钓鱼邮件作为窃取信息或植入恶意软件的手段，其历史可追溯至 20 世纪 90 年代中期。尽管技术古老，它仍是威胁行为者伪装成可信实体以渗透企业的首选工具。联邦调查局（FBI）最新数据显示，约 26% 的网络犯罪投诉与钓鱼攻击有关。
当前，生成式人工智能（GenAI）正在重塑这一格局。过去，语言错误、格式不规范以及难以规模化个性化是阻碍钓鱼攻击有效性的主要限制因素。然而，GenAI 消除了这些技术与操作壁垒。大型语言模型（LLM）能够以极低成本和极少专业知识，在多种语言中生成上下文精准、语法完美且包含逼真品牌图形及网址的文本。这种能力使得攻击者不再局限于针对特定目标的“鱼叉式”攻击，而是能一键发起大规模、高精准度的网络攻击。
Kaseya 网络安全高级副总裁 Dave Baggett 指出，传统用于识别钓鱼邮件的信号——如糟糕的语法和拼写错误——已被 AI 生成的完美语言所取代。攻击者利用 AI 可以高度定位目标，例如使用制药行业的真实术语构建邮件。这种技术民主化意味着任何具备基本研究能力的个体都能实施复杂攻击。一旦突破边界，攻击者便可进一步挖掘云服务和 SaaS 平台。据 FBI 数据，过去几年间，因钓鱼攻击造成的损失增长了 274%。
面对这一严峻形势，防御方也在同步开发基于 AI 的对策。传统的防护手段依赖于检测异常特征，而这些特征正逐渐被 GenAI 消除。新的安全解决方案转向上下文分析，旨在损害发生前模拟攻击者意图。通过 AI 分析符合现代钓鱼活动层次结构的微妙模式，系统可以判断信息是否符合预期行为逻辑。鉴于现代钓鱼邮件在技术上往往显得“干净”，这种对细微模式的识别能力已成为应对潜伏性威胁的关键。
