Visa 加强网络安全防御，应对以人为信任目标的 AI 诈骗

随着 AI 驱动的攻击不再局限于窃取银行卡号，而是瞄准授权付款的人，Visa 正在加强其网络安全防御。对于关注此事的 Google News 读者而言，这场对抗远不只是一次常规安全升级。更强的身份验证正在减少部分常见欺诈，但生成式 AI 也正帮助犯罪分子大规模实施冒充、网络钓鱼和其他形式的社会工程攻击。

Visa 最新的威胁数据反映了这一转变。与 2024 年同期相比，2025 年 7 月至 12 月期间，涉及设备令牌的欺诈下降了 9.6%。不过，该公司表示，随着犯罪分子将注意力从技术控制措施转向人的判断力，诈骗已成为消费者面临的主要威胁。

这一变化同时给银行、商户、支付处理商、技术平台和消费者带来压力。Visa 可以检查其网络中的活动，但一通令人信服的电话或一条欺诈信息，就可能诱导真实客户批准一笔非法付款。当客户可被操纵而主动打开大门时，攻击者并不总需要攻破支付系统。

Visa 的应对方案结合了网络级控制措施与面向金融机构的新型威胁情报服务。该公司正尝试将恶意软件、泄露凭证和品牌冒充等网络信号，与随后发生的支付欺诈关联起来。核心问题在于，防御者能否在攻击者接触客户之前建立这些关联。

Visa 在网络安全战略中作出了哪些调整

Visa 正将支付安全前移至攻击周期的更早阶段，在被盗信息演变为欺诈交易之前进行防范。

该公司于 2026 年 7 月 2 日在欧洲为金融机构推出 Visa Threat Intelligence Platform，即 VTIP。这项服务将网络安全情报与潜在支付风险信息相结合。Visa 表示，该平台采用了在保护其自身网络过程中开发和验证的能力。

传统的支付欺诈系统通常聚焦于最终交易，审查交易金额、地点、商户、设备，以及其与客户既往行为之间的关系。这一流程依然重要，但若网络事件发生在数天或数周之前，启动时可能已经太晚。

犯罪分子可能先窃取员工凭证、冒充银行、入侵商户，或传播恶意软件。随后，这些被盗信息可能在犯罪市场中流转，之后才有人尝试付款。每一步都会产生证据，但这些证据可能分散在安全、反欺诈和风险团队之间。

VTIP 旨在将这些信号更紧密地整合起来。其威胁情报组件会识别与恶意软件相关的入侵指标，也就是系统可能已遭入侵的技术证据。漏洞情报则突出相关的软件暴露面和已知漏洞利用方式。

该平台还包括品牌情报，用于发现对机构身份的冒充和滥用。数字身份情报会监控针对高管和员工的威胁。这些目标之所以重要，是因为拥有特权的用户可能提供对系统、数据或受信任通信渠道的访问权限。

根据 Visa 的威胁平台公告，该公司每月拦截约 9000 万次网络攻击和 1100 万封网络钓鱼邮件。这些数据覆盖 200 多个国家和地区的运营情况。它们展现了 Visa 产品背后的网络可见性，但客户仍需在自身环境中验证其有效性。

这并非取代交易评分，而是通过将欺诈视为更早期网络活动的下游结果，扩展防御边界。一笔可疑交易将成为更长攻击链中的一个事件，而非最先可见的异常信号。

Visa 还持续投资于授权时运行的控制措施。Visa Advanced Authorization 使用机器学习，在毫秒内根据 400 多项风险因素评估交易。该公司表示，该系统每年利用发卡机构和商户的情报处理数十亿笔交易。

这种分层结构很重要，因为没有任何单一控制措施能拦截所有攻击。身份验证可以确认正确的设备或账户是否批准了一笔交易，但并不总能判断持有该设备的人是否受到了犯罪分子的欺骗。

因此，Visa 的战略连接了三个不同节点：最初的网络入侵、对目标的操纵，以及由此产生的支付。首项重大改变在组织层面与技术层面同样重要。网络安全与反欺诈团队需要共享证据、更快升级响应，并形成共同的风险视图。

为什么 AI 驱动的欺诈正转向针对人

更好的网络安全迫使攻击者转向一个无法像软件那样修补的目标：人的信任。

Visa 的《2026 年春季半年威胁报告》称，在此前六个月中，其网络拦截的独特枚举攻击数量增加了 13%。枚举是一种测卡技术，犯罪分子通过反复尝试，找出仍然有效的账户信息组合。

尽管攻击量上升，Visa 表示，与枚举相关的损失下降了 16%。该公司将这一改善很大程度上归因于其 Risk Operations Center 拦截的疑似欺诈。设备令牌欺诈也同比下降了 9.6%。

这些结果支持 Visa 关于网络控制措施正在改善的说法，但并不意味着整体威胁正在消退。当既有途径的盈利能力下降时，攻击者会改变手法。

Visa 在 2025 年 7 月至 12 月期间识别出近 10 亿美元与诈骗相关的欺诈企图。其威胁报告描述了一种结构性转变：从技术入侵转向行为操纵。

在传统账户接管中，攻击者试图向银行冒充客户。在授权付款诈骗中，攻击者则说服真实客户自行完成交易。因此，这笔付款可能通过原本用于确认账户所有权的检查。

生成式 AI 让这种欺骗变得更低成本，也更容易实现个性化。犯罪分子可以生成语法流畅的信息，模仿熟悉的写作风格，制作虚假网站，并针对不同目标调整话术。合成音频和视频还能增添一层表面上的可信度。

AI 无需创造新的犯罪类别，也能改变其经济模式。诈骗团伙可以借助 AI 研究更多目标、生成更多变体，并在对话中更快作出回应。当这些能力被应用于数千次诈骗尝试时，即便只是小幅效率提升也会产生显著影响。

Visa 支付生态系统风险与控制高级副总裁 Michael Jabbara 表示，AI 降低了进入欺诈领域的门槛。他更尖锐的观点是，过去需要较深技术能力的活动，如今越来越可以从一条提示词开始。

Google Threat Intelligence Group 也记录了支付领域之外的类似发展。今年 5 月，该机构报告称，其认为首次观察到威胁行为者使用由 AI 开发的零日漏洞利用。零日漏洞是指此前未知、防御者尚无机会修补的软件缺陷。

该机构的AI 威胁追踪报告还描述，生成式模型正融入侦察、初始访问和恶意软件操作等环节。这些证据使问题不再局限于更出色的网络钓鱼文案。攻击者正开始在整个攻击生命周期中应用 AI。

不过，社会工程仍然格外具有吸引力，因为它避免了与加固基础设施的直接对抗。无法攻破令牌化或交易加密的攻击者，可以冒充银行员工。其他人则可以假扮高管，制造紧急付款请求。

这些方法利用了正常的人类行为。人们会对权威、恐惧、稀缺性和时间压力作出反应。AI 可帮助犯罪分子利用从泄露数据、公开资料或早期对话中收集的细节，对这些触发因素进行定制。

这正是 Visa 安全改进中令人不安的反转。针对一类欺诈的成功，可能会转移犯罪活动，而非将其消除。技术关卡越坚固，一个可信的故事就越有价值。

Google News 标题未提及的内容

关键的较量并非简单的 AI 对 AI，而是整合式防御对抗碎片化证据。

“AI 正在助长这些攻击”这一说法准确捕捉了紧迫性，但也可能掩盖实际挑战。金融机构已经收集了大量安全和交易数据。问题往往在于，证据来自不同系统、归属不同团队，并在不同时间到达。

安全运营团队可能发现恶意软件正与员工电脑通信。品牌保护服务可能发现一个虚假的银行网站。反欺诈团队则可能在之后观察到异常转账。若缺乏协调，每一事件看起来都可能不如其组合模式那样严重。

Visa 的方法试图将其网络位置转化为优势。单家银行只能看到涉及其客户和账户的活动。Visa 则能够观察跨越商户、发卡机构、收单机构、地区和支付渠道的模式。

这种更广泛的视图有助于识别那些单笔交易看似正常的协同攻击。当一种模式在某个市场出现后，它也提供了分发防御情报的机会。Visa 将这种方法描述为一次发现威胁、全球范围防御。

该公司表示，在截至 2026 年的五年间，已在技术和基础设施上投资 130 亿美元。它还报告称，通过 Visa Scam Disruption 已取缔超过 2.5 万家诈骗商户，涉及逾 10 亿美元的欺诈企图。

Visa 的网络防御报告称，2025 年其拦截的欺诈性电商交易数量接近前一年的两倍。报告还称，其网络内的电商欺诈率下降了 8%。

这些是公司自行报告的数据，并非对每项控制措施的独立评估。不过，它们体现了 Visa 部署自动化防御的规模。机器学习可以将当前活动与大型支付网络中的模式进行比较，通常比人工分析师调查单个警报更快。

速度已成为双方的核心机制。攻击者可以自动化目标发现、信息生成、凭证测试和部分漏洞利用开发。防御者则可以自动化风险评分、模式检测，以及在机构间分发指标。

不同之处在于，防御者受到更严格的约束。犯罪分子可以发送数千条劣质信息，只要少数成功即可。银行则必须在满足监管、隐私和运营要求的同时，避免拦截大量合法客户。

因此，误报同样重要。一个能够阻止欺诈、却反复拒绝真实购买的模型，会损害客户信任并增加支持成本。过于敏感的身份系统，也可能为行为不符合狭窄历史模式的人制造障碍。

防御方还必须解释并审计重要决策。金融机构需要对模型访问、数据保留、升级处理和人工审核建立控制机制。它们不能只是部署一个 AI 模型，并假定更多自动化就会带来更好的安全性。

Visa 的平台还应对了另一项限制：相关性。安全团队从许多来源接收威胁情报，但其中大量信息可能与其系统或客户几乎无关。VTIP 表示，它会为金融行业筛选恶意软件、漏洞、品牌和身份信号。

这种聚焦可以减少噪声，但客户仍需要证据证明这些情报能够改变结果。只有当机构能在资金转移前调查并采取行动时，更早的警报才有意义。集成速度、人员能力和响应流程依然至关重要。

Google News 的叙事方式也有可能将 Visa 的工作呈现为一次单一产品发布。更准确的理解是，这代表支付公司正在调整其安全边界的划分方式。欺诈防范如今向前延伸至网络安全、身份保护和在线冒充。

这一扩展后的边界让 Visa 进入了更广阔的竞争领域。Mastercard、银行、云服务提供商、安全厂商和身份公司，都在分析同一攻击链的不同环节。竞争的核心是谁能关联最清晰的信号，同时又不造成过多摩擦。

没有任何组织能看到全貌。电信运营商可能发现诈骗电话或短信。技术平台可以识别虚假账户和恶意广告。银行了解客户行为，而支付网络则能看到资金在机构之间流动。

因此，获胜的模式取决于协作，而非某一家公司的数据集。Visa 的平台可以改善金融行业的视野，但防范诈骗还需要社交网络、域名注册商、电信公司、执法机构和监管部门采取行动。

Visa 的 AI 防御仍面临验证难题

Visa 具备可信的规模，但其公开数据尚无法证明 AI 在每项安全改进中究竟贡献了多少独特价值。

该公司的报告汇集了多项需要谨慎解读的趋势。设备令牌欺诈有所下降，枚举攻击损失减少，Visa 也拦截了更多攻击。这些结果支持其控制措施增强的判断，但并不能将 AI 的作用与其他变化区分开来。

令牌化、身份验证、网络规则、分析师干预、商户控制和执法行动都可能影响欺诈率。Visa 的安全系统采用多层防护。若要将某项结果归因于某个模型或平台，就需要更详细的衡量数据。

这些威胁数据也来自 Visa 自身的网络和运营体系。这提供了宝贵的可见性，但并不等同于对每种支付方式、每个地理市场或每家金融机构的均衡代表。被转移到网络之外的欺诈，可能不会出现在同一套指标中。

Visa 报告称，与一年前同期相比，2025 年 7 月至 12 月期间全球勒索软件活动增加了 26%。仅有 23% 的受害者支付赎金，公司称这是有记录以来的最低比例。

这两个数字指向不同方向。犯罪分子发起了更多勒索软件行动，而受害者则更不愿意或更不被迫付款。更强的恢复能力或许解释了部分抵抗力，但即便组织拒绝付款，攻击者仍可能窃取并泄露数据。

这一模式强化了预防与韧性之间的区别。组织不能假定每次入侵都能被阻止。它需要经过测试的恢复流程、受保护的备份、明确的决策权限，以及面向客户和合作伙伴的沟通方案。

同样的谨慎也适用于 AI 生成的网络攻击。Google 已记录一起疑似由 AI 辅助发现的零日漏洞，但这并不意味着自主系统如今实施了大多数入侵。许多犯罪分子仍在使用常见的网络钓鱼、凭证窃取、未修补漏洞和成熟恶意软件。

IBM 安全研究人员为更广泛的说法提供了有益的平衡视角。他们的恶意软件分析认为，当前的 AI 往往提升攻击者的生产力，但不会使原本根本不可能的技术成为可能。研究人员认为，冒充和网络钓鱼比完全自主的恶意软件更值得立即关注。

这种区分关系到防御重点。组织不应为了追逐专门的 AI 产品而放弃基础控制措施。多因素认证、补丁管理、网络分段、员工验证流程和事件恢复仍然不可或缺。

AI 也可能在防御系统内部制造新的弱点。模型可能犯错、继承带有偏见的数据、暴露敏感信息，或自己成为攻击目标。攻击者可能尝试提示注入，即利用隐藏或恶意指令操控 AI 系统的行为。

安全团队需要控制 AI 服务可以访问哪些数据，以及它可以执行哪些操作。一个用于汇总威胁报告的系统带来的运营风险有限。一个能够自主封禁账户或变更基础设施的服务，则需要严格得多的监督。

金融机构还必须决定 Visa 的情报如何融入现有工具。一个重复当前警报的新数据源，可能增加工作量而非减少工作量。只有当其支付场景信息帮助团队优先处理原本会忽略的威胁时，该平台才会体现价值。

Visa 尚未公开提供 VTIP 的广泛客户成果数据。发布公告称该公司已在内部测试该平台，但内部验证并不等同于在不同银行中的独立表现。

有价值的证据应包括检测提前量、误报率、避免的损失、分析师工作量，以及在网络安全和支付系统之间关联的事件数量。结果还应区分由模型驱动的发现、传统规则和人工分析。

另一项不确定性涉及跨境合作。犯罪基础设施、受害者、平台和金融机构往往位于不同司法辖区。共享情报可能会遇到隐私要求、报告规则不一致以及法律协调延迟等问题。

Visa 在其威胁报告中承认了这种碎片化。该公司表示，重大失败越来越多地发生在激励机制和可见性无法对齐的生态系统边界。这个诊断颇具说服力，但要解决这些边界问题，靠商业平台并不够。

银行可能不愿共享敏感的事件信息。技术平台对有害活动的定义也可能不同。即使情报准确，较小的机构也可能缺乏足够人员迅速调查警报。

因此，关键考验在于运营层面。该平台能否缩短从早期预警到采取保护行动的时间？机构能否协同行动，而不会将欺诈转移给防护较弱的参与者？

在这些问题得到答案之前，Visa 的主张应被视为由有意义规模支撑的战略方向，而不是支付行业已经解决 AI 赋能欺诈问题的最终证明。

Visa 推进网络安全后值得关注的事项

三个信号将显示 Visa 是否正在缩小发现网络活动与防止资金损失之间的差距。

第一个信号是 VTIP 在采用情况和性能方面的可衡量数据。Visa 应提供客户案例，展示早期网络情报如何阻止后续欺诈事件。检测速度和误报率将比收集到的指标数量更重要。

一个强有力的结果应表明，某家机构在客户损失资金之前识别出了被攻陷的基础设施或冒充行为。它还应证明，分析师能够采取行动，而不会扰乱大量合法交易。

缺少这些指标将削弱 Visa 的论点。金融机构已经购买了大量安全情报源，另一个仪表板并不能保证更快响应。该平台必须改善优先级排序、调查能力或协同行动。

第二个信号是诈骗增长与传统欺诈控制改善之间的平衡。Visa 当前数据表明，设备令牌欺诈和枚举攻击损失在下降，而诈骗正变得更加突出。未来报告应揭示，行为防御能否复制此前的成果。

最有意义的变化将是，进入支付授权阶段的诈骗尝试减少。这意味着银行和支付网络能在客户完成转账前识别欺骗行为。

仅报告损失下降则需要更多背景。犯罪分子可能转向不同的支付方式、平台或机构。Visa 应解释其控制措施是阻止了相关活动，还是仅仅将其转移了出去。

商户数据提供了另一项有用的检验。2026 年《全球电子商务支付与欺诈报告》发现，98% 的受访商户在上一年中至少遭遇过一种欺诈攻击。不过，攻击类型的平均数量从 4.2 降至 3.8。

这些发现说明，单一趋势无法定义整个市场。某些攻击类别可能下降，而几乎每家商户仍会遭遇欺诈。改进必须从攻击发生率、损失、运营成本和客户摩擦等维度衡量。

第三个信号是关于攻击者使用 AI 的证据。关键问题在于，AI 是否仍主要是一种生产力工具，还是开始产生可重复、能够绕过既有防御的能力。

Google 发现的疑似由 AI 开发的零日漏洞是一个重要标志。若出现更多类似案例，将强化这样一种判断：攻击者正在超越更快的研究和更好的社会工程能力。届时，防御方将面临更短的补丁窗口，以及更多能够利用未知漏洞的行为者。

如果此类案例仍然罕见，当前的优先事项就应继续聚焦于可规模化的冒充、网络钓鱼、凭证滥用和被操纵的支付。这些攻击已经有效，而 AI 无需引入新的技术方法就能扩大其覆盖范围。

这种区别会影响预算。安全负责人必须决定，在模型专用控制措施上的投入应占多大比例，相比之下又应向身份、恢复、员工培训和系统集成投入多少。由恐惧驱动的支出可能让熟悉的弱点无人问津。

Visa 的战略指向了一个合理基础：更早关联信号、以网络规模进行分析，并将欺骗视为支付安全的一部分。其自身数据表明，孤立的技术控制措施无法覆盖从入侵到欺诈的完整路径。

对消费者而言，这一变化意味着，有效账户和受信任设备不再保证支付合法。涉及紧迫性、保密性、意外账户变更或异常支付方式的请求，都应通过已知渠道进行独立验证。

对企业而言，支付审批流程需要考虑到高度逼真的冒充行为。语音、视频或精心制作的信息不应凌驾于既定验证规则之上。高风险变更应要求通过独立系统或人员进行确认。

对开发者而言，这一故事凸显了围绕工作流而非单个模型输出设计安全机制的重要性。系统应限制权限、记录敏感操作，并保留人工审核路径。即使攻击者使用的具体 AI 工具尚不明确，这些控制措施仍然有效。

下一份 Visa 威胁报告值得在 Google 新闻周期之外获得关注。它应能表明，在技术性欺诈减少的同时，诈骗是否仍在持续增长；也可能揭示，早期情报是否正在参与机构中产生可量化的成效。

Visa 已清晰指出其中的关键取舍：网络防御正在不断改善，但这一进展也促使攻击者将目标转向人员与组织层面的薄弱环节。AI 通过让欺骗内容更易制作、更具个性化、也更容易反复实施，加速了这一转变。

应对措施不能只依赖 AI。还需要更完善的情报、严谨的核验、恢复预案，以及在犯罪分子所利用的各类系统之间开展协作。请关注下一批客户成果、欺诈趋势，以及有独立记录的 AI 攻击案例。这些信号结合起来，将显示 Visa 是正在领先应对这一转变，还是仅仅更快地描述它。