外观
生成式 AI 退款欺诈：电商数字证据信任假设的实地证据
摘要
中国电商争议处理通常把照片、视频和聊天记录视作物理事实的代理。本文访谈 17 名商户与 13 名平台员工，归纳生成式 AI 低成本伪造商品缺陷证据的交易、争议、物流和沟通四类路径，并记录平台尝试的多角度视频、自动筛查与对抗询问。
核心创新与差异
现有合成媒体综述主要讨论影响力与身份欺诈；本文把攻击嵌入退款工作流，首个失效控制是平台把未绑定来源的数字证据当作事实。
威胁模型与攻击链
攻击者生成与商品外观和物流过程一致的缺陷图片/视频，提交退款或索赔；商户和平台员工依据证据做出赔付。平台后续要求更多视角会增加成本，但也可能被生成式工具适应。
实验设计与实际过程
研究采用半结构化访谈和主题编码，不是受控攻击实验，也没有估计总体发生率。受访者身份与平台细节按论文披露范围处理。
关键结果与实际影响
数字证据的真实性、物理对象和交易记录之间存在断裂。平台应把素材来源、设备/时间锚点、物流链和跨平台关联纳入证据，而不能只提高图像分类器分数。
防护措施与验证方法
使用可验证素材来源、随机挑战的多角度/实时视频、订单与物流交叉核对和争议升级；评测需报告攻击者成本、人工复核率、误伤和跨平台联动效果。
局限与待验证问题
样本为 30 名从业者的定性访谈，存在选择和回忆偏差；没有真实欺诈样本、发生率或防护成功率。后续应开展授权红队和平台级匿名测量。