恶意软件

2024年，YouTube和GitHub成为加密货币恶意软件传播的主要平台，网络犯罪分子利用其庞大的用户群、开放性和用户信任进行攻击。GitHub上的恶意代码常隐藏在开源项目中，通过虚假账户和伪造互动提升可信度，如Stargazers Ghost网络传播的Atlantida Stealer等恶意软件。YouTube上则通过虚假教程和恶意链接传播恶意软件，如Lumma Stealer。防范措施包括启用双因素认证、谨慎点击链接、定期更新软件等。未来，AI可能使攻击更难以检测，用户需保持警惕。

加密货币用户主要因日常操作失误（如点击钓鱼链接、签署恶意授权）而非协议漏洞遭受攻击，人类行为成为主要攻击面。 报告系统梳理101种用户级风险，涵盖社会工程、恶意软件、钱包授权等攻击类型，并附真实案例与防护指南。 典型攻击包括：钓鱼网站窃取助记词、恶意智能合约耗尽代币授权、设备恶意软件篡改交易等，均利用心理弱点而非技术漏洞。 防护核心在于：禁用无限授权、验证合约地址、使用硬件钱包、警惕”免费空投”等诱导，建立多层安全操作习惯。

随着AI技术快速发展，无限制大型语言模型(LLM)正成为网络安全新威胁。WormGPT、FraudGPT等恶意模型可生成钓鱼邮件、诈骗文案和恶意代码，极大降低网络犯罪门槛。DarkBERT等工具虽设计初衷良好，但暗网数据训练特性存在被滥用于加密诈骗的风险。Venice.ai等无审查平台可能成为攻击者优化欺诈手段的温床。面对AI驱动的自动化攻击新范式，需加强检测技术、防越狱能力和溯源机制建设，同时推动伦理规范与监管框架完善，构建多方协同的安全防御体系。