Система ScamBuster, которая с ноября 2025 года работает в продакшене, не удаляет фишинговые письма, а отвечает на них от лица правдоподобной «жертвы». Для рынка ИБ это интересный разворот: AI против фишинга здесь используется не для очередного фильтра на входе, а для выманивания у злоумышленников банковских реквизитов, телефонных номеров и других следов, с которыми уже можно идти в расследование.
Проект создал Лоран Джованнони, principal software engineer в Filigran, и, как сообщает Dark Reading, официально представить систему он собирается на Black Hat USA 2026 в Лас-Вегасе в августе. ScamBuster вырос из его академической работы в École Polytechnique, но выглядит не как лабораторная игрушка, а как вполне приземленный инструмент для корпоративной почты: входящее мошенническое письмо не выбрасывается сразу в корзину, а уходит в управляемый диалог, где атакующий уверен, что на том конце провода наконец-то попался удобный человек.
Механика у системы довольно простая по идее и довольно неприятная для самих мошенников по последствиям. Вместо автоответчика с шаблонной фразой ScamBuster подставляет одну из персон: пожилую вдову, владельца малого бизнеса, перегруженного руководителя, туриста, который плохо понимает, что происходит. Задача не в том, чтобы красиво «троллить» фишера ради развлечения, а в том, чтобы дотянуть разговор до момента, когда он сам начнет сообщать, куда переводить деньги, на какой номер писать, через какой домен оформлять оплату и как вообще у него устроена схема. По словам Джованнони, система специально построена как inbound-only: первой никому не пишет и отвечает только на уже полученные письма. Это важная деталь и для юридической аккуратности, и для того, чтобы проект не выглядел как генератор спама под благовидным предлогом.
Самое интересное начинается после переписки. ScamBuster не просто копит письма в отдельной папке и не оставляет аналитика один на один с очередным театром абсурда про «срочный перевод». Он извлекает из переписки индикаторы компрометации и признаки инфраструктуры: IBAN, платежные домены, телефонные префиксы и другие маркеры, а затем связывает их между собой. Если десятки на первый взгляд несвязанных разводок упираются в одну и ту же платежную площадку или несколько повторяющихся номеров, система собирает из этого профиль конкретного киберкриминального «бизнеса». Дальше эти данные можно выгружать в стандартных форматах STIX 2.1 и MISP, то есть не вручную копировать куски текста в заметки, а отдавать в существующие процессы threat intelligence, SOC и внешнего обмена данными. Для ИБ-команд это, пожалуй, главный практический смысл истории: AI против фишинга превращается из красивой презентации в нормальный конвейер по обогащению разведданных.
Отдельный нюанс, который делает идею менее декоративной, связан с обучением на ходу. Джованнони утверждает, что разрыв между самой удачной и самой неудачной персоной по результативности составляет 5,5 раза. То есть дело не в косметической подстройке тона письма, а в реальной разнице между «вытащили пять полезных индикаторов» и «почти ничего не узнали». Под капотом, по данным издания, работает набор LLM-агентов: одни ведут разговор, другие оценивают, что именно раскрыл мошенник, третьи сохраняют это в структурированном виде и помогают выбрать более удачную персону для следующего контакта. В качестве дешевой рабочей модели Джованнони называет GPT-4o-mini и говорит, что эксплуатационные расходы близки к нулю, но сама архитектура не привязана к одному поставщику. При установке можно подключить токен OpenAI, Anthropic, Llama или open source-модель. Для компаний, у которых аллергия на жесткую зависимость от одного вендора, это звучит куда убедительнее, чем очередной «AI-помощник», который живет только в экосистеме автора.
На более широком фоне проект хорошо попадает в нерв последних лет. Почтовые шлюзы, secure email gateways и встроенные фильтры давно научились отсекать массу мусора, но сама экономика мошенничества от этого не развалилась. Письмо, которое не сработало на одном сотруднике, сработает на другом; домен, который заблокировали сегодня, завтра заменят новым. Классическая защита обрывает атаку на входе, но почти не помогает понять, как устроена цепочка выплат и кто стоит за серией похожих кампаний. Здесь ScamBuster предлагает другую логику: не только снижать риск для конкретного получателя, но и собирать материал для последующих блокировок, кластеризации и, в идеале, для правоохранителей. Это не серебряная пуля и не повод распускать anti-phishing-команду, но как дополнительный слой для крупных организаций идея выглядит вполне взрослой. Особенно там, где через общие ящики и публичные адреса каждый день проходит вал однотипного скама.
Для русскоязычной IT-аудитории в этой истории есть и инженерный, и организационный вывод. Инженерный в том, что оборонительные системы все чаще перестают быть пассивными фильтрами и начинают вести управляемое взаимодействие с атакующим. Организационный в том, что ИБ-командам придется договариваться с юристами, compliance и владельцами почтовой инфраструктуры: где заканчивается допустимая автоматизация, как хранить такую переписку, что именно передавать вовне и кто отвечает за ложные срабатывания. Джованнони уже говорит о планах расширить систему на vishing и smishing, а полный production-код по лицензии MIT он намерен выпустить 5 августа на Black Hat. Если этот подход приживется, AI против фишинга быстро выйдет за пределы почты: следующим шагом станут голосовые и SMS-сценарии, где у мошенников до сих пор слишком много пространства для импровизации. Проверить детали первоисточника можно в .