專訪WWDC得獎者Evan研發SilverGuard app 模擬情境應對AI詐騙陷阱

專訪WWDC得獎者Evan研發SilverGuard：模擬情境應對AI詐騙陷阱｜一年一度的蘋果全球開發者大會（WWDC）不僅是科技界的盛事，更是不少年輕人展現創意的舞台。今年香港唯一一位獲獎者，是來自香港的學生開發者Evan。他憑藉一款反詐騙應用程式「SilverGuard」，在眾多參賽者中脫穎而出，奪得Swift Student Challenge 全球學生挑戰賽的獎項。這款程式的核心理念並非單純的知識灌輸，而是透過擬真度極高的互動式情境，訓練使用者在面對高壓詐騙威脅時，依然能保持冷靜並作出正確的決策。

今年WWDC Swift Student Challenge 全球學生挑戰賽 得獎者Evan研發SilverGuard app

研發這款程式的契機，源於兩年前其母親親身經歷的一次詐騙危機。當時仍在外地求學的Evan，得知母親接到一通偽裝成商家的電話，聲稱其購買的貨物被「公安」攔截，懷疑涉及違禁品。詐騙份子利用一環扣一環的心理戰術，恐嚇其母親若不繳納保證金證明清白，將會被列為網上逃犯。在極度慌張下，其母親甚至前往銀行準備匯出近數萬元的大額款項，幸好在最後關頭被專業的銀行職員及時攔截，才免於蒙受重大財產損失。這次經歷讓Evan深刻體會到，不少手機的使用門檻與心理壓力，往往是中老年人面對詐騙時最脆弱的環節，促使他思考如何利用技術守護長輩。

利用app內的模擬情景，令用家可以體驗被詐騙時的心理變化過程

目前雖有政府推出的反詐騙應用程式，但大多數功能集中於檢測可疑電話或提供文字資訊。Evan指出，詐騙份子能得手的關鍵在於利用人性弱點，刻意營造一個高度緊張的氛圍，令受害者在壓力之下失去理智。因此，SilverGuard 的設計重點不在於死記硬背詐騙手法，而是透過 Swift UI 技術，模擬出極其逼真的來電頁面與短訊介面。用家在程式中並非被動閱讀，而是需要主動點擊與回應，並在模擬的壓力環境中體驗決策後帶來的後果。這種即時的反饋機制，比傳統的問答題更能幫助長輩建立肌肉記憶，學會遇到緊急狀況時先冷靜思考，而非盲目跟從指示。

Evan 用了Apple最新的 Core ML 框架，提升了程式的智能辨識能力

在技術層面上，Evan 用了Apple最新的 Core ML 框架，提升了程式的智能辨識能力。SilverGuard 內置的本地化機器學習模型，能夠分析短訊內容並識別潛在的欺詐資訊。程式會以顏色標記危險程度，例如橙色代表可疑，而紅色則標註為高風險鏈結，讓使用者對詐騙訊息的特徵有更直觀的認識。此外，針對目前日益嚴重的 AI 深度偽造威脅，Evan亦在程式中加入虛擬視訊場景。利用自己的照片與聲音演示技術如何憑空生成動態影像與模擬語音，讓使用者親眼見證科技造假的過程，從而提高警覺，明白眼見亦不一定為實。

考慮到不同文化背景對詐騙內容的敏感度，Evan在設計初期挑選了全球通用的詐騙場景。他觀察到中西方文化對公權力的認知有所差異，因此目前的版本集中於銀行賬戶凍結及 AI 家人冒充等場景。展望未來，Evan計劃在將程式正式上架至 App Store 前進行本地化改良，加入更多香港特有的詐騙手法，例如二手交易平台的虛假支票陷阱等。同時，程式亦將由純英文版本擴展至支援繁體中文與簡體中文，以照顧不同語言使用者的需求。他亦計劃將受眾擴展至留學生群體，因為這群年輕人離家在外，同樣容易成為專業詐騙組織的目標。

談到 AI 技術在網絡安全中的角色，Evan認為這是一場永無止境的攻防戰。當詐騙份子的技術門檻與成本隨著 AI 發展而降低時，防守方亦必須引進更強大的檢測技術來應對。他強調，教育長輩了解最新科技趨勢至關重要，但技術始終只是輔助，最核心的防禦力仍來自於人與人之間的聯繫。他建議大眾應鼓勵長輩在遇到任何涉及金錢的疑難時，第一時間與子女溝通。透過 SilverGuard 這種創新的模擬訓練工具，結合家庭成員的支援，才能真正建立起一道足以對抗不斷演變之詐騙手段的社會防護網，展現科技以人為本的真正價值。