AI生成式诈骗正在改变链上犯罪结构
随着生成式AI技术的成熟，加密诈骗已经从简单钓鱼升级为“深度伪造+自动化话术+链上批量地址”的复合攻击模式。攻击者可以通过AI生成逼真的客服、交易所公告甚至KOL语音内容，同时配合自动化脚本在链上创建数百个一次性钱包地址，使诈骗行为在链上呈现出高度碎片化与分布式特征，传统基于黑名单的KYT识别方式难以覆盖这种快速变化的攻击结构。
地址聚类成为识别AI诈骗网络的核心工具
面对高度自动化的诈骗体系，仅依赖单地址风险标记已经无法有效识别风险扩散路径。KYT系统通过地址聚类与行为图谱分析，可以将看似独立的多个钱包连接成统一的风险网络，从资金流入路径、交互频率以及资金归集模式识别潜在控制关系。这种方法能够揭示AI诈骗背后的“控制中心地址”，即使攻击者频繁更换钱包，也无法完全切断链上行为关联。
KYT如何适应AI驱动的新型诈骗生态
Trustformer KYT通过引入行为模型与语义风险信号，将链上交易数据与外部AI生成内容风险进行联合评估。例如当某一批地址同时触发异常小额测试交易、高频分散转账以及与已知诈骗集群的弱关联时，系统会自动提高风险评分并触发预警。这种动态模型使KYT从规则驱动升级为“行为学习驱动”，能够持续适应AI诈骗不断进化的攻击方式。