AI 骗局瞄准返校季购物者，但真正的威胁仍是熟悉的诈骗手法

Google News 推送了 WCAX 的一则警告：在预计将创下消费纪录的返校季，诈骗者正在利用 AI。问题并不只是人与逼真机器之间的对抗，而是匆忙的家庭要面对那些如今可借助 AI 更快生成、个性化并传播的熟悉骗局。

这则本地警告出现之际，购物者正积极比较服装、电子产品和课堂用品的价格。诈骗者并不需要全新的犯罪策略。他们只需要看似可信的广告、克隆店面、精心润色的信息，以及足以打断买家正常核查的紧迫感。

Google News 在这里可作为信息发现渠道，但聚合标题应当是核实的起点，而非终点。更广泛的证据显示，在这个季节性市场中，欺骗性广告、零售商冒充和 AI 辅助钓鱼攻击相互交织。这种组合同时给购物者、广告平台、零售商、学校和金融机构带来压力。

警告出现在创纪录的购物季

当高额消费、截止日期压力和寻求优惠同时出现时，诈骗机会也会增加。

返校季购物为犯罪分子提供了可预测的时间表。家庭需要在开学前购买特定商品，而促销活动又鼓励他们迅速行动。许多采购还涉及价格不菲的电子产品，使得异常大的折扣尤其具有吸引力。

美国全国零售联合会表示，截至 2026 年 7 月上旬，62% 的购物者已经开始购买学校用品。这一比例低于 2025 年的 67%，但高于 2024 年的 55%。这些数字表明，销售窗口如今已延伸至夏季的大部分时间。

该组织还预计，K-12 和大学市场的消费额将创下纪录。其季节性购物调查发现，负担能力仍是家庭最关切的问题。注重性价比的购物者一边比较促销活动，一边试图让有限预算覆盖冗长的采购清单。

这为欺骗性优惠创造了异常有利的环境。虚假广告无需说服人们购买陌生的奢侈品。它只需模仿笔记本电脑、背包、计算器或一双鞋的常规促销即可。

犯罪分子还可以复刻家庭早已习惯的营销语言。欺诈广告可能提及清仓库存、学生折扣、限量现货或开学日前送达。每个细节都可能让优惠显得应时，而非可疑。

Google News 的报道可以提醒读者注意这种季节性模式。然而，标题本身无法判断某一广告、商店或信息是否具有欺诈性。购物者仍需核实每项优惠背后的卖家和目标地址。

这种压力不仅限于父母。大学生可能是第一次独立购物。他们可能在同一时期遇到虚假教材商店、房源信息、奖学金通知、工作机会和科技产品促销。

学校和家长群体可能在无意中成为信任信号。犯罪分子可能冒充学区通知、募款活动、助学组织或课堂用品请求。熟悉的标志或复制的公告，可能在恶意链接出现前降低人们的警惕。

大量正规促销的集中出现又增加了一层伪装。大幅折扣商品可能是真的、假冒的、根本不存在的，或者只是窃取支付信息的诱饵。仅凭视觉质量已无法区分这些可能性。

这正是时机为何重要。创纪录的购物季并不能证明 AI 诈骗也达到创纪录水平，但它确实提供了更多匆忙的目标，以及具有商业价值的搜索活动。

实际变化在于规模。生成式工具降低了针对不同产品、学校、地区和受众调整骗局所需的工作量。一场活动可以从泛泛的垃圾信息，转向符合收件人即时购物情境的信息。

AI 如何让老式购物骗局更具迷惑性

AI 强化了诈骗的呈现与传播，但其根本目的仍是窃取金钱、凭证或身份数据。

传统的虚假商店需要商品描述、图片、广告、客户信息和结账页面。生成式 AI 可以帮助快速制作这些元素，也可以在无需大型犯罪团伙的情况下，为不同受众改写内容。

攻击者能够生成更精致的广告文案，减少拼写或语法错误。这一点很重要，因为明显的文字错误曾是购物者容易识别的警示信号。专业的措辞已不再能证明卖家合法。

图像生成器可以制作生活方式照片、产品场景、折扣图形以及所谓的客户评价。生成的素材或许没有复制任何单一零售商的资产，却仍能营造出一个拥有库存和满意买家的正常品牌形象。

大语言模型还可以帮助犯罪分子实现更具针对性的钓鱼攻击，也就是旨在窃取信息或诱导有害操作的欺骗性信息。一条信息可能提及学校日程、本地活动、热门产品或近期购买记录。公开帖子和泄露数据都能提供这些背景。

FBI 曾警告，AI 会提高社会工程攻击的速度、规模和自动化程度。其AI 欺诈警告特别指出，定制化钓鱼攻击、令人信服的信息以及克隆音频或视频正成为日益增长的风险。

语音克隆又提供了另一条路径。一段简短录音便可帮助生成听起来像真实人物的语音。犯罪分子可能在所谓的支付紧急情况中冒充学生、家长、学校员工或零售商代表。

美国联邦贸易委员会曾描述过这样的骗局：来电者使用克隆的家人声音，并虚构紧急危机。其语音克隆指南建议通过已知号码联系当事人，而不是相信来电中的声音。

返校季活动为这些电话提供了看似合理的故事。学生可能据称急需支付住宿、出行、注册、科技设备或学校用品费用。由于家庭本就在处理这些开支，细节听起来很平常。

AI 还能在首次接触后支持对话式诈骗。聊天机器人可以回答有关配送、尺码、退款或产品兼容性的基本问题。快速回复会让虚假商店看起来配备了工作人员且响应及时。

这种响应速度带来了危险的反转。买家已习惯将缓慢、含糊的沟通视为可疑。自动回复让犯罪分子能够模仿成熟在线零售商所具备的响应速度。

不过，AI 并不会让每个骗局都毫无破绽。生成的文本可能与商店政策相矛盾，或出现重复。产品图片可能包含不一致的细节。客服可能回避有关库存、地址或退货的具体问题。

只有当购物者停下来仔细观察时，这些弱点才有用。倒计时、即将消失的折扣或库存不足提示，正是为了阻止这种停顿。紧迫感仍然是将视觉可信度转化为付款行为的机制。

这正是 Google News 警告背后的核心取舍。AI 可以让优惠的表面看起来更值得信任，却无法让卖家的身份、履约记录或付款要求变得更可信。

因此，最可靠的核查应放在生成内容之外。买家应独立查找零售商、比较域名、检查相关政策，并使用保留争议处理权利的支付方式。这些步骤检验的是交易本身，而非其呈现形式。

Google News 无法核实每条标题背后的商店

信息发现系统可以展示警告和正规促销，但无法取代对卖家、域名和付款请求的直接核实。

用户可能通过搜索结果、新闻报道、社交媒体、电子邮件或广告看到返校季优惠。每个渠道都会为目标页面带来一些借用的可信度。用户认出了周边平台，在检查链接前便放松了警惕。

这种信任转移正是冒充活动所利用的对象。犯罪分子无需攻破大型零售商。攻击者可以购买广告、复制品牌元素，再将购物者引向外观相似的域名。

拼写抢注使用与正规域名相似、但加入、遗漏或替换了字符的网址。在狭小的手机屏幕上，差别可能很难察觉。复制的标志可以分散人们对地址栏的注意力。

安全公司 GeoEdge 报告称，在 2026 年购物季期间出现了欺骗性广告、克隆零售商页面、恶意重定向和虚假购物优惠。其恶意广告研究称，攻击者还会利用位置、设备和浏览器信号，控制哪些访问者会看到有害内容。

恶意广告是指通过在线广告传播的恶意或欺骗性活动。一些活动在审查期间最初展示无害内容，随后才更改目标地址，或仅对特定用户启用有害行为。

这种技术给平台带来了棘手问题。审查人员与购物者可能从同一广告中获得不同体验。广告也可能在到达欺诈结账页面前，经历多次重定向。

AI 生成的创意内容让第一阶段成本更低。犯罪分子可以测试大量图片、标题和产品类别，淘汰效果不佳的版本，并将更多流量导向吸引点击的信息。

零售媒体网络也面临类似压力。这些网络会在零售商网站、应用和外部资产上投放赞助商品。购物者可能以为每个展示位置都经过与零售商自有库存相同的审查。

这种假设并不安全。广告可能涉及多个中间方，而合法应用程序也可能展示由另一网络提供的内容。购物者看到的是受信任的应用，而目标页面却属于未知运营者。

Google News 的角色不同。它可以展示有关新兴威胁的报道，并帮助读者找到多个叙述来源。它不会检查读者无关的购物车，也不会为在其他地方遇到的广告商提供保证。

用户还应区分报道与证据。一篇报道可以证明主管部门或研究人员观察到了某种手法，却无法证明每一项大幅折扣、新商店或 AI 生成图片都代表欺诈。

反过来同样重要。不能因为反向图片搜索未发现被复制的照片，就认定一个精美页面安全。图片可能是新生成的，而结账流程和卖家仍可能具有欺诈性。

验证应从卖家的身份开始。将公司名称与“投诉”或“骗局”等词一起搜索。随后应在可靠来源之间交叉比对结果，而不是依赖卖家展示的评论。

对评论需要格外谨慎。生成式工具可以生成带有可信姓名和具体产品细节的多样化好评。大量正面评价可能是批量伪造的，也可能是从无关商品页面移植而来。

网站加密也是一项有限的信号。锁形图标仅表示数据通过加密连接传输。它并不能证明接收这些信息的组织是诚实可信的。

FTC 的网上购物建议清楚地区分了这两者。该机构建议消费者研究卖家、比较产品、审阅退货政策、保留记录，并在可能时使用信用卡支付。

这些核查听上去不如 AI 检测先进。这正是它们的优势所在。即使生成的文字、图像和音频变得难以可靠识别，它们仍然有用。

真正的较量是可信度与验证能力之间的较量

消费者应停止纠结内容看起来是否由 AI 生成，转而关注交易能否经受独立验证。

视觉检查存在局限。生成图像中的手部异常、别扭的阴影和不自然的表情，或许能揭示部分合成图像。然而模型不断进步，合法卖家也会使用经过编辑或生成的营销内容。

仅仅使用 AI 并不能证明存在犯罪意图。零售商可能将自动化用于产品描述、聊天支持、翻译或广告。真实卖家和虚假卖家都可能依赖类似的创意工具。

决定性问题在于可追责性。消费者能否确认是谁运营这家店、可以在哪里联系到它、它作出了什么承诺，以及发生争议时将如何处理？欺诈性经营通常经不起这些问题的检验。

先从网址开始。不要仅仅因为链接出现在一条令人信服的信息中就相信它。当促销活动声称来自某零售商时，直接输入该零售商已知的网址，或使用其官方应用。

接着，在不同卖家之间比较产品。明显低于正常市场价格区间的报价值得额外审查，尤其是电子产品和品牌服装。稀缺性话术应促使你加强核实，而不是加快结账。

付款前检查退货和配送政策。虚假商店可能使用通用文本，其中提及另一家公司或司法管辖区。它还可能在不同页面承诺彼此不一致的配送周期。

联系信息提供了另一项测试。独立搜索地址，并在卖家网站之外验证电话号码。仅有一个客服邮箱，会让运营者对互动过程拥有很大的控制权。

支付方式会揭示权力平衡。信用卡通常提供对未经授权的扣款或从未送达的商品提出争议的程序。礼品卡、加密货币和电汇提供的实际追回选项更少。

坚持要求不可逆支付的卖家，并不是在提供便利。它是在移除让网络购物尚可接受的保障。支付要求比广告质量更值得关注。

家庭对于据称由学校发送的信息也应采用类似流程。独立打开学区网站或此前安装的学校应用。当请求涉及凭证、敏感记录或紧急付款时，拨打已知电话号码。

语音信息也需要同样的分离验证。不要通过来电者提供的号码回拨。应通过在紧急情况之前就已建立的渠道联系家人或机构。

家长和学生可以为真实紧急情况设置一条私密验证短语。这项措施并不完美，因为短语可能泄露。但与独立回拨结合时，它仍会增加欺诈的阻力。

在发生可疑互动后，账户安全同样重要。多因素身份验证要求除密码之外再提供一个登录验证因素。当凭证输入欺诈表单时，它可以限制损失，尽管无法阻止每一次账户接管。

密码复用会提高风险。一份虚假书店登录页面可能泄露用于电子邮件、学校系统或购物账户的凭证。使用唯一密码可防止一次成功欺骗蔓延到多个服务。

消费者应保存收据、订单确认、消息、域名和截图。这些记录有助于提出争议和举报。如果虚假网站在收款后消失，它们也能保留证据。

如果一笔付款疑似欺诈，应立即联系发卡机构或支付服务商。通过官方渠道报告事件，并在适当情况下向 FTC 和 FBI 的 Internet Crime Complaint Center 举报。

FBI 报告称，2025 年前七个月共收到超过 9,000 起与 AI 相关的投诉。这些投诉涵盖多个诈骗类别，而非单一孤立手法。该数字反映的是收到的举报，并非受害情况的完整规模。

这一区分很重要。“AI 骗局”之类的标签可能造成虚假的精确感，因为调查人员未必知道一条信息由哪些工具生成。犯罪分子还会将自动化与人工对话及传统窃取的数据混合使用。

因此，保持怀疑的视角是必要的。并非每一种季节性骗局都因 AI 而发生实质性变化，公开报道也很少披露攻击者完整的操作流程。关于 AI 参与程度的说法，应与可获得的证据相称。

不过，对所用工具的不确定性并不会削弱对消费者的警示。无论商品文案来自模型还是人类，虚假结账页面都会窃取支付数据。验证能够应对这两种可能。

平台和零售商也面临自身的验证缺口

消费者的警惕很重要，但平台和商业公司掌控着大规模传播欺骗性促销内容的系统。

消费者可以检查一个域名或一则广告。广告平台则要处理跨市场、设备和受众群体的营销活动。这种规模让平台拥有更高的可见性，但也给攻击者提供了更多藏身之处。

静态审查难以匹配动态营销活动。一则看似无害的创意内容，可能会将用户带往一个在获批后发生变化的目标页面。有条件的重定向可以向审核人员展示一个页面，同时向目标消费者展示另一个页面。

平台需要检查从广告到结账的完整路径。这包括重定向、目标页面变化、脚本、域名年龄、支付流程和投诉情况。获批后的复查与审查初始素材同样重要。

零售商还需要监控其自有网站之外的冒充行为。被复制的品牌可能出现在搜索广告、社交帖子、电子邮件和陌生应用中。清晰的举报渠道有助于客户在营销活动进一步扩散前提交可疑域名。

学校面临相关的身份问题。学区徽标、教职员姓名、日历和活动细节通常是公开信息。这种透明度有助于家庭，但也为犯罪分子提供了制作可信信息的素材。

沟通政策可以减少模糊空间。学校应告知家庭使用哪些系统、付款请求会如何呈现，以及绝不会要求哪些支付类型。一致的流程能让偏离常规的情况更容易被识别。

金融机构处于最后一道关口。它们能够识别异常交易、高风险商户和账户行为的突然变化。然而，相关控制措施必须避免在本已紧张的季节拦截合法购买。

这场较量不只是检测与规避之间的对抗，也是便利与验证之间的权衡。每增加一条警告、一次登录挑战或一项支付审查，都会给合法买家增加摩擦。

犯罪分子利用了商业领域保持结账流程轻松顺畅的压力。零售商不喜欢被放弃的购物车，平台则希望迅速投放相关广告。当控制措施拖慢交易时，防诈可能与这些目标冲突。

AI 可以在双方发挥作用。平台可以使用机器学习识别被复制的品牌、关联域名、异常重定向和协同营销活动。攻击者则可以调整创意素材，以避开重复特征。

这形成了一个不对称循环。防御者必须在数百万次合法互动中限制误报。犯罪分子只需要足够多的成功交易，就能让一次临时营销活动变得值得。

因此，Google News 的警告应被理解为不止是个人安全建议。它揭示了一个涉及广告审核、零售商身份、平台激励和责任分散的传播问题。

消费者仍承担了过多最终验证负担。在多个企业已经传输、展示或处理了该营销活动的部分内容之后，他们才会看到具有欺骗性的目标页面。

更强大的系统不会消除个人责任。但它们可以减少消费者在匆忙购物时必须区分精致骗局与真实促销的频率。

开学季抢购之后需要关注什么

接下来的证据应表明，AI 驱动的购物欺诈究竟是季节性激增、更广泛的基础设施问题，还是两者兼具。

第一个信号是购物季结束后公布的投诉和损失数据。报告应在证据支持这种区分的情况下，分别统计网络购物欺诈、冒充、凭证窃取和 AI 辅助联系。

仅投诉数量上升并不能证明是 AI 导致了增长。创纪录的购物量、价格上涨和更完善的举报机制也会影响总数。有价值的分析将比较多个季节的发生率、手法和损失。

第二个信号是平台执法情况。广告网络、社交平台、应用商店和零售商应披露被移除的营销活动或政策变化。针对重定向和零售商冒充采取具体行动，将加强基础设施问题这一论点。

沉默会留下重大的验证缺口。消费者无法评估平台是在消费者举报前还是之后发现恶意目标页面。汇总透明度将显示执法力度是否与公开警告相匹配。

第三个信号是犯罪分子在假日季的适应情况。开学季购物为规模大得多的零售活动前提供了一个测试期。重复使用的域名、结账模板和广告手法将表明这是一种可重复的操作。

假日营销活动还可能将虚假商店与克隆语音或冒充信息结合起来。一名所谓的亲属可能会推荐优惠，或请求帮助购买礼物。跨渠道劝说可能比一则可疑广告更难评估。

Google News 的读者应关注那些将已观察到的行为与对工具的推测区分开来的报道。研究人员可能识别出 AI 生成的创意内容，但在无法接触营销活动运营者的情况下，归因仍然困难。

这种报道纪律很重要，因为耸动的 AI 叙事可能掩盖可采取行动的事实。域名、支付方式、重定向链和被冒充的组织，往往比疑似使用的模型更能告诉消费者问题所在。

即使技术发生变化，核心教训仍将保持稳定。把紧迫感视为放慢脚步的理由。通过独立渠道验证身份，检查交易，并保留追回损失的途径。

令人信服的声音并不等于授权。专业的广告并不等于经过验证的卖家。安全连接并不证明所有权诚实可信，熟悉的平台也并非保障。

在根据 Google News、社交媒体、电子邮件或应用推送的下一则优惠下单之前，先问一个实际问题：不借助卖家提供的任何信息，能否核实其身份？如果答案是否定的，请暂停购买，独立查找该零售商，并与值得信赖的人讨论这项优惠。请举报可疑活动，以便平台、零售商和调查人员能够关联那些看似孤立的事件。AI 让欺诈内容更容易被精心包装和个性化，但并不会消除付款、身份和问责机制周围的信号。这些信号仍是消费者最有力的防线。