摘要
传统商业邮件入侵（BEC）攻击长期存在规模与伪造质量的矛盾，大规模群发邮件普遍采用通用模板，内容粗糙易于识别；高仿真鱼叉钓鱼则受限于人力成本，只能覆盖少量目标。针对 3 天内投放超百万封 AI 个性化欺诈邮件的真实攻击事件展开分析，可以发现生成式人工智能打破这一固有约束，攻击者能够以较低成本同时实现攻击规模扩张与内容定制化，定向针对企业应付账款岗位开展发票欺诈，伪造高管往来邮件会话，诱导大额资金转账。该类攻击消除语法错误、行文怪异等传统钓鱼识别标识，对邮件网关检测规则、企业安全意识培训体系、业务审批流程均形成冲击。本文还原该起攻击完整链路，剖析 AI 赋能 BEC 攻击的经济学改变、技术实现路径，梳理传统防御手段暴露出来的短板，从邮件安全技术控制、业务流程约束、人员测评训练、威胁情报运营四个维度构建适配 AI 时代的综合防御框架。研究表明，单纯依靠邮件内容识别与员工个人辨识已经不足以抵御此类威胁，必须将技术检测、业务流程管控、人员风险管控深度结合，通过流程隔离降低人为判断失误带来的资金损失，为国内企业应对 AI 驱动的商业邮件欺诈提供实践参考。 关键词：生成式 AI；商业邮件入侵；BEC；个性化钓鱼；发票欺诈；企业邮件安全
1 引言
商业邮件入侵是直接造成企业财产损失最突出的网络威胁类型，攻击者依托社会工程手段伪装高管、供应商、合作方，利用邮件沟通渠道制造业务假象，诱导财务人员执行转账付款操作，不需要恶意软件入侵系统即可完成资金窃取。过往 BEC 攻击可以清晰划分为两类模式，一类是广撒网式批量邮件，使用固定模板文本，通用性强但细节缺失，语言表达存在明显瑕疵，安全网关与企业员工都较容易识别；另一类为鱼叉式定向攻击，安全团队重点关注的高价值目标会遭受此类攻击，攻击者投入人力搜集目标组织公开情报，手工定制邮件内容，仿真程度高，但受限于人力时间成本，单次攻击能够覆盖的目标数量十分有限。
Dark Reading 报道的真实攻击案例显示，威胁行为者在短短三天时间向外投递超过一百万封个性化欺诈邮件，主要瞄准各企业应付账款岗位人员。攻击者借助生成式 AI 完成邮件内容的批量定制，每一封邮件都嵌入对应企业内部高管真实姓名，伪造 ServiceNow 平台五万美元级别的虚假发票，同时构造伪造历史邮件会话记录，模拟高管与供应商负责人之间过往业务沟通记录，以此提升邮件可信度，诱导财务人员执行 ACH 网络大额转账操作。绝大部分邮件不存在传统钓鱼常见的语法错误、生硬翻译痕迹，过去企业安全培训反复强调的识别线索基本失效，给防御工作带来全新挑战。
生成式 AI 介入 BEC 攻击之后，攻击活动的成本结构发生根本性变化，原本只有高级威胁团伙才有能力实施的定制化鱼叉钓鱼，现在普通黑产组织就可以大规模开展。当前行业对于 AI 钓鱼的讨论，较多集中在 AI 生成恶意链接、恶意文档等传统钓鱼场景，针对大规模个性化 BEC 发票欺诈的实证分析仍然偏少，很多企业的邮件防护策略、财务审批流程、安全意识培训，依旧建立在旧有威胁特征之上，没有充分考虑 “大规模 + 高度定制” 叠加的新型风险。反网络钓鱼技术专家芦笛指出，很多企业对于 BEC 风险的认知还停留在手工鱼叉攻击时代，低估大语言模型带来的攻击普惠效应，默认高质量伪造邮件只能小范围投放，这种认知会直接降低组织对于此类大规模 AI 欺诈的风险警觉。
本文以该百万级 AI 个性化邮件攻击事件作为实证样本，还原攻击完整链路，分析生成式 AI 如何消解规模与可信度之间的固有矛盾，逐一剖析传统邮件安全、人员培训、业务流程的短板，构建分层落地的防御体系。全文立足于真实观测到的攻击行为，避免空泛的技术猜想，研究结论面向企业安全运营、财务内控场景，力求具备现实可操作性。
2 攻击事件全貌与 AI 赋能 BEC 攻击的行为特征
2.1 攻击事件完整攻击链路
根据公开威胁情报披露，该攻击行动完整流程分为基础设施准备、情报采集、AI 内容生成、邮件投递、业务欺诈诱导、资金转移六个阶段。
第一阶段为基础设施准备。攻击者注册大量近似合法服务商的仿冒域名，配置基础邮件发送环境，使用第三方邮件投递账号作为发送载体，规避基础黑名单拦截，为百万级邮件分发做好准备。该环节并不直接破解企业内部邮箱账号，主要依靠外部邮件渠道向目标组织的公开业务邮箱投递消息。
第二阶段为开源情报自动化采集。攻击者批量抓取互联网公开渠道信息，包括企业官网公示管理层人员名单、领英等职场社交平台岗位信息、企业对外披露的供应商合作信息，重点搜集应付账款部门人员、企业高管的姓名、职务，把这些结构化信息作为后续 AI 生成邮件的输入素材。情报采集环节过去需要安全分析师人工整理，现在可以通过自动化爬虫配合大模型完成整理归纳，情报产出效率得到极大提升。
第三阶段，生成式 AI 完成批量个性化邮件创作。将批量获取的企业人员信息输入大语言模型，批量生成差异化邮件正文。邮件统一围绕 ServiceNow 年度订阅虚假发票展开，每一封邮件填入对应企业真实高管姓名，AI 生成伪造的历史邮件对话线程，模拟该供应商负责人与企业高管已经沟通过付款事宜的假象，附上格式完整的虚假发票内容。每一封邮件文本存在细节差异，规避简单的关键词与模板指纹检测。
第四阶段大规模邮件投递。三天之内完成一百万封以上邮件发送，绝大多数目标位于北美地区，重点瞄准 IT 服务、咨询服务、消费品行业的应付账款岗位。邮件从外部账号发出，整体格式、签名、附件排版高度贴近真实业务邮件。
第五阶段社会工程诱导。邮件诉求指向五万美元量级的服务款项支付，暗示高管已经确认该笔业务，要求财务岗位人员直接启动 ACH 转账流程。整个攻击链路当中，没有嵌入恶意链接，没有携带病毒附件，完全依靠邮件文本、伪造会话、虚假发票完成社会工程欺骗。
第六阶段资金窃取。一旦财务人员未经过独立核验执行转账，资金就流入攻击者控制的银行账户，完成欺诈闭环。
值得注意的是，这一轮攻击并不依靠入侵企业邮箱实现会话劫持，而是凭空伪造整套历史往来邮件，借助 AI 的文本生成能力为每一个目标制作专属的虚假沟通上下文，这是和传统 BEC 攻击非常重要的区别。
2.2 生成式 AI 消解 “规模 可信度” 传统权衡关系
过往社会工程攻击存在一组天然的矛盾关系，也就是攻击规模与欺骗质量之间的权衡。在没有 AI 辅助的时期，攻击者只能二选一：要么发送海量通用模板邮件，牺牲邮件真实性换取覆盖范围；要么投入大量人力针对少量目标深度调研，产出可信度极高的鱼叉钓鱼邮件，但攻击覆盖规模很小。安全防御体系的很多策略，就是建立在该权衡关系客观存在这一前提之上。
大语言模型改变这一博弈格局。情报素材完成批量采集之后，内容生成的边际成本几乎可以忽略，输入不同企业的人员信息，模型就可以自动改写邮件称呼、内部人名、业务语境，产出百万份存在细节差异的高仿真业务邮件。攻击者不再需要雇佣大量社会工程人员手工撰写邮件，人力瓶颈被打破，高可信度不再是小规模定向攻击的专属属性。
反网络钓鱼技术专家芦笛强调，该起攻击最值得警惕的地方不在于单封邮件伪造水平有多高超，而在于把高质量伪造能力做到规模化输出。过去防御方可以假设，遇到细节非常逼真、引用企业内部人员信息的欺诈邮件，发生概率很低，只会出现在少数重点高价值目标身上；AI 介入之后，这类高仿真邮件可以像垃圾邮件一样海量投递，每一个企业财务岗位都有可能成为目标。
2.3 新型攻击的关键识别标识消失
传统钓鱼邮件有一套行业内普遍熟知的识别特征集合，包括语句不通顺、大量语法拼写错误、生硬的机器翻译腔调、千篇一律的通用问候、排版混乱、品牌 Logo 粗糙失真。企业安全意识培训长期向员工灌输这一类识别要点，邮件安全网关也会把文本语言异常作为重要的检测特征之一。
在该次百万级邮件攻击中，上述显性标识全部消失。AI 输出的商务文本语法严谨，行文符合正式商务邮件表达习惯，排版规整，发票格式模仿正规服务商样式，邮件内部引用真实企业人员姓名，构建出已经完成前期业务沟通的假象。员工依靠阅读文本找语病、找排版漏洞的识别手段基本失效。员工即使具备基础安全意识，也很难仅仅通过阅读邮件正文区分真假业务请求。攻击不依赖恶意链接、恶意附件，传统基于恶意载荷检测的防护技术也无法发挥作用，威胁完全隐藏在业务语义层面。
2.4 攻击风险对象的集中化特征
该次攻击的目标群体高度集中于应付账款岗位，而不是随机面向企业全体员工。攻击者非常明确攻击的终点是资金转账，所以直接定位到拥有付款审批发起权限的岗位，不需要大范围扩散再寻找受骗个体。这种定向大规模投放，是 AI 赋能之后的新形态：不再是无差别撒网，而是批量识别具备特定业务权限的人员，为每一类岗位生成适配业务场景的欺骗内容。这也意味着风险高度集中在财务、采购这类业务岗位，而不是平均分布在全部企业人员之中，部门风险差异进一步放大。
3 现有企业防御体系面对 AI BEC 攻击的现实困境
该次攻击暴露出当前企业三层防御链条均存在明显短板，分别是邮件网关的技术检测层、员工安全意识的人员层、财务业务内控流程层，三层防护各自存在局限，叠加之后形成防御缺口。
3.1 邮件安全网关检测机制的局限性
现有邮件安全网关对于恶意邮件的检测手段主要包含域名信誉检测、附件恶意代码扫描、恶意链接黑名单、模板指纹匹配、关键词规则。这些技术在对抗传统钓鱼邮件时效果显著，但是面对本次类型的 AI BEC 攻击会遇到多重障碍。
域名信誉方面，攻击者可以使用大量新注册域名、第三方公开邮件发送服务账号来投递邮件，域名没有历史恶意记录，初始信誉评分并不差，域名黑名单很难提前覆盖大量临时新建域名。附件层面，虚假发票为普通格式文档，文档内部不存在宏病毒、可执行代码，恶意代码扫描无法判定文档为欺诈材料。邮件正文没有统一不变的模板，每一封邮件经过 AI 改写之后文本细节互不相同，传统模板指纹匹配技术无法抓取统一特征。关键词规则只能识别固定敏感词汇，攻击者很容易通过改写句式、替换表达方式规避关键词命中。
更深层的难点在于，该类攻击的恶意性完全来源于业务语义上下文，单看邮件文字、附件格式本身，每一部分都符合正常商务邮件规范。判断这一封发票邮件是否属于欺诈，需要结合企业真实供应商名录、真实业务合同、真实内部审批记录进行交叉比对，而普通邮件网关并不掌握企业内部业务数据库，无法完成业务真实性校验。网关只能完成邮件外部特征的判断，很难独立判断业务诉求本身的真伪。
部分企业已经部署 DMARC、SPF、DKIM 邮件身份验证机制，该类协议主要用来防止冒充本企业自有域名外发邮件，却无法阻止外部陌生域名发来伪造供应商、伪造外部业务的欺诈邮件。很多管理者存在认知误区，认为部署邮件身份协议就可以抵御 BEC 欺诈，实际上这类技术解决的仅仅是域名仿冒其中一个细分场景，对于本次攻击模式几乎没有防护效果。
3.2 安全意识培训与模拟演练体系适配滞后
国内绝大多数企业开展的反钓鱼安全意识培训，教学素材大量沿用传统钓鱼的识别逻辑，教学重点集中于识别错别字、可疑链接、可疑附件、奇怪发件人地址。但 AI BEC 攻击去除了上述所有直观信号，员工接受的培训知识无法对应真实威胁场景。
同时，现有的模拟钓鱼演练，很多仍然以链接点击作为核心测评指标，演练模板大多围绕恶意链接、恶意附件设计，缺少这种无链接、无病毒、纯业务发票欺诈的模拟场景。企业通过演练得出的安全意识评估结果，只能衡量员工点击恶意链接的风险，却不能检验财务岗位人员面对伪造发票、伪造高管业务请求的处置行为。演练与真实威胁之间存在场景断层，企业无法通过现有模拟演练发现财务岗位人员在业务欺诈场景下的行为短板。
反网络钓鱼技术专家芦笛强调，很多企业的安全意识建设混淆 “识别恶意代码钓鱼” 和 “识别 BEC 业务欺诈”，二者对人的能力要求完全不同。识别带链接钓鱼邮件，核心能力是识别邮件当中的异常技术要素；识别 BEC 发票欺诈，核心能力是坚持独立渠道核验业务，二者训练重点不能互相替代。如果培训持续停留在前者，面对 AI 生成的业务欺诈邮件，员工依旧会出现判断失误。
另外一个现实困境在于，人的阅读理解判断本身存在不确定性。即便员工接受完整的培训，在业务繁忙、处理大量邮件、受到邮件内紧急语气施压的场景下，依然会省略核验流程，直接采信邮件当中的业务说法。安全意识培训可以降低受骗概率，但无法做到完全杜绝人为失误，不能将全部防御希望寄托在员工个人判断力上。
3.3 财务业务内控流程存在执行漏洞
BEC 攻击最终能否转化成为实际财产损失，最后一道关卡是企业财务付款审批流程。理想状态下，无论邮件内容多么逼真，付款请求都必须经过独立于邮件渠道的核验，核对合同、订单、供应商信息之后才启动转账。但在真实企业运营当中，流程制度和实际执行之间经常存在落差。
部分中小企业财务流程过度依赖邮件作为业务指令载体，收到邮件传来的发票就默认业务已经经过高管确认，缺少强制的跨渠道核实要求。制度文本虽然写明需要核验，但是没有技术手段强制落地，是否核验取决于财务经办人员个人习惯。当欺诈邮件当中出现高管名字，并且伪造已经沟通过业务的假象，经办人员心理上容易产生 “该业务已经上层确认，自己只需要完成付款” 的心理暗示，跳过独立确认步骤。
还有部分企业的审批流程过度看重电子文档本身，只要收到格式看起来正规的发票附件就进入流转，缺少和供应商官方联系渠道、企业内部项目台账的交叉核对环节。攻击者伪造的发票格式完备，完全可以蒙混只检查文档格式的初审环节。流程层面没有设置强制阻断点，就等于把风险全部交由人员主观判断承担。
4 生成式 AI 大规模 BEC 攻击综合防御框架构建
针对百万级 AI 个性化欺诈邮件暴露出的风险，不能寄希望依靠单一技术或者单一培训解决问题，必须建立多层相互备份的防御体系，包含邮件层增强检测、情报运营、人员风险训练、财务业务流程约束四大模块，各模块之间形成闭环。
4.1 邮件安全防护能力的针对性增强
邮件网关不能仅仅依赖传统静态特征，需要补充面向 BEC 业务欺诈场景的检测能力。
首先，拓展检测维度，降低对于模板指纹、关键词的依赖，增加行为与语义层面的分析。重点关注外部发件人投递过来，但是邮件正文引用本企业内部高管、内部部门人员名字的邮件，对这类邮件打上高风险标记。该次攻击的典型特征就是外部来源邮件大量提及企业内部管理层人员，针对这类邮件可以执行增强告警，提醒收件人该邮件来自外部，即使文中出现内部人员姓名也不能直接采信。区分外部邮件线程与企业内部真实历史邮件会话，识别外部邮件伪造内部对话线程的行为。
其次，完善外部邮件标识能力。对全部来自企业域外的邮件，在邮件头部、阅读界面做清晰持久的外部来源标记，标记不能被攻击者伪造的邮件内容覆盖。财务岗位人员阅读任何一封外部发来的业务邮件，第一眼就可以明确该消息来源于外部互联网，不是内部办公系统消息，降低攻击者伪造内部沟通语境带来的心理误导。很多员工受骗的心理诱因，就是没有清晰感知邮件来自外部陌生发送方。
再者，优化附件检测逻辑。对于外部邮件携带的发票、账单、付款通知单类文档，网关不直接判定文件恶意，但是附加风险提示，提醒接收方这份外部传入的付款凭证需要二次核验，而不是直接作为付款依据。
最后，邮件身份认证配置要做到完整落地。完成 SPF、DKIM、DMARC 部署，阻挡外部冒充本企业域名的邮件，虽然无法解决外部域名伪造供应商的问题，但可以消除一部分同类 BEC 攻击子集，减少威胁面。企业同时要定期梳理域名解析记录，避免攻击者利用废弃子域名发送欺诈邮件。
需要客观认识边界：邮件网关可以做到告警、标记、风险提示，提升攻击者欺骗的门槛，但无法百分之百判定一笔业务请求是真还是假，业务真伪判断终究需要结合企业内部业务数据完成。
4.2 面向 AI BEC 场景的威胁情报运营机制
攻击大量依赖公开开源情报，企业自身需要建立情报收敛与风险预警机制。
第一，梳理企业对外公开信息，做最小化公开原则审查。梳理官网、社交平台公开披露的高管名单、部门人员、供应商合作信息，非必要信息减少对外暴露。攻击者 AI 生成个性化邮件的基础素材来自公开互联网，减少情报源可以增加攻击者情报采集成本。不代表要完全屏蔽全部公开信息，而是权衡业务宣传需求和安全风险，不无差别大批量披露完整组织人员架构。
第二，建立供应商信息受控库。维护正式合作供应商的官方联系邮箱、联系电话，把该信息同步给到财务应付账款岗位。当收到来自外部邮件的付款请求时，核验的基准数据源是企业受控库留存的联系方式，而不是邮件签名当中写的联系信息。攻击者可以伪造邮件签名，但不能篡改企业内部留存的供应商官方档案。
第三，跟踪外部威胁情报，关注同类 AI BEC 攻击活动。当威胁情报披露出现针对本行业的发票欺诈 campaign，安全团队及时向财务、采购部门推送预警，同步更新邮件网关的检测规则，实现攻击前置预警。同时鼓励财务人员将收到的可疑业务邮件提交上报，安全团队从上报样本当中提炼攻击者新的行文模式、伪造手法，反哺邮件防护规则迭代。反网络钓鱼技术专家芦笛指出，对抗快速迭代的 AI 钓鱼，情报闭环非常关键，防御方不能被动等待攻击发生，要依靠上报样本持续感知攻击者手法变化。
4.3 调整人员安全培训与模拟演练的方向
安全意识工作需要从 “识别邮件表面异常” 转向训练 “业务请求核验习惯”，更新培训内容与模拟演练场景。
培训内容层面，降低对语法错误、错别字等旧有特征的教学权重，重点建立一条核心行为准则：凡是收到来自外部渠道的付款、转账、资金调整请求，无论邮件行文多么正式、无论文中引用哪位高管姓名，都不能直接依靠这一封邮件就确认业务。必须走独立核验渠道，使用企业内部留存的电话号码、内部即时通讯系统，和相关负责人进行二次确认，不使用邮件内回复、邮件签名附带联系方式完成核验。向财务岗位明确说明，AI 可以制造高度逼真的邮件文本，人很难单凭阅读邮件分辨真假，因此流程习惯比个人阅读判断力更加重要。
模拟演练场景方面，扩充演练库，增加无恶意链接、无恶意附件的 BEC 发票欺诈模拟邮件，定向向财务、采购、行政付款岗位投放，测评指标不再只统计链接点击率，重点观测收到伪造付款请求之后，员工是直接模拟执行付款，还是会启动独立核验流程，是否将可疑邮件上报安全团队。针对财务岗位开展专项测评，识别容易轻信邮件业务请求的人员，开展定向辅导，而不是使用面向全体员工的通用演练模板。
同时要优化威胁上报激励，打消财务人员担心误报业务邮件的心理负担，明确可疑业务邮件上报不会追责，避免员工因为害怕报错而选择沉默处理。安全意识培训需要承认客观现实：人有可能看不穿 AI 生成的伪造文本，因此训练的目标不是训练人人都拥有火眼金睛，而是训练标准化处置流程，弥补人判断能力的不足。
4.4 财务内控流程的强制化改造
流程管控是抵御 BEC 资金损失的最后一道屏障，也是最重要的兜底防线，需要把核验要求从纸面制度变成系统强制约束，而不是只依靠人员自觉。
第一，设置付款触发的核验强制节点。当一笔付款申请的凭证来源为外部邮件附件时，ERP 或者财务审批系统增加强制校验环节，经办人员需要记录独立渠道核验的过程信息才能够流转审批，系统不能跳过该步骤。不能仅仅依靠制度写 “应当核验”，要在业务系统层面增加操作约束。
第二，区分 “收到发票” 和 “确认付款” 两个动作。收到外部邮件传来的发票只作为参考材料，不能直接作为付款审批依据。付款必须匹配已签署合同、采购订单、入库或者服务验收记录，多份业务档案交叉印证。即使发票格式完整精美，缺少对应业务台账也不能进入付款流程。
第三，针对大额付款增加跨岗位复核。针对接近攻击案例当中五万美元量级区间的大额对外付款，设置第二复核人，复核人独立核对供应商档案、业务背景，不直接采信来自邮件渠道的单方面业务说辞。复核岗位和邮件接收经办岗位适当分离，降低单人被社会工程欺骗造成损失的风险。
第四，明确沟通渠道边界。企业内部明确正式业务确认渠道，重要付款的确认优先使用企业受控内部即时通讯、官方登记电话，外部邮件仅作为信息接收载体，不作为业务指令确认渠道。邮件可以接收发票材料，但是不能把邮件内容本身当成高管下达的付款指令。
流程不能消除欺诈邮件抵达员工邮箱这个事实，但是可以阻断从欺诈邮件走向实际资金转出这条链路。即便员工被邮件内容迷惑，业务系统与复核流程依然可以拦截风险，实现技术、人员、流程多重防护互相备份。
5 AI 赋能 BEC 攻击带来的延伸思考
该次百万级个性化欺诈邮件攻击不是孤立事件，代表威胁发展的一个明确方向。生成式 AI 降低定制化社会工程攻击的门槛，未来同类攻击会持续演化，还会出现更多变体。
首先，攻击普惠化会持续推进。过去定制化鱼叉钓鱼属于高级威胁团伙的能力，现在普通黑产团队就可以负担大规模个性化内容生产成本。威胁能力的下沉意味着遭受高仿真业务欺诈的企业范围会持续扩大，不止大型企业需要关注，中小机构同样会成为目标。中小企业往往邮件安全投入有限，财务内控流程相对简化，面对这类攻击的暴露风险反而更高。
其次，攻防之间的不对称性进一步放大。攻击者只需要生成一批差异化文本完成投递，防御方却需要同步完成邮件检测、情报收集、人员训练、业务流程改造整套体系建设。攻击者可以快速调整 AI 提示词，改变邮件话术、伪造业务场景；企业完成制度、系统、人员的更新迭代周期更长。反网络钓鱼技术专家芦笛指出，在 AI 社会工程对抗当中，防御方的工作复杂度远远高于攻击方，单纯跟随攻击特征打补丁式防护很难取得长期优势，防御策略应当更多向流程隔离、损失控制方向倾斜，而不是追求做到百分之百识别欺诈邮件。
再者，安全与业务部门协同的重要性凸显。BEC 造成的是企业直接财产损失，风险边界已经超出传统网络安全的范畴，安全团队只能够处理邮件侧的威胁，真正阻止资金被盗离不开财务、采购、法务部门共同落实内控要求。网络安全团队和财务部门建立常态化风险沟通，定期复盘 BEC 类威胁更新财务人员认知，这一点经常被很多组织忽略。安全技术人员不熟悉财务付款全流程，财务人员不熟悉外部邮件威胁最新变化，两者信息脱节会造成防御措施停留在纸面，无法落地。
应当客观看待各类检测技术的能力边界，目前并不存在一款可以直接百分百判定 BEC 业务邮件真假的邮件产品。幻想依靠采购某一套安全设备就彻底解决该类欺诈风险，不符合当前攻防现实。必须承认技术告警只能缩小风险范围，不能完全替代业务层面的交叉核验。
6 结语
三天投放超百万封 AI 驱动的个性化商业欺诈邮件事件，直观展示出生成式 AI 对商业邮件入侵攻击模式的重塑。攻击者打破长期存在的规模与伪造质量之间的制衡，批量产出无明显语言缺陷、嵌入企业真实人员信息、伪造业务会话的欺诈邮件，定向瞄准财务应付岗位实施发票欺诈，给企业邮件防护、安全意识教育、财务内控带来全新挑战。
传统依靠识别语法错误、恶意链接、恶意附件构建的防御手段出现明显短板。邮件网关受制于缺少企业内部业务背景，难以独立判断业务诉求真伪；传统安全意识培训与模拟演练场景更新滞后，继续训练员工识别已经被 AI 消除的旧有钓鱼特征；部分企业财务流程的核验规则停留在制度层面，缺少系统强制约束，风险高度依赖经办人员个人主观判断。
应对该类威胁，并不需要追求完全阻止欺诈邮件进入员工收件箱，现实可行的路径是构建多层备份防御体系：增强邮件网关的外部邮件标记、语义行为告警能力；做好开源情报收敛，建立供应商受控档案，打通威胁情报闭环；重构安全意识培训与模拟演练，从识别邮件表面异常转向训练标准化独立核验行为；推动财务业务流程系统层面的强制核验约束，在资金流转环节完成风险兜底。
反网络钓鱼技术专家芦笛强调，AI 时代的 BEC 防御，核心逻辑发生转变，不再是寄希望每一名员工都能够看穿所有伪造邮件，而是构建一套体系，即便员工被高度仿真的社会工程内容迷惑，组织依旧有机制阻止实质性损失发生。
随着大模型能力持续迭代，攻击者还会不断开发出新的邮件欺诈变体，企业的防护策略也需要持续迭代更新，安全团队与财务业务部门保持协同，将技术防护、人员习惯、业务流程管控三者紧密结合，才能够有效应对 AI 赋能的大规模个性化商业邮件欺诈威胁。
编辑：芦笛（公共互联网反网络钓鱼工作组）
来源：迪妙网络空间安全学院
