,诈骗者使用AI工具、语音克隆和虚假客服方案扩大攻击规模,致使链上诈骗总损失达到数十亿美元的低两位数区间。

冒充诈骗急剧攀升

报告披露,不仅案件数量上升,单案造成的受害者损失金额也大幅增加。冒充诈骗案平均涉案金额较上年增长超600%,这一跃升使得许多小额骗局演变为大规模盗窃。Chainalysis强调自动化工具和商业化钓鱼服务的推波助澜,使得诈骗者能像工厂流水线般运作骗局。

来源:Chainalysis

犯罪分子使用AI与深度伪造技术

2025年欺诈者大量依赖AI技术。根据报告,AI生成的语音面容克隆配合极具说服力的信息,帮助犯罪分子冒充交易所员工、名人或亲密联系人。这些方法既扩大了触及范围又提高了成功率。行业报告和分析显示,AI辅助的诈骗案收益比传统手段高出数倍。

BTCUSD现报94,929美元 图表来源:TradingView

典型案例揭示风险程度

一则公开案例中,诈骗者冒充大型交易所,单次操作便从受害者处洗劫近1,600万美元。该案成为头条新闻,因为它展示了当使用精良的虚假身份和协同社交工程时,冒充诈骗如何迅速演变为大规模盗窃。财经媒体和行业追踪机构以此案例说明策略的转变。

诈骗运作走向产业化

Chainalysis数据显示,诈骗集团现已类似小型企业运作。他们将诈骗链条的各个环节外包——包括编写脚本、购买深度伪造视频片段、雇佣资金转移手。这种模式使诈骗更高效且更难阻断。有分析发现AI辅助骗局的收益约为传统诈骗的4.5倍,攻击者利用这一差距快速提升运作规模。

2025年加密货币诈骗总损失估算因机构而异,但多方信源均指出金额高达数十亿美元。部分追踪平台报告链上被盗资金达140亿美元,而Chainalysis指出待数据统计完成后该数字可能高达170亿美元。差异反映了新事件发现速度的差异以及部分盗窃活动转入非公开渠道的情况。

头图来自Unsplash,图表来自TradingView

相關問答

Q根据Chainalysis的分析,2025年冒充诈骗案件的增长幅度是多少?

A根据Chainalysis的分析,2025年冒充诈骗案件增长了约1,400%。

Q诈骗者主要使用了哪些技术手段来扩大攻击规模?

A诈骗者使用了AI工具、语音克隆和假冒客服计划等技术手段来扩大攻击规模。

Q2025年加密货币诈骗造成的总损失估计金额范围是多少?

A多个消息来源估计2025年加密货币诈骗造成的总损失在低两位数的数十亿美元范围内,一些追踪机构报告称链上被盗资金达140亿美元,而Chainalysis指出最终数字可能高达170亿美元。

QAI辅助的诈骗方案与传统诈骗相比,盈利能力如何?

A分析发现,AI辅助的诈骗方案比传统诈骗盈利高出约4.5倍。

Q文中提到的一个高调案例中,诈骗者冒充什么并从受害者那里清空了近多少资金?

A在一个高调案例中,诈骗者冒充一家大型交易所,在一次操作中从受害者那里清空了近1,600万美元。

你可能也喜歡

Dan Koe:反直觉真相,你根本不需要记住读过的一切

本文核心观点:你无需记住所有阅读内容,真正重要的知识会在需要时自然浮现。传统“记忆即学习”的观念是错误的,学习应是一个以目标为导向的反馈调节系统。 **核心问题**:多数人记不住阅读内容,是因为将“记住”当作终点,而非将知识应用于实际目标。 **有效学习路径(控制论四步闭环)**: 1. **设定清晰目标**:明确你想实现的具体状态(如“完成半马”),而非模糊愿望。 2. **诚实评估现状**:了解自己当前的真实水平。 3. **比较差距**:明确目标与现状的偏差。 4. **采取行动**:执行具体行动缩小差距。缺少明确目标,学习就会失去方向与动力。 **关键方法:从输出开始学习** 不要先系统学习,而是直接启动一个具体项目(如制作视频、弹奏一首歌)。在实践过程中遇到障碍时,再针对性学习所需知识。这种“按需抓取”的方式能让知识与真实场景深度绑定,不易遗忘。 **升级“第二大脑”,避免成为数字坟墓** 不要陷入“收藏即学会”的幻觉。知识管理的价值在于辅助产出,而非过度整理笔记。应将其建设为“第二潜意识”——一个能在你创作时主动关联并推送相关材料的动态系统,而非静态仓库。可使用工具(如Obsidian+Claude或Eden)实现自动分类与语义检索,降低管理负担。 **严格筛选输入内容** 只保存那些你愿意被其塑造、能与你的世界观融合的想法。专注于长期稳定的优质内容,并通过写作、分享等方式将外部知识内化为自身认知。让正在进行的项目作为知识的天然过滤器。 **合理利用AI** 让AI充当研究助手、编辑或灵感提供者,用于处理事实性内容、降低创作摩擦。但核心观点、价值判断与行文组织必须亲自完成,以形成不可替代的个人世界观。 **总结** 记住知识是深度应用的副产品。学习应始于具体目标与真实项目,让知识在解决问题的过程中自然沉淀。工具旨在优化流程,而非替代思考。当你为自身目标持续应用知识时,重要的内容早已融入你的能力体系。

marsbit49 分鐘前

Dan Koe:反直觉真相,你根本不需要记住读过的一切

marsbit49 分鐘前

这一届中国企业家,彻底变了

2026年夏天,中国商业史迎来标志性变化:长鑫科技登陆科创板,市值突破3万亿元;宇树科技创始人登上《时代》周刊封面;寒武纪成为科创板首家万亿市值公司;DeepSeek创始人跻身全球AI首富行列。这些事件共同揭示了中国企业家群体深刻的代际变迁。 财富版图正从互联网转向人工智能等硬科技领域。张一鸣、梁文锋、陈天石、王兴兴等70后、80后创业者成为新主角,其财富增长反映了市场对未来技术竞争力的预期。TMT行业占创富榜财富近27%,AI芯片、大模型、机器人等成为核心创富方向。 新一代企业家的创业起点从“商业模式”转向“技术突破”。陈天石从中科院走出,专注AI芯片研发,经历多年亏损终实现盈利;梁文锋以不足150人团队打造出具有全球影响力的DeepSeek大模型;朱一明立下“不盈利不领薪”军令状,带领长鑫科技在DRAM领域打破国际垄断,成为全球第四大厂商。 这种变化源于中国经济命题的转变:从“做大市场”到“做深产业”。上一代企业家奠定了城市化和互联网的基础设施,新一代则要在这些地基上实现技术原创和产业突破。他们正推动中国从技术追赶走向自主创新,在全球高端产业竞争中占据重要位置。 这不仅是财富的转移,更是国家竞争能力结构的代际交接,标志着中国进入以技术创新为核心驱动力的新发展阶段。

marsbit49 分鐘前

这一届中国企业家,彻底变了

marsbit49 分鐘前

曾经大热的Web3,进入裁员潮

2026年上半年,美国科技行业裁员近14万人,超过半数裁员事件将AI、自动化或机器学习列为理由。Web3行业作为科技与金融交叉领域,裁员潮尤为剧烈,头部交易平台及中小平台纷纷进行人员裁撤与业务收缩。 裁员过程往往突然而冷酷。有员工在毫无预警的情况下被关闭系统权限,仅通过邮箱收到裁员通知;有的交易平台每个季度裁员约10%,全年累计达40%;Coinbase印度办公室据称约90%员工被裁。许多公司选择在财年节点集中裁员,以美化财务报表。裁员补偿常不尽如人意,公司可能通过监控员工行为、设置苛刻KPI或强制考试等方式,将裁员包装成绩效淘汰,以避免支付补偿。 留任员工也承受巨大压力,工作氛围变得消极、惶恐,考核加剧,会议频繁,但产品方向模糊。管理层权术斗争激烈,底层员工成为牺牲品。公司文化往往苛刻,缺乏工作与生活平衡。 行业面临深层危机:交易平台依赖的手续费与上币收入模式难以为继,项目上币成本高昂但质量下降,散户流失,交易量萎缩。同时,链上衍生品平台兴起,进一步挤压中心化交易平台利润。去年10月的全行业大规模爆仓事件严重打击了市场信心,流动性枯竭,VC投资大幅收缩,项目方生存艰难。 被裁员工多转向AI行业,但传统金融甚至部分AI公司对Web3背景存在歧视,视其为“蟑螂旅馆”。行业内部竞争依然恶劣,有平台甚至将高薪挖角竞对员工作为KPI,数月后再裁掉,进行消耗战。 此次寒冬并非单纯周期或AI冲击所致,更源于行业自身模式弊端:高昂的上币费消耗生态、不透明的管理消耗员工信任、在寒冬中忙于内耗而非创新。Web3行业的衰败,更多是自身积累的问题爆发。

marsbit1 小時前

曾经大热的Web3,进入裁员潮

marsbit1 小時前

交易

現貨
活动图片