自动化反诈骗蜜罐与威胁情报平台
大多数安全方案只做拦截然后遗忘:邮件被丢弃,攻击者的基础设施和资金通道无人观察。ScamBuster 则主动周旋,仅处理入站流量并遵循策略,将对话转化为 IOC、攻击者画像和带标签的战术(原因)。
ScamBuster 曾在 Black Hat USA 2026 的 Human Factor 分论坛上进行展示。
托管演示 -- demo.scambuster.ai,登录 [email protected] / Un1que$trongPassword2024。
本地演示 -- make demo-up,然后访问 http://localhost:3002:无需 API 密钥、无需账户、无需邮箱(指南)。
| 智能体 | 职责 |
|---|---|
| ScamClassifier | 对诈骗进行分类(13 种类型),检测语言 |
| IocExtractor | 提取 36 种 IOC 类型并附带上下文 |
| Generator | 撰写由人设驱动的回复 |
| Validator | 安全与质量把关(PolicyGuard + LLM) |
| ConversationDirector | 读取对话线程,引导每一轮交流 |
| Orchestrator | 运行流水线,跟踪成本与追踪信息 |
| InjectionDetector | 双层提示注入分析 |
| TtpExtractor | 为诈骗者战术打标签,封闭分类体系 |
人设选择是自适应的:采用带 UCB1 的 epsilon-greedy 算法,学习哪种人设在每种诈骗类型下产出最多。
多语言是设计使然:检测规则和人设提示词有意包含非英语内容,以便用诈骗者自己的语言回应他们(详情)。
遵循标准,而非逐厂商连接器。已针对 OpenCTI 完成端到端验证(各项数据落点);其余三项遵循相同标准,但未进行实际测试。
每次对话都会生成一个威胁行为者:
{
"type": "threat-actor",
"name": "ScamBuster Actor - INVESTMENT #02114290",
"sophistication": "minimal",
"goals": ["financial-theft"],
"primary_motivation": "personal-gain",
"threat_actor_types": ["criminal"],
"description": "Criminal actor operating investment scam."
}
行为体携带 ATT&CK 映射、指向每个 IOC 的 indicates 关系,以及心理画像(profiling、TTPs、API)。
git clone https://github.com/laugiov/scambuster.git
cd scambuster
cp .env.dist .env # edit it first, see below
make quickstart # build, start, migrate, seed, JWT keys, n8n
在实际使用前,请在 .env 中填写以下 4 项:
| 变量 | 需要做什么 |
|---|---|
LLM_API_KEY | OpenAI 密钥(或设置 LLM_PROVIDER=mock,无需密钥) |
HONEYPOT_IMAP_USER | 蜜罐邮箱(IMAP,用于接收诈骗邮件) |
HONEYPOT_IMAP_PASSWORD | 应用专用密码,而非账户密码 |
MAILER_DSN | 用于回复的 SMTP,@ 写作 %40 |
若保留为占位符,系统将以演示模式启动并明确提示。 快速开始 · 演示 · AI 安装 · 生产环境 · 架构 · 路线图 · 全部文档。
ScamBuster 是一款防御性研究工具,而非攻击性武器。
负责任地使用是操作员的责任。 请确认你的部署在你运营的地区合法,保持仅限入站,切勿用它主动发起联系、针对个人、骚扰或人肉搜索。部署前请阅读 免责声明与负责任使用。
更多:安全与防护栏、SECURITY.md。
代码采用 MIT;文档和数据集采用 CC BY-NC-SA 4.0。
参见 CONTRIBUTING.md、Discussions 和 Issues。
Laurent Giovannoni -- scambuster.ai · LinkedIn · SECURITY.md。