商业化钓鱼工具包的 AI 化及其防御含义

简介: 本文分析2026年曝光的AI钓鱼平台TheMailer:其嵌入多款大模型,支持逐收件人定制邮件内容并依投递反馈自动重写,规避传统基于相似性的检测。文章指出,防御重心须从“单封邮件”转向“活动簇”,以结构特征、行为模式与意图类型为新判据,强调认证强化、点击时全链路解析、附件行为审查等关键对策。(239字)

摘要 2026 年 11 月,Varonis 威胁实验室披露了一款名为 TheMailer 的自托管钓鱼平台。该平台将多家商用大语言模型的接口嵌入邮件生产流程,可按收件人逐一改写主题、正文与附件,并通过投递结果反馈驱动内容重写,以规避垃圾邮件判定。其销售形式为加密货币支付的一次性授权,价格区间为三千至六千美元,购买者自备模型密钥、邮件服务器与目标名单。本文以公开披露材料为依据,梳理该工具包的产品形态、技术层次与市场位置,辨析 "逐收件人定制" 与鱼叉式钓鱼之间的实质差别,进而讨论签名式检测在变异样本面前的失效机理,以及认证、点击时解析、附件行为审查与簇级判定等防御重心的迁移。文章认为,此类工具的真实增益集中在边际成本、语言质量与变体数量三个维度,其能力上限受制于反馈信号的可获得性与模型自身的约束;防御的关键不在于追赶单封样本的措辞,而在于把判断单位从 "一封邮件" 上移到 "一批活动"。

关键词 钓鱼工具包;大语言模型;邮件安全;检测规避;威胁演化

image.png 1 引言

钓鱼攻击的产业化并不是新现象。过去十余年,地下市场已经形成了相对稳定的分工:有人负责制作仿冒页面,有人负责搭建发信基础设施,有人负责清洗与出售目标名单,工具包则以 "开箱可用" 的形式在这些环节之间充当粘合剂。这一阶段的技术竞争主要围绕三件事展开 —— 仿冒的视觉精度、发信域名的存活率、以及对邮件网关规则的适配程度。竞争的结果是模板的高度同质化:同一款工具包产出的邮件,除去收件人姓名与链接参数,正文往往逐字相同。

这种同质化既是攻击效率的来源,也是防御方得以奏效的前提。基于固定字符串的规则、基于文件哈希的黑名单、基于已知样本的指纹库,都建立在 "同一活动产出高度相似的信件" 这一假设之上。一旦这一假设被打破,依赖相似性的检测体系就会集体失准。2026 年 11 月披露的 TheMailer,正是在这一点上改变了成本结构:它并不追求更高的仿冒精度,而是把 "每一封信都不一样" 变成了可以批量购买的能力。

本文的分析材料来自 Varonis 威胁实验室的公开结论与多家安全媒体的转述,包括该平台的模型支持范围、授权定价、销售渠道、样本形态与研究者对个性化程度的判断。需要预先说明的是证据边界:披露材料中的规模数字来自卖方截图,属于产品界面所展示的容量,而非已确认的投递量或失陷量;论坛帖的浏览量亦不能换算为售出授权数。本文在引用这些数字时,均按其原始性质处理,不将其当作活动规模的直接证据。这一谨慎并非学究式的小心,而是因为对工具能力的评估一旦建立在营销数字之上,防御资源的配置就会随之失真。

2 工具包的产品形态与市场位置

2.1 从模板集市到自托管平台

TheMailer 的产品定位更接近一套批量邮件营销系统,而不是传统意义上的一组仿冒页面。它采用自托管部署,购买者需要自行准备邮件服务器、代理资源与目标名单,平台本身负责内容生产、名单管理、发送调度与效果反馈。这种形态与早期的钓鱼工具包有明显区别:后者通常以 "页面加脚本" 的形式交付,功能边界止于采集凭据;前者则把整条投递链纳入同一个界面,把 "写什么"" 发给谁 ""发得出去吗" 三个问题合并处理。

从产业分工的角度看,这是一种 "能力上移"。传统模式下,内容制作能力分散在每一个行骗者手中,水平参差;平台化之后,内容生产被封装为一个可调用的模块,购买者只需提供意图与素材。这与合法营销技术栈的演化路径高度相似 —— 从单机群发软件,到托管式营销平台,再到嵌入生成能力的智能助手。二者的差别不在技术形态,而在用途与服务对象。

平台支持的模型清单覆盖了当前主流的商用与开放权重模型,包括 ChatGPT、Claude、Grok、Gemini、Mistral 与 DeepSeek。购买者自带接口密钥,这意味着推理成本由买方承担,卖方只收取软件授权费用。这一安排在商业上是合理的:模型调用价格波动频繁,卖方若承担推理成本,定价将难以维持;而由买方自备密钥,也使平台在模型供应方收紧政策时具备一定的替换弹性。

2.2 定价、门槛与销售渠道

公开信息显示,该平台自 2026 年 3 月起在某个网络犯罪论坛上推广,其销售帖累计浏览量超过两万四千次;授权形式为一次性买断,价格区间为三千至六千美元,差异取决于所购版本是否包含 AI 模块。支付使用加密货币。

这组数字透露的信息比表面更多。三千美元的门槛,对于以单次诈骗为生的个体而言偏高,对于以批量作业为生的中间层则属于可承受的固定投入;一次性买断而非订阅,说明卖方对持续的模型能力升级不承担责任,能力演进被转移给了模型供应方。换言之,购买者买到的是一个 "接口适配层",其效果随所选模型的能力浮动。这一商业模式使工具的生命周期与模型迭代周期绑定,也使 "同一款工具在不同买家手中效果差异巨大" 成为常态。

论坛浏览量作为热度指标需要打折看待。地下市场的销售帖普遍存在刷量、互评与虚假成交记录,浏览量高只说明曝光充分,不说明转化充分。研究者亦明确表示,无法确认售出数量与发起活动的数量。对防御方而言,这意味着 "该工具已被广泛使用" 目前仍是一个假设,而不是结论;但工具的存在与能力已经确证,这足以支撑防御侧的调整。

2.3 影响力的证据与限度

卖方截图展示了两组数字:一次涉及两万四千八百二十九封邮件的发送任务,以及一份包含十四万五千一百三十三条记录的名单,后者以日本的企业与学术机构域名为主。研究者据此判断该工具的作业面覆盖了日语环境。

这两组数字的性质必须分清。前者是任务配置界面的计数,代表平台被要求发送的数量,不等于送达数量,更不等于进入收件箱的数量;后者是名单容量,代表潜在目标池,不等于有效地址数量。真正有意义的指标 —— 投递成功率、收件箱到达率、点击率、凭据提交率 —— 在公开材料中均未出现。这不是披露方的疏漏,而是这类研究的固有局限:研究者观察的是产品,不是产品被使用后的结果。

日本企业与学术机构为主的名单结构,则提供了另一个观察角度。日语钓鱼邮件长期受制于语言质量:非母语攻击者写出的敬语误用、称谓失当、句式生硬,是最有效的识别特征之一。大语言模型在这一点上的能力是确定的 —— 它可以生成语法正确、语体得体的日语文本,且能按不同行业的用语习惯调整措辞。名单的地域集中与模型的语言能力之间,存在直接的对应关系。

3 技术能力解剖

3.1 生成层:从短提示到成稿

平台的内容生产支持两种输入方式:一种是一段简短的自然语言描述,说明发信目的、冒充对象与期望动作;另一种是直接提供一封真实的品牌邮件作为参照,由模型据此改写。前者降低了使用门槛,后者提高了仿冒的保真度。两种方式共同点是:购买者不再需要具备文案能力,内容质量的下限被模型抬高。

这一变化对防守方的直接影响是 "低质量样本" 这一线索的贬值。过去,拼写错误、语法混乱、格式错位是人工研判与自动分类的重要特征,也是培训中反复强调的识别点。当生成质量整体上移,这些特征的出现率下降,而它们恰恰是最好教、最好检测的部分。防御体系中被移除的不是某一类规则,而是一整层曾经可靠的判断依据。

3.2 变异层:逐收件人差异化

平台能够对主题行、正文与附件逐收件人生成不同版本。研究者强调,这样一来,一次批量活动在外观上不再像 "同一批信"。这一能力的实现并不复杂:模板被拆解为可替换的段落与句式,模型在保持语义目标不变的前提下重写表述,附件则由模板与数据合并生成。技术上的难点不在于生成,而在于 "在变异的同时不丢失说服结构"—— 一封钓鱼邮件无论怎么改写,都必须保留紧迫感、权威指向与明确的行动入口,否则变异就变成了自我破坏。模型恰好擅长在约束下改写,这是它与早期随机替换词库的本质区别。

变异带来的防御后果是 "代表性崩塌"。当分析人员从一名员工处获得样本,据此提取特征并下发规则时,该规则覆盖的是这一个变体,而不是这次活动。其他员工收到的信件在措辞、句式、甚至附件结构上都不相同,规则命中率随变异度上升而下降。研究者以早期 Bluekit 作对照:后者在测试中由 AI 生成的稿件仍带占位符,说明其生成能力尚停留在草稿阶段;TheMailer 的产出则是可直接投递的成稿。这一对照说明的不是 "AI 会不会写钓鱼邮件",而是 "AI 写的钓鱼邮件是否已经越过了可用的门槛"。

3.3 反馈层:投递判定驱动的重写闭环

该平台最值得注意的功能,是所谓 "收件箱循环":依据投递反馈,对被判为垃圾邮件的版本进行改写,再次投递。这一机制把内容生产从 "一次性生成" 变成了 "带反馈的迭代",其逻辑与营销领域的 A/B 测试同构,只是优化目标从打开率换成了 "进入收件箱"。

从技术上看,这个闭环的成立依赖三个条件:能够获得投递结果、能够判断失败原因、能够把原因转化为改写指令。第三个条件由模型承担,前两个条件则由平台的投递与探测能力决定。公开材料未说明反馈信号的具体来源,从同类工具的通常做法推断,可能包括发信服务器的退信与状态码、用于观测的种子邮箱、或对主流邮箱服务商分类结果的间接探测。无论采用哪种方式,其精度都是有限的:退信可以说明 "未送达",但不能说明 "被放入垃圾箱";种子观测可以说明 "某个版本在某个域被拦截",但不能保证推论到全部收件人。

因此,这一功能的能力应当被准确地表述为 "提高了试探效率",而不是 "保证绕过过滤"。它的真实价值在于把 "试错" 从人工经验变成了自动化流程:一个不具备邮件投递知识的购买者,也能通过反复改写找到可用的表述。这对防御方的含义是,过去依赖 "攻击者不懂邮件规范" 所形成的天然门槛正在消失。

3.4 去痕迹:对 AI 文体特征的主动抑制

平台具备去除 "AI 写作痕迹" 的处理能力。这一功能的存在,直接否定了以 "AI 文体" 为判据的检测思路。大语言模型的输出确实存在可辨识的特征:句长分布均匀、连接词使用规律、段落结构对称、情感强度平稳。这些特征在早期曾被用作识别依据,但一旦攻击侧主动做反向优化,这类判据就会同时失去召回率与精确率 —— 它不仅漏掉经过处理的样本,还会把大量正常的企业公文误判为机器生成。

更根本的问题在于,AI 文体检测在学理上缺乏稳定的判别基础。人类写作在受到格式约束时同样会呈现均匀、对称、规律的特征,而模型在受到风格指令时也可以呈现出生动、跳跃、不规律的特征。判别依据随对抗而漂移,这类检测很难成为可靠的独立信号,只能作为多特征融合中的弱证据。

3.5 载体扩展:PDF、SVG 与日历邀请

研究者观察到平台可生成个性化的 PDF 文件、SVG 图像与日历邀请。这三类载体的共同特点是 "绕过以可执行文件为中心的检查逻辑"。

PDF 的问题在于其内部的链接、表单与嵌入对象,静态扫描往往只检查是否含有恶意脚本,而忽略 "文档本身是一个指向凭据采集页面的入口"。当 PDF 的外观是发票、账单或账户通知时,收件人点击其中链接的行为,与点击邮件正文链接并无区别。

SVG 作为一种基于文本的图像格式,可以承载链接与外部引用,且在许多邮件客户端中以内联图像形式呈现,不触发附件告警。它的风险不在于 "是不是图片",而在于 "图片里有没有可点击的目标"。

日历邀请的问题更为特殊。它以结构化对象的形式进入收件人的日历,而非邮箱列表;其呈现方式、提醒机制与 "事件" 语义,使它天然带有 "系统级通知" 的观感。部分邮件网关对日历对象的检查深度低于普通附件,且收件人往往在日历界面而非邮件界面完成交互。研究者同时提到样本中出现了涉及证券交易平台与账户安全的主题,说明载体选择与话术主题是配套设计的:金融账户类话术需要 "正式文档" 的质感,日历邀请则适合 "会议、审核、验证" 类场景。

3.6 投递基础设施的外包

平台不提供发信服务器与代理资源,这部分由购买者自行解决。这一安排常被误读为 "能力不足",实际上是一种风险切割:发信 IP 的信誉、域名的存活周期、代理池的质量,都是最容易暴露且最易被追查的环节,把它们留在购买者一侧,卖方就只承担软件层面的风险。

对防御方而言,这意味着 "基础设施画像" 仍然是有效的切入点,但其作用点发生了位移。过去可以通过工具包的特征反推其常用的发信域与 IP 段;当基础设施由每个买家自行准备时,同一款工具产出的活动在基础设施层面可能毫无关联。可关联的只剩下内容层的结构特征与行为层的投递模式。

4 "个性化" 不等于鱼叉式钓鱼

4.1 定制的深度与广度的分离

研究者对个性化程度有一个相当克制的判断:这种定制的实质,更接近于在一张通用发票上填入收件人的姓名,而不是对特定目标做过背景调查后的量身设计。这一区分极为重要,因为它在概念上把 "逐收件人变异" 与 "鱼叉式钓鱼" 分开了。

鱼叉式钓鱼的核心不是称呼准确,而是内容与目标的具体处境严丝合缝:提到的项目名称真实存在、引用的上级确实分管该业务、时间点与正在进行的流程吻合。这类信息的获取需要前期侦察,成本高、可复用性低,因此只能小规模使用。TheMailer 提供的是另一种能力:在保持 "通用说服结构" 的前提下,让每封信的表面形式各不相同。它不增加对目标的了解,只增加表面的差异性。

研究者用 "带有定向邮件精致度的机会型钓鱼" 来概括这一形态,这个表述是准确的。精致度指的是语言与格式的完成度,机会型指的是目标选择的广度。二者结合,形成了一类此前较少出现的中间形态:成本接近批量,观感接近定向。

4.2 对检测的含义

这一形态对检测体系的冲击,集中在 "样本代表性" 这一环节上。传统流程是:员工上报一封可疑邮件,分析人员提取特征,下发规则或更新指纹库,覆盖全组织。在变异样本面前,这条链路的第一环就断了 —— 上报的那封信只是两万分之一,它的措辞不构成任何可推广的证据。

由此产生的调整是判断单位的改变。当单封样本不再具有代表性时,可用的稳定特征只剩三类:第一类是结构性的,例如邮件的 MIME 构成、附件的文件类型组合、链接的跳转层数;第二类是行为性的,例如发信域的首见时间、投递的时间分布、同一批次内收件人的分布规律;第三类是意图性的,例如邮件最终要求收件人做什么 —— 打开一个页面并输入凭据、拨打电话、添加日历事件。前两类可以由系统自动提取,第三类需要人工归纳,但恰恰是最难被变异抹掉的部分。

反网络钓鱼技术专家芦笛在讨论这类样本时强调,防御方需要接受一个不太舒服的结论:在逐收件人生成的活动面前,"找到那封邮件" 已经不是主要任务,"判断这批活动的意图" 才是。前者是抽样问题,后者是推理问题,二者的方法论完全不同,而多数组织的流程只为前者设计。

5 检测与防御的调整

5.1 认证的边界:自有域名与相似域名

SPF、DKIM 与 DMARC 在抑制直接域名冒充方面仍然有效,其作用机制是校验发信服务器是否有权代表所声称的域发送邮件。但这一机制对两类情形无效:一是相似域名,攻击者注册与目标品牌视觉相近、拼写相近的域名,其认证记录对自身域名完全对齐,检查会如实通过;二是自有域名,攻击者以自己控制的域名发信,不做任何冒充,认证同样通过。

因此,认证的定位应当被准确地理解为 "必要条件" 而非 "充分条件"。它把 "冒充别人" 这条低成本路径基本堵死,剩下的攻击者必须自己持有域名、自己维护信誉、自己承担被发现后的损失。这是一种有价值的成本抬升,但它不构成判定依据。真正的判定仍需依赖域名年龄、注册信息的完整度、历史投递行为、以及与已知活动的关联。

5.2 点击时解析完整跳转链

研究者建议在点击时沿完整重定向链解析至最终目的地,而不是只判断首跳域名。这一建议针对的正是当前钓鱼链接的常见构造:首跳是一个看似无害的追踪域、短链服务或已被入侵的合法站点,真正的采集页面位于数跳之后;部分链路还会依据访问者的设备、地理位置或访问次数决定是否跳转,使静态分析看到的终点与受害者实际到达的终点不同。

首跳域名的信誉往往良好,因为它可能属于一家正常的营销服务商;而这类服务商的基础设施被滥用在业内并不罕见。仅凭首跳判定,等于把判断权交给了最不可靠的一环。点击时解析则把判定点移到 "用户实际将要去哪里",代价是需要在代理或终端侧具备实时解析能力,且要承受一定的性能开销。

5.3 以附件行为而非扩展名为判据

对 PDF、SVG 与日历邀请的检查,应放弃 "扩展名白名单" 的思路。可执行的判定点是:文档内是否含有外部链接、链接指向何处、是否要求输入信息、日历事件是否携带指向外部页面的入口。这些属性可以从文件结构中提取,与文件是否 "看起来像图片或文档" 无关。

研究者特别提到,文件扩展名与熟悉的品牌标识都不是行为的替代品。这一判断的现实依据是:攻击者可以把任何载体做成 "看起来正常" 的样子,而收件人对载体的信任来自使用习惯,不来自技术属性。

5.4 调查锚点:邮件要求你做什么

当措辞不再可复用,调查的起点应当换成 "这封信要求收件人完成什么动作"。要求输入凭据、要求安装某个 "安全组件"、要求拨打电话核实、要求添加日历事件并点击其中链接 —— 这些意图在变异中保持稳定,因为它们就是攻击的目的。以意图为锚点,可以把大量表面不同的样本归入同一活动,也可以把表面相似但意图不同的正常邮件排除在外。

这一方法对分析人员的经验依赖较高,难以完全自动化。可行的折中是建立 "意图 — 载体 — 话术" 的对应表:凭据采集类通常伴随账户异常、配额超限、验证要求;恶意载荷类通常伴随发票、简历、合同;电话诈骗类通常伴随退款、违约、司法通知。对应表不追求穷尽,只提供初步分流。

5.5 抗钓鱼多因素认证与核验通道

对特权账号与高价值岗位,应优先部署抗钓鱼的多因素认证方式。其原理是让认证凭据与访问的源域绑定,使攻击者在仿冒页面上取得的认证信息无法在真实服务上复用。这一措施不能阻止凭据被采集,但能显著降低采集后的可利用性。

与之配套的是核验通道的建设:任何涉及账户、支付、权限变更的请求,都应有一条独立于邮件本身的确认路径,例如既有的工单系统、内部即时通讯中的固定联系人、或已备案的电话号码。这条通道的价值不在于技术先进,而在于它不经过可能被伪造的那一环。

5.6 面向变异的簇级判定

在检测架构上,应把聚合层级从 "单封邮件" 上移到 "活动簇"。可行的做法是:以发信域、附件结构、链接跳转层数、意图类型、投递时间窗为维度,对短期内出现的样本做聚类;对簇内样本计算 "共享结构特征" 的比例,而非要求逐封匹配;当一簇的规模、时间集中度与意图类型同时满足条件时,整体提升风险等级,再在簇内做逐封甄别。

这一思路的优点是它与攻击者的变异策略不冲突:攻击者可以让每一封信的措辞不同,但很难让一批活动在结构、时间与意图上完全离散,因为那会破坏投递效率与说服逻辑。据 DiMiao, CN 分析,变异度越高的活动,其 "结构同质性" 反而越明显 —— 所有样本都由同一套模板引擎生成,附件由同一套合并逻辑产出,链接由同一套跳转规则分发,这些环节的痕迹比措辞更难伪装。迪妙网络空间安全学院研究团队在方法上的主张与此一致:把检测资源从 "文本比对" 转向 "生成机制推断",从样本追溯其生产工具,而不是从样本追溯其作者。

6 讨论:增益、限度与治理

6.1 增益的真实来源

把 AI 在攻击侧的作用说成 "能力跃升" 容易失真。就该平台而言,可确认的增益集中在三处。其一是边际成本:每增加一个变体的成本接近于零,而人工撰写的边际成本随数量线性上升。其二是语言质量:跨语言行骗长期受制于语体,模型把这一门槛降到接近于零。其三是变体数量:在需要规避基于相似性的检测时,变体数量本身就是一种资源。

这三项增益都不涉及 "更强的说服力"。模型不会自动知道该对某个人说什么,它只是把已知的说服结构复制得更好、更多、更快。研究者对个性化深度的克制判断,正是对这一点的确认。

6.2 能力上限与技术约束

该模式的限制同样明确。反馈信号的可获得性是第一约束:平台能观测到的只是投递结果的一部分,对 "进入垃圾箱" 这类状态缺乏可靠感知,因此 "循环" 的收敛性有限。模型自身的拒绝策略是第二约束:商用模型对明显用于欺诈的内容有一定过滤,购买者需要通过提示工程绕开,这一过程不稳定,且随模型版本变化。检测对抗的不对称是第三约束:防御方只需找到一个稳定特征即可拦截整簇,攻击方需要让所有特征同时失效才能通过,前者的调整成本低于后者。

这一不对称是防御方应当利用的结构性优势。它意味着不必在 "谁写得更像人" 上竞争,而应在 "谁的判断单位更合理" 上竞争。

6.3 治理层面的问题

商用模型接口被用于此类用途,暴露的是调用侧治理的空白。当前的模型服务多依赖账号级的风控与用量异常检测,缺乏对 "调用方是否在批量生成欺诈内容" 的针对性识别;而购买者自备密钥的安排,使平台方与模型方之间不存在任何责任连接。这一结构使 "技术提供者" 在事实上退出了治理链条。

工具包市场的准入门槛同样值得关注。三千至六千美元的一次性授权、加密货币支付、论坛推广,构成了一条低监管、高隐蔽的流通渠道。对这类市场的外部观测极为困难:交易在私密频道完成,产品更新通过加密渠道分发,样本只在被使用时才暴露。研究者能够描述产品,却难以描述其用户结构,这是当前威胁情报的普遍困境。

6.4 归因的限度

该平台未被归因于特定组织,其技术特征也不足以支撑归因。模型接口是通用的,模板引擎是通用的,发信基础设施由买家自备,这些环节都不携带可追溯的组织指纹。归因的可行路径只剩下语言习惯、目标选择偏好与投递时间规律,这些证据强度有限,且容易被刻意模仿或掩饰。

对防御实践而言,这一事实的含义是:响应不能以归因为前提。以结构特征与意图类型为判据的拦截,在不知道对手是谁的情况下依然有效,这正是这类判据相对归因的价值所在。

7 结语

TheMailer 所代表的并不是一次技术突破,而是一次成本结构的重组。它把内容生产、变体生成与投递试探打包成可购买的服务,使 "每一封信都不同" 从奢侈变为常态;它把语言门槛降到接近于零,使跨语言行骗不再需要母语能力;它把试错过程自动化,使不具备邮件知识的购买者也能反复调整直至投递成功。这些变化的共同指向是:攻击的门槛在下降,而攻击的表面质量在上升。

防御侧的调整方向也因此变得清晰。认证仍然是必要的,但它只能处理冒充,处理不了自有域名与相似域名;文本特征仍然是可用的,但它只能覆盖单个样本,覆盖不了成批变异;附件检查仍然要做,但判据应从扩展名转向文档行为;链接检查仍然要做,但必须在点击时沿完整链路解析。更根本的变化在于判断单位:当单封邮件失去代表性,唯一稳定的分析对象是活动簇,唯一稳定的调查锚点是邮件要求收件人完成的动作。

需要保留的疑问同样具体:该平台的实际售出量与活动规模尚无证据,其投递成功率与收件箱到达率未被观测,反馈闭环的真实收敛效果缺乏验证。对这些问题的回答,取决于能否获得使用侧的遥测数据,而这恰恰是公开研究最难触及的部分。在证据补足之前,对其能力的评估宜维持在中位:它是一种有效地降低了变体生产成本的工具,而不是一种能够稳定穿透主流防护的武器。防御方按前者配置资源,按后者保持警觉,是较为稳妥的姿态。

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

目录
相关文章
|
5天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
5505 11
|
5天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
2087 7
|
7天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
7天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
20天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
9741 58
|
3天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
15天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
3314 9
|
20天前
|
JavaScript API iOS开发
DeepSeek Harness下载、安装、配置一篇搞定(2026整理,送常用插件)
DeepSeek Harness(DSH)是DeepSeek于2026年开源的MIT协议AI Agent框架,支持插件化组装模型、工具、沙箱与UI,兼容主流大模型。本文提供免Node.js的桌面端安装包(Win/macOS),含详细图文教程及热门插件推荐。
6012 69
|
3天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
949 0