报告概述
本报告以威胁猎人情报平台持续监测的黑灰产数据为基础，从攻击资源、通用攻击技术、重点攻击场景三个维度，全景呈现2025年互联网黑灰产的发展态势。研究对象包括作恶手机号（猫池卡、拦截卡、真人众包）、作恶IP、网络洗钱资源（银行卡、对公账户、商户）、风险邮箱等攻击资源；通用攻击技术涵盖手机端智能体越权风险、AI换脸工作流化、自动化工具突破人脸活体检测；攻击场景聚焦业务欺诈、信贷欺诈、钓鱼仿冒、数据泄露四大领域。报告采用情报监测与案例分析相结合的方法，旨在帮助风控从业者快速掌握黑产最新动向，提升防御能力。
报告的核心结论
黑产作恶资源向“类真人化”转型，拦截卡占比飙升。
2025年新增国内作恶手机号超1100万，其中拦截卡资源占比从39.5%升至69.23%，传统猫池卡因监管打击供给收缩。拦截卡由真人持有设备（如老人机）被植入后门窃取验证码，隐蔽性极高，企业风控难度显著增大。
AI与智能体技术大幅降低攻击门槛，自动化作恶进入智能体阶段。
黑产利用手机端智能体（如豆包、AutoGLM）可执行电商下单、转账等全流程操作，通过语义绕过和插件破解系统安全约束。AI换脸从单点工具进化为在线工作流引擎，即使无技术背景的攻击者也能以百元级月费生成高仿视频，攻击成本呈指数级下降。
人脸活体检测“三色炫光”防线被自动化工具突破。
2025年7月，主流人脸认证绕过工具新增“自动化炫光模拟”功能，通过预设取色坐标、实时采样屏幕颜色并动态渲染至攻击视频，实现实时响应。此前可拦截90%以上视频攻击的炫光/三色验证已不再安全，金融、社交等高价值场景面临大规模攻击风险。
金融行业成钓鱼仿冒核心目标，GEO投毒污染AI搜索。
2025年钓鱼仿冒事件中金融领域占比76.28%。黑产利用生成式搜索的引用机制，在高权重内容平台批量植入虚假客服电话，使AI搜索直接输出错误联系方式。用户不再点击可疑链接，而是直接采信AI答案，导致认知劫持和精准诈骗。
报告回答的关键问题
2025年互联网黑灰产有哪些新趋势？
黑灰产正从“堆资源、拼人力”转向“类真人化、智能化作恶”。攻击资源中拦截卡和真人众包接码大幅替代传统猫池卡，AI技术被广泛用于生成评价、虚假图片和自动化操作，人脸活体检测防线被突破，钓鱼仿冒从链接劫持升级为AI搜索投毒，数据泄露则集中在金融行业的高价值信贷数据。
黑产如何利用AI技术降低攻击成本？
黑产利用在线工作流引擎（如ComfyUI、SaaS平台）将AI换脸、语音合成等能力封装为一键式操作，仅需一张照片和一段音频即可生成逼真视频，无需高性能显卡。此外，AI智能体实现全流程自动化下单和转账，配合开源架构和后门程序，攻击门槛从技术专家降至普通用户，月费仅百元级别。
人脸活体检测为何不再安全？
过去依赖屏幕颜色闪烁反射验证的“三色炫光”技术，被黑产自动化工具通过“实时采样屏幕颜色+动态渲染至伪造视频”的方式绕过。工具在攻击设备上预设取色坐标，捕捉真实人脸区域的光线变化并实时合成到攻击视频中，使算法误判为真人。该工具出现后，传统炫光防护效果大幅下降。
钓鱼仿冒风险有哪些新变化？
2025年第三季度起，黑产采用GEO投毒方式污染AI搜索信息来源，在高权重新闻、视频平台批量投放嵌入虚假客服电话的文章，使AI问答结果直接显示错误联系方式。用户主动搜索“客服电话”时更易中招，而非被动点击钓鱼链接。仿冒客服电话攻击成为新热点，且与暑期经济等社会活跃度高度相关。
数据泄露重灾区是哪些行业？
2025年数据泄露事件中金融行业断层式领先，银行业连续三年第一，消费金融反超电商升至第二，加上支付和证券，泛金融板块占据Top5中的四席。黑产重点攻击高变现价值的信贷与资金流数据，如“消金申请”类数据在非法交易市场长期热销，且黑产已利用AI模型进行数据清洗和质量控制。
报告中的代表性数据
国内新增作恶手机号数量
2025年全年，较2024年提升30.02%，其中拦截卡占比从39.5%上升至69.23%，猫池卡下降33.85%。
职业背债风险舆情增长率
2025年与2024年对比，2025年职业背债风险舆情量较2024年增长168%，下半年较上半年增长59%，消费贷和企业贷场景增速超80%。
钓鱼仿冒风险事件中金融行业占比
2025年全年，金融领域（证券、银行、消费金融等）合计占比76.28%，银行、证券及消费金融是主要攻击目标。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 黑灰产攻击资源分析方法：详细说明作恶手机号、IP、洗钱资源、风险邮箱的监测与采集技术，包括猫池卡与拦截卡的识别机制、劫持代理IP的溯源方法，以及商户洗钱链路的实控分析。
- AI智能体越权测试案例：披露对豆包、智谱AutoGLM等智能体的内部测试过程，展示如何通过提示词绕过和插件安装实现转账、签约等敏感操作，验证当前安全机制的可突破性。
- 信贷欺诈场景分化与话术分析：除职业背债、债务优化等主流类型外，提供房贷、车贷、消费贷、企业贷各场景的欺诈流程图、黑产话术实例，以及融资套现的完整操作链路。
- 国补欺诈产业多角色协同链条：详述黑产、商家、快递员、黄牛等角色在数码家电套利中的分工，包括远程代激活、虚假回收、跨地区定位伪装等新型手法，并附交易渠道统计。
- GEO投毒治理实践：展示威胁猎人DRR团队对污染源的取证、下架流程（成功率93%），以及向AI平台提交纠偏线索的标准化操作，附真实案例中AI搜索结果污染前后的对比截图。
- 数据泄露产品发展时间线：以“消金申请”数据为例，梳理从测试、上线到AI模型升级的四个阶段，包含黑产对数据质量控制的迭代细节，以及下游贷后营销话术示例。
- 代表性黑产工具揭露：展示人脸认证绕过工具“自动化炫光模拟”功能的逆向分析报告，包括取色坐标设定、实时渲染算法和防御失效的量化评估。
- 年度黑产攻击热力图与趋势预测：基于逐月攻击情报量（13.1亿条）、活跃群组数（月均50万个）等数据，绘制行业、地域、季节维度的风险热力图，并提供2026年黑产技术演进预警。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
