随着生成式 AI 的快速普及，数字欺诈正在悄然发生质变。
过去，攻击者依赖人工脚本和零散工具；而今天，越来越多的欺诈行为开始由 AI 驱动、自动执行，并具备持续学习能力。身份攻击不再只是被“放大”，而是逐渐形成一套可以自行优化的智能流程。
行业正在进入一个全新的阶段——欺诈，正在变成一种可自我进化的系统性能力。
最新行业预测显示，仅在美国，与生成式 AI 相关的欺诈损失将在 2027 年达到 400 亿美元，相比 2023 年增长超过三倍。与此同时，金融科技、支付平台及数字化业务场景的身份验证请求持续攀升，而用户却期待几乎“无感”的注册体验。
身份系统被同时推向两个极端：更快的业务节奏，和更复杂的攻击环境。
2025 年以来，高复杂度身份欺诈的增速已明显超过传统攻击形态。相比 2024 年，使用高级欺骗技术、社会工程和 AI 生成身份的“复杂型欺诈”同比增长约 180%。
表面看整体欺诈率趋于平稳，实则攻击正从“数量型噪音”转向少量、高命中、高破坏性的精准打击。
随着身份验证平台不断加固防线，那些简单粗暴的造假方式越来越难奏效。攻击者开始改变策略：不再追求“多试几次”，而是投入更多时间和资源，打造能稳定绕过系统的高质量攻击样本。
攻击模式也随之发生转变：
深度伪造、合成身份、设备规避与行为仿真被组合成完整攻击链路。
在这一轮演变中，一个新的威胁逐渐浮出水面——AI 欺诈代理（AI Fraud Agents）。
这些系统正在从实验阶段走向实战部署，业内普遍认为，随着实时决策与自主学习能力成熟，它们将在 2026 年进入规模化攻击阶段。
与传统脚本或自动化工具不同，这类系统不再只是“辅助攻击”，而是开始承担完整欺诈流程：
从自动生成虚假身份材料，到在验证环节中实时交互（调整动作节奏、模拟人类反应），再到失败后的复盘与策略更新，并主动发起下一轮尝试。
换句话说，攻击者正在把“从准备材料到闯关通过”的全过程交给 AI。
这意味着身份攻击首次同时具备了：规模化 × 高拟真度 × 自主进化能力。
不是靠更多人堆量，而是靠算法持续迭代。
更关键的是，这类代理往往不会只押注一个环节。它会把合成身份、Deepfake、设备/环境规避、信号层绕过等手段串成一条可重复的攻击链路，并通过“微小变体”不断重试，直到找到最容易通过的路径。
攻击不再依赖“熟练操作员”，而是进入算法驱动阶段——欺诈，开始拥有学习能力。
当 AI 欺诈代理开始承担完整攻击流程后，攻击目标也随之发生改变。
过去，欺诈的核心是造假内容——伪造证件、合成人脸、制作深度伪造视频；而现在，攻击者更关注的是如何操控系统的感知方式。
因为对 AI 驱动的攻击来说，真正的瓶颈不再是“能不能造得像”，而是：系统如何判断“这是真实输入”？
随着证件核验与活体检测能力不断强化，单纯依靠图像伪造越来越难以稳定通过。于是，攻击路径开始向更底层迁移——直接操纵身份系统的输入信号与运行环境：
攻击重点不再是“你是谁”，而是系统“看到什么”。
这种系统级操控极其适合 AI 欺诈代理的运行逻辑：一旦某条注入路径被验证有效，代理即可自动复用、微调并规模化复制，形成可重复执行的攻击流水线。
正因如此，行业正从“一次性身份验证”转向“持续身份信任”。
防御不再止步于开户瞬间，而是贯穿用户全生命周期。
在 AI 驱动的攻击环境下，防御逻辑也随之升级——从静态校验走向动态判断，从单点识别走向多模态融合，从一次验证走向持续风控。
真正有效的体系，必须同时理解身份真实性、行为一致性、设备可信度与风险关联。
这正是 ADVANCE.AI 的核心投入方向：将证件核验、生物识别、设备信号与风险关联整合为持续运转的身份防御闭环，用 AI 对抗 AI 欺诈，而非依赖单一技术栈。
在 ADVANCE.AI 最新发布的《身份欺诈报告》中，我们结合真实业务数据，对当前身份攻击的技术演进与绕过路径进行了系统分析，并提出以持续风险监测为核心，通过身份信息、用户行为与设备环境交叉判断的防御框架。
趋势在变化，攻击方式在演进，但真正决定防御能力的，是对攻击结构的理解，以及对信任体系的持续优化能力。
如果你正在思考如何在 AI 驱动环境下升级身份防御能力，欢迎点击“这里”下载完整版报告，获取更系统的分析与实践思路。