他指出，AI“消除了攻击意图与实际能力之间的差距”，使得攻击者能够以前所未有的速度达到专家级的攻击规模和速度。
AI 欺诈与滥用：面向零售和电子商务行业的实用防御措施
AI 消除了犯罪意图与技术能力之间的差距。准入门槛的降低使得并不老练的攻击者也能够达到专家级的攻击规模和速度。企业必须采用自适应架构和 Zero Trust 安全态势，以抵御这种自动化的威胁倍增因素。
自主式 AI 爬虫的激增威胁着交易完整性。具备独立购物和支付能力的自主式爬虫程序，为攻击者实施滥用行为以及损害品牌形象提供了巨大的可乘之机。借助行为智能分析对输入进行验证，有助于甄别合法的自动化操作与恶意智能体。
撞库攻击与倒卖已验证帐户的行为严重损害了客户的信任。黑客会大规模利用被盗数据，导致难以区分真实用户与恶意攻击者。实施分层控制措施并在登录前监控设备信号，对于在不破坏客户体验的前提下强化安全防护至关重要。
生成式 AI 带来了深度伪造和数据泄露等高风险攻击媒介。合成媒体能够诱使呼叫中心和财务部门进行未经授权的付款，而公开的大语言模型 (LLM) 可能会摄取专有 IP。实施严格的数据防护措施和供应商验证机制能够让企业规避潜在的风险。
- 安全机制必须在反欺诈审查与业务转化速度之间取得平衡。过于繁重的防御策略可能会损害客户体验，但如果不采取行动，又会使整个供应链暴露于风险之中。优先识别最关键的业务功能，有助于构建有针对性且可扩展的防御体系。
常见问题 (FAQ)
这三大具体挑战分别是：自主式 AI 爬虫的增长、撞库攻击与倒卖已验证凭据的结合，以及数据向公共 LLM 的泄露。
该行业面临庞大的网络攻击面、多个边缘接入点的访问风险，以及来自二级产品市场的巨大压力。
推荐的首选策略是将正常行为加入白名单并拦截其他所有流量，从而识别和了解网络流量状况。
深度伪造使用语音和视频通话来欺骗呼叫中心和财务部门，例如冒充 CEO 索要礼品卡或者伪装成客户欺骗物流公司。
企业必须评估身份（交互对象）、意图（请求内容） 以及行为（沟通方式）。
非恶意欺诈也称为退款欺诈，是指消费者进行了合法的购买行为之后，却声称该交易属于欺诈性交易或未经本人授权。
最终目标是确保消费者与品牌进行的每次互动都是安全的。