澳洲反詐新創 Apate 以約三十五萬個對話式 AI 機器人，把電話、短訊與社交群組上的騙徒拖進「假受害人」對話，目標是浪費對方時間並即時抽取詐騙情報。WIRED《Kernel Panic》於二零二六年十月十日報道指，平台獲銀行採用、並獲電訊商支援；創辦人稱通話經常超過兩小時，已蒐集逾二十五萬條包括釣魚連結、騾仔帳戶與銀行資料等情報。來源真實性已驗證：本文以 WIRED 原文與 Apate 官方網站互相核對後改寫，非轉載全文。
跨境電話與即時通訊詐騙，已令執法與企業難以單靠「封鎖號碼」應對。澳洲公司 Apate（取名自希臘神話中的欺騙女神）把思路反過來：與其只在事後封鎖，不如讓大量擬真 AI 機器人充當「理想受害人」，在騙徒接通的一刻就把資源鎖死在無用對話上，同時把對話變成情報。WIRED 資安通訊《Kernel Panic》於二零二六年十月十日以此為題報道，並引述創辦人兼行政總裁 Dali Kaafar；本文已對照 Apate 官方網站（apate.ai）的產品說明，確認其定位屬電訊／金融／執法可用的對話式反詐與情報平台。
一、核心事件：用 AI「誘敵」消耗騙徒產能
技術細節
據 WIRED，Apate 過去約兩年建立一套系統，把來電騙徒轉接到專責拖延的 AI 對話機器人；機器人被訓練成盡量延長對話，卻不會真正上當。Kaafar 形容公司在「為騙徒打造完美受害人」：騙徒與機器人多談一分鐘，就可能少接觸數以百計以至千計的真實目標——因現代詐騙常以自動撥號大量掃線。
報道指平台約有三十五萬個機器人，除接聽電話外，亦會滲入網上詐騙群組、回覆短訊，以同樣目標拖延並蒐證。公司稱已即時蒐集逾二十五萬條有關騙徒的情報，包括詐騙網址、騾仔帳戶與銀行資料等。機器人具備不同性格、語言能力與人物設定，務求降低被識破的機會——例如有時「有 WhatsApp」、有時沒有；有時接聽、有時先掛線說稍後再打。
WIRED 記者以示範版本扮演騙徒，與名為「Lucy」及其理財顧問「Mickey」的 AI 人設對談，試圖推銷加密貨幣投資；約六分鐘仍未能令系統「入局」。Kaafar 則指 Apate 的通話經常超過兩小時。平台據報獲銀行使用，並獲電訊商支援。
Apate 官方網站則把流程概括為 Detect（偵測）→ Engage／Divert（轉接並纏住）→ Analyse（抽取戰術與帳戶等）→ Protect（降低真實受害人接觸面），並說明語音方案可經 SIP／RTP 與電訊商系統整合，短訊／訊息機器人亦可部署於 WhatsApp、Telegram 等渠道；服務對象包括電訊、金融與加密、政府與執法。
二、技術原理深度解析
這類系統本質上是「主動式誘敵（offensive deception）」與對話式代理的結合，而非傳統黑名單過濾：
- 流量分流：電訊或企業來電中心把被標為高風險的來電／短訊，導向 AI 對話池，令真實客戶線路被佔用的機會下降。
- 擬真人格與多通道：語音、短訊、群組聊天共用「拖延＋套話」目標函數；人格差異用於降低可偵測的機械模式。
- 情報抽取管線：從對話中結構化抽出 URL、帳戶、加密錢包、劇本與組織線索，回饋銀行／執法黑名單與調查。
- 與蜜罐的對照：WIRED 亦引述蘇黎世聯邦理工學院（ETH Zurich）研究員 Mark Vero 等對大型語言模型蜜罐的研究——更擬真的 LLM 蜜罐可令代理式攻擊者停留更久、較少被標記為蜜罐。電話反詐機器人與網絡蜜罐同屬「以擬真消耗對手」的防禦哲學，但面向的是社交工程產能，而非僅伺服器漏洞掃描。
需注意：本報道焦點是防禦方如何消耗騙徒時間；並不提供任何用於詐騙或規避偵測的操作指引。
三、日常應用場景
1. 開發者與技術團隊
若團隊為銀行、電訊或大型客服建設反詐管線，重點在於：來電／訊息風險評分、轉接策略、對話狀態機、情報欄位結構（URL、帳戶、錢包）、以及與 SOC／欺詐調查工作台的 API 對接。本機或私有部署對話模型時，亦需把工具權限、錄音存取與個資最小化納入設計。
2. 企業與隱私敏感行業
銀行、保險、加密交易所與大型零售客服，可把高風險來電從真人坐席抽離，降低員工被社會工程、亦減少客戶被二次轉駁的風險。同時要把對話錄音、抽出的帳戶資料置於合規的數據留存與跨境傳輸政策之下。
3. 一般用戶
對個人用戶而言，這類方案通常經電訊商或銀行「後台」運作，未必需要下載獨立 App（Apate 官方 FAQ 亦表明刻意不做消費者 App，而是與電訊整合）。用戶仍應維持基本防詐習慣：不輕信「客服索取一次性密碼」、不向陌生連結輸入網銀憑證。
4. 香港與亞洲市場視角
香港與亞洲多地長期面對電話、WhatsApp、冒充公職人員與「殺豬盤」式投資騙局。若電訊與銀行能把可疑流量導向誘敵機器人，理論上可在不依賴用戶額外操作的情況下，壓縮騙徒每小時可接觸的真實受害人數量。對本港金融科技與合規團隊，更值得關注的是情報能否即時進入跨機構黑名單，以及語音深偽／AI 騙徒對誘敵機器人的對抗升級。
四、專業評價與潛在考量
優勢
- 把防禦從「事後封鎖」推到「即時消耗產能」，對自動撥號型詐騙尤其有經濟意義。
- 對話本身成為情報來源，可補足僅靠用戶舉報的滯後。
- 與蜜罐研究方向一致：擬真度提升，對手停留時間與可蒐證據量亦可能上升。
需要留意的地方
- 軍備競賽：騙徒亦可能改用 AI 撥號與語音合成；雙方 AI 對打時，真實受害人接觸面未必自動歸零，仍取决于分流準確率。
- 誤傷與合規：若風險模型誤判合法來電，可能損害客戶體驗；錄音與個資處理須符合各地私隱與金融法規。
- 成效度量：公開報道多強調機器人數量、通話時長與情報條數；「避免了多少實際損失」往往較難獨立核實，採購方應要求可審計的成效指標。
- 倫理邊界：誘敵屬合法防禦手段時仍須避免構成不當誘捕或對無辜第三方造成滋擾。
結語
Apate 與 WIRED 的報道，標誌反詐正從靜態過濾，走向「以對話式 AI 規模化消耗騙徒」的營運模式。對香港企業而言，電話與即時通訊詐騙已是品牌信任與合規成本的一部分；把高風險通道、零信任存取與雲端安全監控一併設計，往往比單點封鎖更可持續。若貴司需要在香港部署雲端遷移與網絡安全防護（官網刊 99.99% SLA），可參考 YSK Limited 的雲端遷移與網絡安全服務：https://ysk.hk/services/cloud-security 。若團隊同時要在受控環境跑本地／私有模型閘道作內部工具，亦可了解開源 YSK Omni v1.0.2（https://ysk.hk/products/ysk-omni）。
參考來源
- WIRED / Kernel Panic — AI Is Getting Really Good at Messing With Cybercriminals（2026-10-10）：https://www.wired.com/story/ai-is-getting-really-good-at-messing-with-cybercriminals/
- Apate 官方網站 — AI powered fraud prevention and intelligence：https://apate.ai/
- （背景對照）ETH Zurich 相關 LLM 蜜罐研究論點見 WIRED 引述 Mark Vero；非本篇主證據鏈