返回快讯

微软携手coinbase捣毁evilTokens钓鱼平台

微软数字犯罪部门(dcu)联合coinbase、cloudflare、openai、railway、spycloud、shadowserver基金会、trm labs及health-isac,通过美国弗吉尼亚州东区联邦法院授权的民事诉讼,查封了ai驱动的"钓鱼即服务"平台evilTokens的50个网站,另有超过175个关联域名被停用,这也是微软dcu历史上第40次获法院授权的网络犯罪打击行动,同时是其首次针对ai赋能犯罪服务出手。

evilTokens的技术核心是滥用微软oauth 2.0设备授权登录流程发起"设备代码钓鱼",借此绕过多因素认证并静默冒充受害者身份登录microsoft 365应用;该平台由威胁团伙storm-2992通过telegram机器人对外分发,提供44款可定制钓鱼工具包,订阅价格为每月500美元或一次性1500美元买断;犯罪团伙还部署ai聊天机器人分析已攻陷邮箱,自动梳理信任关系、识别谁掌握付款权限、判断哪类目标最容易得手,并借助"vibe coded"方式用ai直接生成攻击工具代码,大幅降低了技术门槛。

微软方面披露,evilTokens自2026年2月上线以来扩张迅猛,微软安全副总裁tanmay ganacharya表示自3月15日起该平台平均每24小时就有10到15个新钓鱼活动上线;截至目前已累计攻陷超过12000个microsoft 365邮箱账户,波及全球逾10000家机构,受害集中地包括美国、加拿大、英国、澳大利亚、印度和法国,受害行业涵盖金融服务、医疗健康与高等教育。

coinbase全球情报团队独立追踪链上资金流向,发现evilTokens在2025年10月至2026年6月期间通过4个tron地址累计收取约110万美元"平台费"收入,涉及逾1000笔存款,来自700多个不同地址;该团队还调查了在coinbase平台上购买该钓鱼工具包的用户身份,并将相关证据移交执法部门,为微软的民事诉讼提供了关键支撑。

英国大都会警察于9月18日星期五在伦敦金丝雀码头(canary wharf)与九榆树区(nine elms)执行搜查令,逮捕两名分别为32岁和38岁的男子,二人涉嫌为evilTokens网站的管理运营者,目前已获保释,案件调查仍在进行中。

从资金链条看,evilTokens的收入本质是"卖工具"而非直接行骗——storm-2992向下游犯罪分子收取订阅费获利,资金经tron链上多个地址周转沉淀;真正的资金损失则由被钓鱼邮件诱导转账的终端用户承担,coinbase明确表示自身账户体系与凭证未被攻破,受损资金来自客户被社工诱导后主动转出的加密货币,损失发生在平台之外的用户决策环节;这次联合打击的直接受益方是微软与coinbase等参与机构,查获证据强化了其安全声誉与后续执法话语权,而承压方则是storm-2992及其钓鱼工具包的购买者群体,其身份信息已被移交执法部门。

据独立安全厂商spycloud的数据显示,evilTokens实际波及的规模比微软披露的官方数字更大——涉及79个国家、6585个企业邮箱域名下的8708个已攻陷账户,其中97.5%的受害者为企业域名账户,而非个人邮箱。

来源:公开信息

ABAB AI 解读

微软数字犯罪部门此次是其第40次通过法院授权发起的网络犯罪基础设施打击,过去十余年间,dcu已先后端掉necurs僵尸网络、trickbot分发网络、以及针对cobalt strike破解版滥用的多起诉讼,一贯打法是绕开需要漫长刑事程序的路径,改用民事诉讼快速拿到法院授权,直接查封域名与服务器。coinbase的角色同样有迹可循,其全球情报团队此前多次配合执法机构追踪朝鲜lazarus集团的加密货币洗钱路径,这次针对evilTokens的链上取证,是其"用交易所数据反哺执法"打法的延续。

资金路径上,storm-2992选择的不是自己下场行骗,而是把钓鱼工具打包成订阅服务卖给其他犯罪分子,每月500美元或买断1500美元的定价结构,本质上是一套saas商业模式,只是客户是骗子;资金结算选在tron链上完成,看中的是其低手续费与快速到账特性,便于高频小额收款后迅速分散转移。这种"卖工具而非卖骗局"的路径,把技术研发能力变现为可复制的现金流,同时把法律风险甩给了下游购买者与实际执行诈骗的人。

类比来看,evilTokens并非孤例。2024年国际执法机构联合摧毁的labhost钓鱼即服务平台,巅峰时期为超过4万名犯罪用户提供服务并生成数千个钓鱼域名,商业模式与evilTokens高度相似;更早的16shop、ONNX store等钓鱼工具市场也遵循同一逻辑。evilTokens的独特之处在于率先把生成式ai嵌入犯罪供应链的两端——既用ai做前端的目标筛选与话术生成,也用ai做后端的攻击代码开发,这标志着钓鱼即服务这一犯罪形态正从"人工作坊"阶段迈入"ai自动化流水线"阶段。

这起事件的本质是技术替代——ai正在替代原本稀缺的人工社工技能,把过去需要经验丰富的诈骗者才能完成的"摸排信任关系、判断谁能批钱、编写以假乱真话术"这类工作,压缩成一套自动化流程,使得几乎零技术背景的人只需付费订阅即可发起高质量攻击。其发生机制在于:社工诈骗的核心壁垒原本是"人力成本高、经验难复制",而大语言模型恰好擅长处理这类基于文本与关系图谱的模式识别与生成任务,一旦这层壁垒被ai击穿,犯罪能力就会像正版软件一样被打包、定价、订阅式分发,执法机构的应对策略也随之从"抓每一个使用者"转向"端掉提供工具的基础设施与支付通道"。

ABAB News · 认知定律

  1. 技术门槛每降一次,犯罪分子就多一批

  2. 犯罪一旦装上订阅制外壳,规模就会指数扩张

  3. 抓不完买家的时候,先端掉卖家的摊位