CertiK发布加密货币ATM欺诈报告：损失达3.3亿美元，AI诈骗与跨境洗钱成主要威胁
3 月 12 日，全球最大的 Web3 安全公司CertiK发布了《Skynet 加密货币 ATM 欺诈报告》。报告显示，2025 年此类诈骗造成的损失已达到 3.3 亿美元，同比增长约 33%，已成为美国增长最快的金融犯罪类别之一。
报告指出，随着全球加密货币 ATM 设备数量持续增长，以及犯罪组织不断利用社会工程学和 AI 技术升级诈骗手段，这一犯罪模式已从零散个案演变为高度组织化的跨国诈骗产业。
加密货币 ATM 欺诈总损失
加密货币 ATM 成为诈骗资金转移的“快速通道”
加密货币 ATM 欺诈，是指诈骗分子通过电话、短信或网络社交手段诱导受害者提取现金，并将资金存入加密货币 ATM，随后转换为数字资产并转入诈骗分子控制的钱包地址。
目前全球约有 4.5 万台加密货币 ATM 机，其中 78%位于美国。用户通常可以在 5 分钟内完成现金兑换加密货币并转账，这一特点使其成为诈骗团伙进行资金转移的理想渠道。
与传统加密货币攻击不同，此类犯罪并不依赖账户入侵或黑客攻击，而是通过社会工程学手段诱导受害者主动操作。一旦交易上链，资金几乎无法追回。
从技术架构上看，加密货币 ATM 仅作为前端终端连接后端加密应用程序服务器（CAS），所有交易均通过运营商的混合热钱包完成资金划转。链上记录只显示运营商钱包向目标地址的转账，而不会记录存款人的身份信息，这种结构形成了“溯源断层”，给执法取证带来巨大困难。
老年群体占总损失 86%，警示防护形同虚设
报告最触目惊心的数据，指向老年群体在该类欺诈中的极端弱势地位。数据显示，2025 年美国所有加密货币 ATM 欺诈损失中，86%来自 60 岁以上人群；华盛顿特区总检察长针对美国 ATM 运营商 Athena Bitcoin 公司的诉讼中指出，该公司在当地 ATM 机 93%的存款与欺诈犯罪相关，受害者年龄中位数高达 71 岁，单笔交易损失中位数达 8,000 美元。
报告梳理了当前主流的欺诈类型，其的核心目标是让受害者陷入强烈的情绪波动，丧失理性判断能力；将受害者与潜在的帮助者隔离开；实时指导其完成现金兑换加密货币的全流程。
加密货币 ATM 欺诈手段分类
“当受害者正与诈骗分子进行实时通话时，屏幕上的警告提示根本无法起到防范作用。”报告指出，当前 ATM 机层面的防护措施形同虚设。诈骗分子通过在受害者取款、操作 ATM 的全流程中保持实时连线，不仅指导其规避屏幕警示，还会提前设计统一说辞，让受害者以房屋装修、家庭应急等理由应对银行工作人员的问询，彻底隔绝外界干预。
AI 技术正在改变诈骗模式
报告还指出，AI 技术正在加速诈骗手段升级，2025 年 AI 驱动型诈骗的获利能力约为传统手段的 4.5 倍。犯罪组织开始使用 AI 语音克隆、深度伪造视频以及自动化脚本来实施更具针对性的社会工程学攻击。
与此同时，为规避各地监管机构逐渐推出的交易限额政策，诈骗网络也开始采用“化整为零”的策略，即诱导大量受害者在不同 ATM 上进行小额交易，从而在规避监管核查的情况下，仍旧维持犯罪获利的总体规模。
跨国犯罪网络的产业化运作
报告揭示，加密货币 ATM 欺诈已从零散个案演变为高度组织化的跨国犯罪组织。犯罪组织采取产业化运作模式，构建了详细的分工结构，包括数据收集、社会工程学诈骗以及资金转移和洗钱等多个环节。
洗钱环节的高效化，进一步放大了该类犯罪的危害。2025 年东南亚洗钱网络处理了约 161 亿美元的非法加密货币资金流，占全球可溯源非法加密货币生态的 20%，这些网络通过 Telegram 协调运作，可在两分钟内完成大额交易清算。受害者存入现金后，资金在数分钟内就会通过混币服务、跨链桥、去中心化交易所完成多层隐匿流转，往往受害者尚未挂断诈骗电话，资金已脱离监管体系的可追溯范围。
交易入口成为关键防控点
针对当前的威胁态势，报告在结尾提出了系统性防控建议，明确加密货币 ATM 欺诈链条中唯一有效的干预节点，是 CAS 层面的交易入口端——必须在交易上链前，完成目标钱包地址的实时筛查与风险核验。
同时，报告分别对消费者、运营商、执法部门提出了具体举措：消费者需警惕任何要求通过加密货币 ATM 付款的陌生来电，运营商需落实分级 KYC、全行业情报共享与交易前风险核验，执法部门则需加强区块链分析能力建设，推动统一立法与跨境执法协作。
“2025 年报告的 3.3 亿美元损失，仅反映了实际危害的冰山一角。”报告在结论中警示，随着 AI 深度伪造、自动化跨链洗钱、“化整为零”的小额交易等新型手段的普及，加密货币 ATM 欺诈的威胁将持续升级，唯有技术、监管、执法领域形成协同合力，才能在不断缩小的干预窗口期内，切断犯罪链条，保护金融消费者尤其是老年群体的财产安全。
报告链接：https://indd.adobe.com/view/bfb98f74-c308-4f0d-b9eb-c3bdb86e2785
