第一批用ChatGPT坐牢的人,都玩的是哪些套路?

通过GPT在短时间内生成完整诈骗话术,套路啊套路

“虚拟角色”可以虚拟客服,还可以虚拟恋人玩杀猪盘

让受害人以为自己“坠入爱河”

套路还是从前的套路

但骗子用上了新的工具

又换上了很多马甲

防不胜防

你以为OpenAI不知道骗子会用这个工具来做坏事吗?

当然知道,人家还添加了安全保护机制。

但防不住骗子有文化啊。人家也会突破安全机制的嘛。

就像当年坏人用群发短信的功能实施诈骗,逼得运营商不得不把对个人发送短信的数量进行限制,对企业用的端口也查得越来越严。

——但骗子能换工具啊,不用短信可以换微信、换直播、换快闪群……

现在坏人突破网站的安全机制,还能用ChatGPT快速编程,写软件来继续做坏事;比如写钓鱼邮件,群发,获得你的个人信息;还有加密工具远程锁定你的电脑,再勒索你;再比如生成脚本,远程攻击你的交换网络,等等。

用AI谈一场“虚拟恋爱”,只算得上是骗子的入门级骗法。

人工智能强大的生产效率,能产生的是大批量的边际成本几乎为0的“虚拟恋人”。

利用强大的技术,一条诈骗信息几秒钟内就可以生成,从自我介绍、兴趣爱好,到一份扣人心弦的“情书”。

再结合“用户画像”的玩法,录入目标用户的特征,对话术进行个性化升级改造,生成的情书就不是千篇一律的情话,而是私人定制的缠绵。

 

再用生成式AI,创建一个“虚拟恋人”,引诱目标用户坠入爱河

接下来就是重头戏了,用GPT辅助编写收款程序,用链接获取银行卡信息,就可以一气呵成骗到钱。

当然,这种“杀猪盘”的玩法并不新鲜,杭州的一些社区群里,经常会有防骗通报发出来,似乎每周都有人被“杀猪”。

 

不同的是,曾经的杀猪盘,或许是真人,陪你聊天,发你信息,至少是付出了真人的脑力和时间;现在用AI可以模仿真人的脸、模仿真人的声音,模仿真人的视频,还能24小时输出文字,不用休息,让人无法分辨屏幕的另一端到底是人还是一段代码。

为了测试人是否对AI情话产生“信赖”,4个月前,全球最大的安全技术公司迈克菲(McAfee)用AI生成一封情书,并发给全球5000个用户。

 

这些用户知情,这情书可能是人工智能生成的,但这并不影响依然有33%的人相信这些情话出自真人,而不是一团代码。

而坚信这情书是由AI生成的用户,只有31%

剩下的36%的用户,表示无法区分是人工的手笔,还是人工智能的手笔。

对于毫无戒心的人来说,人工智能更容易得手。

除了“虚拟恋人”,黑客们还在用GPT批量生成勒索软件和恶意代码。

你要知道ChatGPT的养料,所拥有的知识含量,比我这个号的所有粉丝看过的书多得多,坏人用起高智慧工具来,你根本不知道自己被套路了。

就是那种你被骗了——还在帮骗子数钱那种。

不是因为GPT的出现才让骗子这么容易得手。

每一次技术的进步,都有被坏人利用的空间,就像有人在抖音骗钱,还明目张胆地骗一样。

当然,他们每分每秒都可能在更新骗术。

 不受监管的人工智能,在不知不觉中就成为我们的巨大威胁。所以监管很重要。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
迄今为止,刑事司法系统中部署了大约 60 种风险评估工具。 这些工具旨在区分低、中和高风险被告,并增加仅对公共安全构成风险或可能逃跑的人进行拘留的可能性。 精算工具的支持者声称,这些工具旨在通过以比人脑更有效的方式汇总所有相关信息来消除人类偏见并使决策过程合理化。 此类工具的反对者担心,精算工具会以科学的名义强化人类偏见,损害被告的权利并增加系统中的种族差异。 两个阵营之间的差距在过去几年中扩大了,政策制定者在技术有助于建立更公正的系统的承诺和日益增长的运动之间左右为难,该运动要求在金融领域废除精算风险评估工具的使用。一般,尤其是基于机器学习的工具。本文探讨了该技术在这场辩论中所起的作用,以及在现有风险评估工具中部署 AI 是否会实现媒体大肆宣传的恐惧或改善我们的刑事司法系统? 它侧重于审前阶段,并深入研究了七种最常用的工具。 其中五个工具基于传统的回归分析,两个具有一定的机器学习组件。 该论文得出的结论是,将审前风险评估工具归类为基于人工智能的工具会让人产生一种印象,即复杂的机器人正在接管法庭并将法官赶出工作岗位,但这远非现实。 尽管大肆宣传,但基于传统回归分析的工具与基于机器学习的工具之间的相似之处多于差异。 机器人要取代裁判还有很长的路要走,这不是本文所要讨论的解决方案。 上一章讨论的一长串政策建议突出了需要做的大量工作,以确保风险评估工具对所有社会成员既准确又公平。 无论使用何种技术,这些建议都是有益的; 并且特别关注评估机器学习将如何影响这些建议。 例如,该论文认为,详细说明工具中使用的每一个因素,包括多个可供选择的选项(不只是是或否问题),对于回归分析和机器学习都有用,但如果机器学习是使用时,由于能够放大个别案例的独特细节,最终分数可以更加个性化和有意义。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员白城

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值