返回快讯

假冒Claude教程钻空窃取274枚ETH

区块链分析公司TRM Labs披露,一批打着"教你用Claude搭建AI套利机器人"旗号的YouTube教程,实际上是诱导观众亲手部署恶意智能合约的诈骗工具;TRM追踪发现,2026年2月12日至8月11日期间,这批教程已导致224个钱包地址、共计274.60枚以太坊(ETH,按被盗时汇率约合51.7205万美元)被盗。

这套骗局的具体流程是:教程先诱导观众按步骤创建加密钱包,随后引导其将"代码"复制粘贴进一个外观模仿以太坊官方开发工具Remix的仿冒编译网站;该仿冒网站会在服务器端悄悄丢弃观众粘贴的干净代码,转而编译并部署由攻击者服务器提供的恶意字节码,观众屏幕上看到的仍是"干净"的源代码。随后教程会要求观众向刚部署的合约注入1至2枚ETH用于"激活套利功能",一旦账户余额超过0.05 ETH,只要用户点击教程中"启动"或"提现"按钮,恶意合约就会自动将资金转移至攻击者地址。

由于整个过程都是受害者本人使用自己的钱包完成部署和转账操作,不涉及常见的钓鱼链接、仿冒域名或恶意授权签名,因此不会触发钱包的常规安全警告或授权分析警报,这也是这类骗局能够绕过主流钱包防护机制的关键原因。部分受害者在首次被盗资金后,还会收到一条谎称需要补缴"gas nonce liquidity"(该说法在以太坊技术体系中并不存在)费用的虚假错误提示,诱导他们进行第二轮转账。

TRM Labs共发现9个内容几乎完全相同的YouTube教程,表面上出自不同创作者之手,但均使用AI生成的主播形象和配音、完全一致的台词脚本,甚至连"每20小时赚1枚ETH"这类具体获利承诺都精确到小数点后完全相同;这些视频还在评论区伪造用户好评、把关键链接隐藏在视频简介中以规避审核。截至2026年9月,这9条视频累计播放量已达31.0474万次,此前还有更早版本已被YouTube下架。

被盗的274.60枚ETH共涉及224个受害钱包和234份被部署的恶意合约,单个受害者损失中位数约为1枚ETH。TRM追踪发现,这些资金完全通过去中心化渠道转移——包括将ETH兑换为Dai稳定币、经跨链桥转移、再通过混币协议洗白,全程未经过任何中心化交易所,最终资金被拆分转入六个由攻击者控制的地址。

TRM Labs同期发布的《2026年AI犯罪应用指数》报告显示,犯罪分子(以诈骗分子为首)对AI技术的应用同比增长达40%,此类利用AI生成内容伪装教学视频、批量复制诈骗模板的手法正是这一增长趋势的典型体现。值得注意的是,TRM在报告中特别澄清,Claude本身并未真正参与这些恶意合约的编写或运行——调查未在实际部署的代码中发现任何Anthropic产品或AI功能的痕迹,"Claude"这个名字只是被用作营销诈骗方案的噱头;此前2025年出现过的同类骗局也用过几乎相同的手法,只是当时冒用的是ChatGPT的名号,说明攻击者会随时切换热门AI品牌名称来包装同一套诈骗剧本,真正受损的是被冒名的AI品牌声誉和缺乏辨别经验的普通投资者,而攻击者本身几乎不承担任何技术研发成本,只需要更换品牌名称和包装素材即可反复套现。

据报道,早期版本教程冒用的是ChatGPT名义,采用完全相同的诈骗机制,说明这套"AI套利机器人"骗局模板本身具有高度可复制性,攻击者只是根据当下最受关注的AI品牌不断更换营销外壳。

来源:公开信息

ABAB AI 解读

这类"伪装AI工具教程窃取加密资产"的诈骗手法并非首次出现——TRM Labs的调查已证实,早在2025年就有几乎完全相同机制的骗局在YouTube流传,当时冒用的品牌是ChatGPT而非Claude;攻击者的历史行为模式显示,他们并不关心具体使用哪个AI产品的名号,而是持续跟踪市场上最受关注、公众认知度最高的AI品牌,随时替换教程中的品牌标识以维持诈骗内容的"新鲜感"和可信度。

从资源投入角度看,攻击者投入的成本极低——只需要制作一套AI生成的主播形象和配音模板,就能批量复制出9个甚至更多"看似出自不同创作者"的教学视频,几乎不需要额外的内容生产成本;而被骗取的274.60枚ETH资金,则通过ETH兑换Dai、跨链桥转移、混币协议洗白这一整套去中心化金融基础设施迅速分散、隐匿,最终拆分进六个地址,全程刻意避开任何需要身份验证的中心化交易所环节,最大限度降低资金被追踪和冻结的风险。

可以类比的历史案例是加密货币行业长期存在的"假空投""假客服"钓鱼骗局——这些骗局的共同特征都是利用受害者对新兴技术或平台机制不够熟悉的信息差,诱导其亲手完成本该由攻击者完成的关键操作(如授权签名、转账、部署合约)。当前阶段的新变化在于,生成式AI的普及让攻击者能以极低成本批量生产"看似权威、看似出自不同渠道"的教学内容,这标志着加密诈骗正从"人工钓鱼话术"阶段,加速迈入"AI驱动的规模化内容生产"阶段。

这起事件本质上是一次诈骗生产方式的技术替代:过去骗子想要伪造"多个独立创作者共同背书"的可信度假象,需要雇佣多名真人主播、分别录制视频,成本高、效率低;现在借助AI生成的主播形象、配音和脚本,攻击者可以用近乎为零的边际成本批量复制出内容几乎相同却"看似"来自不同渠道的教学视频矩阵,用数量和分散渠道的假象取代了过去依赖真人背书积累的可信度。机制上,这也解释了为什么这类骗局能够持续绕过传统的钱包安全机制——因为整个攻击链条的关键动作(部署合约、转账)都是受害者本人在"自认为学习新技术"的心理状态下主动完成的,安全系统天然难以区分这是正常的学习行为还是被诱导的攻击链条。

ABAB News · 认知定律

  1. 骗局的成本降到零,规模就会涨到最大

  2. 越像很多人说的话,越可能是同一个人在说

  3. 自己动手上当的钱,追不回也怪不到别人