假冒Claude教程鑽空竊取274枚ETH
區塊鏈分析公司TRM Labs披露,一批打着"教你用Claude搭建AI套利機器人"旗號的YouTube教程,實際上是誘導觀衆親手部署惡意智能合約的詐騙工具;TRM追蹤發現,2026年2月12日至8月11日期間,這批教程已導致224個錢包地址、共計274.60枚以太坊(ETH,按被盜時匯率約合51.7205萬美元)被盜。
這套騙局的具體流程是:教程先誘導觀衆按步驟創建加密錢包,隨後引導其將"代碼"複製粘貼進一個外觀模仿以太坊官方開發工具Remix的仿冒編譯網站;該仿冒網站會在服務器端悄悄丟棄觀衆粘貼的乾淨代碼,轉而編譯並部署由攻擊者服務器提供的惡意字節碼,觀衆屏幕上看到的仍是"乾淨"的源代碼。隨後教程會要求觀衆向剛部署的合約注入1至2枚ETH用於"激活套利功能",一旦賬戶餘額超過0.05 ETH,只要用戶點擊教程中"啓動"或"提現"按鈕,惡意合約就會自動將資金轉移至攻擊者地址。
由於整個過程都是受害者本人使用自己的錢包完成部署和轉賬操作,不涉及常見的釣魚鏈接、仿冒域名或惡意授權簽名,因此不會觸發錢包的常規安全警告或授權分析警報,這也是這類騙局能夠繞過主流錢包防護機制的關鍵原因。部分受害者在首次被盜資金後,還會收到一條謊稱需要補繳"gas nonce liquidity"(該說法在以太坊技術體系中並不存在)費用的虛假錯誤提示,誘導他們進行第二輪轉賬。
TRM Labs共發現9個內容幾乎完全相同的YouTube教程,表面上出自不同創作者之手,但均使用AI生成的主播形象和配音、完全一致的臺詞腳本,甚至連"每20小時賺1枚ETH"這類具體獲利承諾都精確到小數點後完全相同;這些視頻還在評論區僞造用戶好評、把關鍵鏈接隱藏在視頻簡介中以規避審覈。截至2026年9月,這9條視頻累計播放量已達31.0474萬次,此前還有更早版本已被YouTube下架。
被盜的274.60枚ETH共涉及224個受害錢包和234份被部署的惡意合約,單個受害者損失中位數約爲1枚ETH。TRM追蹤發現,這些資金完全通過去中心化渠道轉移——包括將ETH兌換爲Dai穩定幣、經跨鏈橋轉移、再通過混幣協議洗白,全程未經過任何中心化交易所,最終資金被拆分轉入六個由攻擊者控制的地址。
TRM Labs同期發佈的《2026年AI犯罪應用指數》報告顯示,犯罪分子(以詐騙分子爲首)對AI技術的應用同比增長達40%,此類利用AI生成內容僞裝教學視頻、批量複製詐騙模板的手法正是這一增長趨勢的典型體現。值得注意的是,TRM在報告中特別澄清,Claude本身並未真正參與這些惡意合約的編寫或運行——調查未在實際部署的代碼中發現任何Anthropic產品或AI功能的痕跡,"Claude"這個名字只是被用作營銷詐騙方案的噱頭;此前2025年出現過的同類騙局也用過幾乎相同的手法,只是當時冒用的是ChatGPT的名號,說明攻擊者會隨時切換熱門AI品牌名稱來包裝同一套詐騙劇本,真正受損的是被冒名的AI品牌聲譽和缺乏辨別經驗的普通投資者,而攻擊者本身幾乎不承擔任何技術研發成本,只需要更換品牌名稱和包裝素材即可反覆套現。
據報道,早期版本教程冒用的是ChatGPT名義,採用完全相同的詐騙機制,說明這套"AI套利機器人"騙局模板本身具有高度可複製性,攻擊者只是根據當下最受關注的AI品牌不斷更換營銷外殼。
來源:公開信息
ABAB AI 解讀
這類"僞裝AI工具教程竊取加密資產"的詐騙手法並非首次出現——TRM Labs的調查已證實,早在2025年就有幾乎完全相同機制的騙局在YouTube流傳,當時冒用的品牌是ChatGPT而非Claude;攻擊者的歷史行爲模式顯示,他們並不關心具體使用哪個AI產品的名號,而是持續跟蹤市場上最受關注、公衆認知度最高的AI品牌,隨時替換教程中的品牌標識以維持詐騙內容的"新鮮感"和可信度。
從資源投入角度看,攻擊者投入的成本極低——只需要製作一套AI生成的主播形象和配音模板,就能批量複製出9個甚至更多"看似出自不同創作者"的教學視頻,幾乎不需要額外的內容生產成本;而被騙取的274.60枚ETH資金,則通過ETH兌換Dai、跨鏈橋轉移、混幣協議洗白這一整套去中心化金融基礎設施迅速分散、隱匿,最終拆分進六個地址,全程刻意避開任何需要身份驗證的中心化交易所環節,最大限度降低資金被追蹤和凍結的風險。
可以類比的歷史案例是加密貨幣行業長期存在的"假空投""假客服"釣魚騙局——這些騙局的共同特徵都是利用受害者對新興技術或平臺機制不夠熟悉的信息差,誘導其親手完成本該由攻擊者完成的關鍵操作(如授權簽名、轉賬、部署合約)。當前階段的新變化在於,生成式AI的普及讓攻擊者能以極低成本批量生產"看似權威、看似出自不同渠道"的教學內容,這標誌着加密詐騙正從"人工釣魚話術"階段,加速邁入"AI驅動的規模化內容生產"階段。
這起事件本質上是一次詐騙生產方式的技術替代:過去騙子想要僞造"多個獨立創作者共同背書"的可信度假象,需要僱傭多名真人主播、分別錄製視頻,成本高、效率低;現在藉助AI生成的主播形象、配音和腳本,攻擊者可以用近乎爲零的邊際成本批量複製出內容幾乎相同卻"看似"來自不同渠道的教學視頻矩陣,用數量和分散渠道的假象取代了過去依賴真人背書積累的可信度。機制上,這也解釋了爲什麼這類騙局能夠持續繞過傳統的錢包安全機制——因爲整個攻擊鏈條的關鍵動作(部署合約、轉賬)都是受害者本人在"自認爲學習新技術"的心理狀態下主動完成的,安全系統天然難以區分這是正常的學習行爲還是被誘導的攻擊鏈條。
ABAB News · 認知定律
騙局的成本降到零,規模就會漲到最大
越像很多人說的話,越可能是同一個人在說
自己動手上當的錢,追不回也怪不到別人