یک اشاره تحلیلی در مورد فیشینگ در سال 2026 - داده های تکامل کانال، تجزیه و تحلیل تاثیر AI، و آنچه که اعداد نشان می دهد در مورد بزرگترین وکتور حمله در خیانت مدرن است.
فیشینگ در سال ۲۰۲۵ حدود ۸۴ درصد از جعلیات مبتنی بر مهندسی اجتماعی را تشکیل می دهد و همچنان بزرگترین وکتور حمله در مورد جعلیات مصرف کننده و کسب و کار است و گروه کار ضد فیشینگ حدود ۶.۴ میلیون سایت فیشینگ منحصر به فرد را در طول سال شناسایی کرده است.
سه تغییرات قابل اندازه گیری زمینه فیشینگ 2025 را تعیین کرده اند:
| اندازه گیری | 2022 | 2025 | تغییر |
|---|---|---|---|
| برچسب ها: phishing | 78% | 61% | 17pp |
| SMS Phishing به اشتراک گذاری | 9% | 23% | +14 پی پی |
| دانلود Phishing Share | 8% | 11% | +3 پی پی |
| کانال های دیگر (QR، اجتماعی) | 5% | 5% | هیچ تغییری |
| ایمیل های فیشینگ که شناسایی مبتنی بر محتوای را شکست می دهند | ~24% | ~47% | +23 پی پی |
| سایت های فیشینگ فعال هر ساله شناسایی می شوند | ~3.5M | ~6.4M | +83% |
سهم کانال محاسبه شده از گزارش APWG و FTC با ترکیب داده های تلاش فیچینگ در چندین منبع است.
این تغییرات سه مدل ساختاری را نشان می دهد: فیشینگ به جای اینکه به سادگی در حجم رشد کند، کیفیت محتوای با استفاده از هوش مصنوعی سیگنال های شناسایی سنتی را به طور قابل توجهی تخریب کرده است و مقیاس مطلق عملیات تقریبا دو برابر شده است، با وجود ساختار شناسایی بهبود یافته است.
این مدل کار می کند زیرا اکثر دریافت کنندگان در واقع حساب های خود را با خدمات نامناسب دارند - ایجاد اهمیت بالا برای درصد قابل توجهی از هر کمپین توزیع عمده.
| بران | برچسب ها: brand impersonation | شرط اصلی |
|---|---|---|
| Microsoft | 24% | Office 365 Password Expiration و Account Suspension |
| آمازون | 18% | سفارش غیر مجاز، تایید حساب |
| اپل | 11% | ذخیره سازی iCloud، تایید Apple ID |
| Paypal | 9% | محدودیت های حساب، فعالیت های مشکوک |
| گوگل | 7% | اشتراک گذاری رانندگی، امنیت حساب |
| Netflix | 5% | عدم پرداخت، تعلیق حساب |
| بانک ها (مجموعه) | 14% | بررسی حساب کاربری، هشدار های جعلی |
| دیگر | 12% | فروشندگان مختلف، خدمات |
سهم جمعی از گزارش های نشان دهنده نام تجاری. بسیاری از عملیات هشدار دهنده استفاده از چندین سوء استفاده از نام تجاری در سراسر موج های کمپین.
تمرکز در پلتفرم های تکنولوژیکی (Microsoft، Apple، Google) نشان دهنده دسترسی جهانی آنها است - تقریبا همه بزرگسالان ایالات متحده حداقل یک حساب با این ارائه دهندگان دارند.
فاش کردن بانک، اگر چه در بسیاری از موسسات توزیع شده است، در مجموع 14 درصد گزارش ها را تشکیل می دهد - بزرگترین دسته جمع شده از بخش ها. فاش کردن بانک نشان می دهد ویژگی های منحصر به فرد: خسارت بالاتر در هر تلاش موفق (به دلیل دسترسی مستقیم مالی)، استفاده بیشتر از پیگیری صوتی پس از تماس اولیه ایمیل / SMS، و زیرساخت های پیچیده تر از جمله شماره تلفن بانکی جعلی.
SMS phishing سریع تر از هر دسته دیگر از فایرفاکس ها رشد کرده است و از 9 درصد گزارش های فایرفاکس در سال 2022 به 23 درصد در سال 2025 گسترش یافته است.
| عوامل | اثر |
|---|---|
| جلوگیری از فرآیند فیلتر کردن ایمیل | نرخ تحویل بالاتر از ایمیل |
| وضعیت اضطراری موبایل | تشویق به اقدام سریع در مورد ارزیابی دقیق |
| فرمت پیام کوتاه | محدودیت های سیگنال های بینایی که کاربران می توانند ارزیابی کنند |
| شماره تلفن همراه شخصی به طور گسترده در دسترس | بهبود زیرساخت های هدفگذاری با استفاده از آسیب های داده |
| قابلیت ارسال رمز عبور | می تواند از هر منبع از جمله مارک های قانونی ظاهر شود |
| شناسایی کلاهبرداری در سطح شرکت کمتر بالغ | سیستم های شناسایی زیرساخت های ایمیل |
ارسال پیام های SMS Phishing 2025:
| پاترین | انتشار گزارش های Smishing | هدف گرفتن معمول |
|---|---|---|
| بسته های تحویل | 34% | اطلاعات پرداخت از طریق "تعلیق هزینه" |
| هشدار بانک | 21% | اطلاعات حساب کاربری از طریق Voice Follow-up |
| مقامات مالیاتی | 14% | اطلاعات شخصی، پرداخت |
| اضطراری خانوادگی | 11% | Wire Transfer، پرداخت کارت هدیه |
| نقض گمرک / Parking Violation | 9% | پرداخت اطلاعات |
| بررسی حساب کاربری (به صورت مختلف) | 7% | اعتبارات |
| دیگر | 4% | مختلف |
تاسیس مدل تحویل بسته نشان می دهد هدف گیری روانی موثر - اکثر آمریکایی ها بسته ها را در ترافیک در هر زمان داده، ایجاد اهمیت پایه بالا برای پیام های "مشکل تحویل" نشان می دهد. فرآیند اضطراری شبیه به این پیام ها ("پک خود را در 24 ساعت بازگردانده خواهد شد") تشویق اقدام فوری در مقابل بررسی دقیق است. مبلغ های کم هزینه ($ 2.99-$ 5.99) به نظر می رسد به اندازه کافی برای شکستن حداکثر شک است.
2025 اولین سالی بود که اثرات AI قابل اندازه گیری بر اثرات فیچینگ را نشان داد.
| شناسایی Heuristic | 2024 کارآمدی | 2050 کارآمد |
|---|---|---|
| اشتباهات ادبیات به عنوان نشانه | بالا | کم (به طور کلی از دست رفته) |
| «تفکیر ناخوشایند» | بالا | پایین |
| برچسب ها: brand template mismatch | مدرن | Low (AI به طور دقیق تکرار می کند) |
| «مردم شکیبایی» | مدرن | کم (تخصیص در مقیاس) |
| «تفکر بازگردانی-تفکر بازگردانی» | بالا | عکس های کم (Synthetic Photos) |
| «رفتن صدا مقاومت» | N/A | Low (دوست های کلون قابل دسترسی) |
پارادمی شناسایی فیشینگ سنتی بر سیگنال های کیفیت محتوای سطح سطح سطح بستگی داشت - تایپوس، عبارات ناخوشایند، به نظر می رسد شکل گیری جعلی است.
کلماتی و فرایند: ابزارهای هوش مصنوعی، کپی حرفه ای تولید می کنند. ایمیل فیشینگ 2025 به عنوان ارتباط قانونی خوانده می شود. تحلیلگران امنیتی ایمیل گزارش می دهند که درصد ایمیل های فیشینگ که شناسایی مبتنی بر محتوای را شکست می دهند، از سال 2023 تقریبا دو برابر شده است.
طراحی Visual Replication : ابزار طراحی با کمک هوش مصنوعی امکان تکرار دقیق برند را فراهم می کند. تجربه بصری از یک ایمیل هشداردهنده 2025 به طور عملکردی مشابه با ارتباط تجاری قانونی است.
استفاده از کلاهبرداری صدا: کلاهبرداران در حال حاضر می توانند نمونه های صوتی را از محتوای رسانه های اجتماعی که به طور عمومی در دسترس هستند تولید کنند.پندار تصادفی نوزاد (95٪ از قربانیان 60+، از دست دادن متوسط 9000 دلار) به طور چشمگیری در موثر بودن دسترسی پس از AI افزایش یافته است.
شخصیت در مقیاس: کمپین های فیشینگ با هدف گسترده در حال حاضر از هوش مصنوعی استفاده می کنند تا محتوای خود را برای دریافت کنندگان فردی بر اساس اطلاعات در دسترس عمومی تنظیم کنند.امکان اقتصادی که قبلا محدودیت فیشینگ هدفمند به اهداف با ارزش بالا را محدود می کرد، به طور عمده حل شده است. "ای جان، سفارش اخیر شما از آمازون #ABC123 ارسال شده است" با اعتماد به نفس بیشتری نسبت به نسخه های ژنرال - حتی هنگامی که شماره سفارش ساخته شده است.
BEC (Business Email Compromise) – هدفگذاری فیشینگ به منظور معاملات مالی کسب و کار – یک زیرگروه جداگانه با اقتصاد عملیاتی بسیار متفاوت از فیشینگ مصرف کننده است.
BEC از طریق چندین مدل حمله متفاوت عمل می کند:
| پاترین | گزارش های BEC | از دست دادن متوسط |
|---|---|---|
| CEO/Executive Impersonality (مطالعه کارآفرینی) | 32% | $32,000 |
| تغییر مسیر پرداخت فروشنده | 28% | $45,000 |
| بازگرداندن مشتری از دزدی | 17% | $18,000 |
| درخواست اطلاعات HR/Payroll | 12% | $8,000 |
| گواهینامه حقوقی / گواهینامه حقوقی | 7% | $28,000 |
| دیگر | 4% | مختلف |
شیوه تغییر مسیر پرداخت فروشنده، بالاترین خسارت متوسط (45،000 دلار) را تولید می کند و فرمت BEC پیشرفته تر را نشان می دهد. سیگنال عملیات: کلاهبرداران ایمیل کسب و کار هدف یا ایمیل فروشنده را (به طور معمول از طریق فیش پیشین)، ارتباطات را نظارت می کنند تا روند کار پرداخت را درک کنند، سپس پیام های جعلی "ما جزئیات بانکی خود را تغییر داده ایم" را تزریق می کنند که زمان آن را با پرداخت فاکتور قانونی قرار می دهند.
BEC در اقتصاد عملیاتی از فیچینگ مصرف کننده متمایز است. خسارات هر تصادف (25،000-45،000 دلار متوسط بر اساس نوع مدل) تحقیقات هدفمند را از نظر اقتصادی قابل اجرا می سازد. در جایی که فیچینگ مصرف کننده بر اساس اقتصاد انتقال کم توزیع کار می کند، BEC بر اساس اقتصاد انتقال بالا تحقیقاتی هدفمند کار می کند. بنابراین این دو مدل نیازهای دفاعی متفاوت را نشان می دهند.
رایانه فیشینگ (Vishing) همراه با قابلیت های AI رشد کرده است.در حالی که حجم هنوز کمتر از ایمیل یا SMS فیشینگ است، خسارات بر اساس حادثه قابل توجهی بالاتر است - به ویژه برای جمعیت های قدیمی تر.
| پاترین | دموکراتیک اولیه | از دست دادن AVG | روند |
|---|---|---|---|
| پشتیبانی از تکنولوژی دزدی | 73% سن 50+ | $1,395 | ثابت |
| تصاویری از نوه | 95 درصد سن 60+ | $9,000+ | sharply rising (آموزش صدا AI) |
| برچسب ها: Medicare/SSA Impersonation | 87 درصد سن 60+ | $1,800 | ثابت |
| برچسب ها: IRS Impersonation | مخلوط | $1,200 | کمبود آگاهی (Consciousness) |
| بررسی «بندی» بانکداری | مخلوط | $4,800 | افزایش |
گویی نوزادان و خیانت های Medicare / SSA به طور خاص در اطراف دموکراتیک بزرگسالان طراحی شده اند؛ توزیع قربانیان آنها نشان دهنده هدف گیری به جای آسیب پذیری تصادفی است.
افزایش چشمگیری نماد تصاویری نوه سال ۲۰۲۵ در حال پیگیری دستیابی به کلاونی صدا AI است.ماکنیک نماد:
کلاهبرداران در حال حاضر می توانند نمونه های صوتی متقاعد کننده را از محتوای رسانه های اجتماعی در دسترس عمومی تولید کنند - یک ویدئو عمومی TikTok، نمایش podcast یا ویدئو خانوادگی به اندازه کافی صوتی برای کلاهبرداری ارائه می دهد.
الگوی سوء استفاده از پشتیبانی تکنولوژیکی از نظر ساختار ثابت است، اما با تمرکز دموکراتیک مداوم کار می کند. هشدار های پوپ، تماس های سرد از "نماز های پشتیبانی" و تبلیغات موتور جستجو برای شماره های تلفن های پشتیبانی جعلی همه به سمت نصب نرم افزار دسترسی از راه دور، اختراع های تشخیصی مصنوعی و پرداخت برای خدمات جعلی. 73% از قربانیان 50+ هستند، با تمرکز دموکراتیک نشان دهنده هر دو زیرساخت هدفمند (به خصوص به بزرگسالان بزرگتر) و آشنایی کاهش یافته با چگونه پشتیبانی تکنولوژیکی واقعی کار می کند.
درک اینکه چرا فشرده سازی موفق است - به خصوص در برابر افرادی که "باید بهتر بدانند" - دفاع موثر را فراتر از توصیه های تشخیص سطح ارائه می دهد.
کیفیت واقعی بیش از تشخیص بهبود یافته است. چارچوب صمیمیت سنتی بر روی سیگنال های سطحی (گرافیکی، فرمت، ناراحت کننده) است. حذف این سیگنال ها به این معنی است که این چارچوب در حال حاضر منفی های جعلی را با نرخ های بالا تولید می کند.
فشار زمان از تفکر انتقادی خارج می شود. تقریباً هر مدل فشرده سازی موثر شامل فشرده سازی اضطراری می شود.با تحلیل فشرده سازی موفق در سال 2025 عناصر اضطراری ثابت را نشان می دهد:
| نوع اضطراری | میزان موفقیت فیشینگ |
|---|---|
| حساب شما در [ ساعت ها] متوقف خواهد شد. | 34% |
| پرداخت فوری مورد نیاز برای اجتناب از [نماز] | 26% |
| » فعالیت مشکوک تشخیص داده شد - اکنون بررسی کنید | 22% |
| پیشنهاد محدود مدت امروز پایان می یابد | 11% |
| بسته به شما بازگردانده می شود اگر پاسخ ندهید. | 7% |
آشنایی Heuristic در برابر شناسایی کار می کند. استفاده از نام تجاری موفقیت آمیز است زیرا اکثر متقاضیان در واقع حساب های خود را با خدمات متقاضی دارند. یک ایمیل فیش "Microsoft Office 365" به یک درصد قابل توجهی از متقاضیان که در واقع کاربران Microsoft 365 هستند می رسد. اعتبار اولیه متقاضی افزایش می یابد هنگامی که فیش ارتباطی را افزایش می دهد - دریافت یک "مشکل تحویل" SMS در حالی که در واقع منتظر یک بسته است، یا یک هشدار " فعالیت مشکوک" به زودی پس از فعالیت معتبر مشکوک (مانند خرید مسافرت) است.
شخصیت سازی از شناسایی ژنری شکست می دهد. فیشینگ که به جزئیات شخصی واقعی - نام کارفرمایان، خرید های اخیر، اعضای خانواده - اشاره می کند، هوریستی شناسایی "این به نظر می رسد به عنوان یک ایمیل عمده" را شکست می دهد.
چندین مدل 2025 احتمالا زمینه فیچینگ 2026 را تعیین می کنند:
هوش مصنوعی همچنان بالاتر از تشخیص خواهد بود. مسیر 2022-2025 نشان می دهد که تشخیص مبتنی بر محتوای از ~76٪ موثر به ~53% موثرتر می شود.
QR Code Phishing به عنوان یک دسته رشد خواهد کرد. این مدل «تجربه» – کد های QR در ایمیل ها، نشانه های فیزیکی، یا ایمیل هایی که به سایت های فیشینگ هدایت می شوند – از طبیعت بصری کد های QR استفاده می کند، که در آن کاربران نمی توانند URL های مقصد را قبل از اسکن ببینند. مینو های رستوران، متریال پارکینگ، و زمینه های مشابه قانونی استفاده از کد QR را به طور معمول کرده اند، به گونه ای که پوشش برای متغیرهای جعلی را فراهم می کند.
حملات متمرکز چند کانال به طور معمول تبدیل خواهند شد. عملیات فشاری پیچیده به طور فزاینده ای در سراسر کانال ها هماهنگی می کنند - ایمیل اولیه ایجاد زمینه، تقویت SMS، سپس تماس تلفنی از یک "مقصد پشتیبانی" که دارای دانش از ارتباطات قبلی است.
کلون کردن صدا به سرعت رشد موش ها را افزایش می دهد. اثرات کاربردی شیوه ای که نوه های نوزاد را با کرون کردن صدا AI نشان می دهد، این شیوه را برای گسترش جنایتکاران جذاب می کند.نتایج پیش بینی شده: فعالیت های بیشتری که این شیوه را هدف قرار می دهند، خسارات بیشتر در هر تصادف به عنوان کرون سازی بهبود می یابد، و تخریب دفاع "من صدای آنها را شناسایی می کردم".
شخصی سازی ادامه خواهد داد که حملات هدفمند را دموکراسی می کند. شخصی سازی عمده ای که با استفاده از هوش مصنوعی امکان پذیر است، مرز اقتصادی بین فیچینگ عمده و هدفمند را حل کرده است.تأثیرات: حملات هدفمند (که به جزئیات شخصی واقعی، مخصوص دریافت کنندگان فردی اشاره می کنند) در مقیاس عمده قابل اجرا خواهند شد.
نتیجه تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه و تجزیه می شود.
گروه کار ضد فیشینگ حدود ۶۴ میلیون سایت فیشینگ منحصر به فرد را در سال ۲۰۲۵ شناسایی کرده است، یعنی ۸۳ درصد افزایش نسبت به ۳.۵ میلیون سایت فیشینگ در سال ۲۰۲۲.
عوامل ساختاری که رشد را ترویج می کنند: فرستندهای فیلتر کردن ایمیل را از بین می برد (تعداد تحویل بالاتر)، ارتباطات موبایل اقدام سریع را تشویق می کند، محدودیت های فرمت پیام کوتاه برای سیگنال های بینایی که کاربران می توانند ارزیابی کنند، شماره های موبایل شخصی که به طور گسترده ای از طریق نقض داده ها در دسترس هستند، توانایی های جعلی برای شناسایی فرستنده ها، و شناسایی جعلی در سطح حمل و نقل کمتر بالغ از زیرساخت های ایمیل است.
سهم نام تجاری 2025: مایکروسافت (24٪)، آمازون (18٪)، اپل (11٪)، PayPal (9٪)، گوگل (7٪)، Netflix (5٪)، بانک ها (14%)، و سایر بازرگانی / خدمات (12%).
2025 اولین سالی بود که اثرات AI قابل اندازه گیری را نشان می دهد. اثرات تشخیص مبتنی بر محتوای از ~76٪ در سال 2022 به ~53% در سال 2025 کاهش یافته است. اثرات خاص: کلماتی / کلمه بندی به طور عمده حذف شده است، تجزیه و تجزیه نام تجاری بصری تقریباً کامل از طریق طراحی با کمک AI، کلماتی صدا که اجازه می دهد تماس های ناخوشایند را متقاعد کند، عکس های پروفایل مصنوعی که جستجوی تصویر برعکس را شکست می دهند، و شخصی سازی در مقیاس شکستن تشخیص محتوای کلی.
کلاهبرداری ارسال بسته ها 34 درصد از گزارش های هشدار دهی SMS در سال 2025 را نشان می دهد - بزرگترین دسته ی یک نفره. مدل کار می کند زیرا اکثر آمریکایی ها بسته ها را در طیف در هر زمان داده اند، ایجاد اهمیت پایه بالا است. فریمینگ اضطراری ("در 24 ساعت) تشویق اقدام فوری می کند. مبلغ های کوچک ($ 2.99-$ 5.99) حداکثر شک را شکست می دهند. هدف واقعی گرفتن اطلاعات پرداخت است، نه هزینه کوچک خود.
BEC در سال 2025 1.4 میلیارد دلار از دست دادن کسب و کار در ایالات متحده تولید کرده است.از دست دادن هر تصادف به طور چشمگیری بالاتر از دست دادن مصرف کنندگان است - از دست دادن متوسط بر اساس مدل: تغییر راه اندازی پرداخت فروشنده (45،000 دلار)، کارگردان / اجرایی (32،000 دلار)، وکیل / مشاور حقوقی (28،000 دلار)، خیانت بازپرداخت مشتری (18،000 دلار)، درخواست اطلاعات HR / دستمزد (8,000 دلار).
تمرکز دموکراتیک نشان دهنده هدفگذاری زیرساخت به جای آسیب پذیری تصادفی است. سوء استفاده از تکنولوژی: 73% سن 50+. سوء استفاده از نوزاد: 95% سن 60+. سوء استفاده از Medicare/SSA: 87% سن 60+. این مدل ها به طور خاص در اطراف جمعیت بزرگسالان طراحی شده اند - محتوای اسکرپت، مدل های سوء استفاده از قدرت، و سوء استفاده از پیام های خطا تکنولوژی، همه به این گروه kalibrat می شوند.
شیوه ای شگفت انگیز از ظاهر نوه کودکان در سال 2025 به دنبال دسترسی به کلاهبرداری صوتی AI است. در حال حاضر کلاهبرداران می توانند نمونه های صوتی شگفت انگیز را از محتوای رسانه های اجتماعی در دسترس عمومی تولید کنند - یک ویدئو عمومی TikTok، نمایش podcast یا ویدئو خانوادگی به اندازه کافی صوتی برای کلاهبرداری ارائه می دهد. دفاع "من صدای خود را شناخته می کردم" که به طور تاریخی محافظت شده است بزرگسالان مسن به طور قابل توجهی تخریب شده است.
تقریباً هر حمله فشرده ای موثر شامل فشرده سازی اضطراری است.2025 تجزیه و تحلیل فشرده سازی موفقیت آمیز: «از حساب خودداری می شود» (34٪)، «از پرداخت فوری نیاز است» (26%)، «از فعالیت های مشکوک تشخیص داده شده است - اکنون بررسی کنید» (22%)، «از پیشنهاد محدود به زمان امروز پایان می یابد» (11%)، «بکره ای باز خواهد شد» (7٪).
یک دسته جدید که در آن کد های QR در ایمیل ها، نشانه های فیزیکی، یا ایمیل های چاپ شده به طور مستقیم به سایت های فیشینگ نصب می شوند. این مدل از طبیعت بصری کد های QR استفاده می کند - کاربران نمی توانند URL های مقصد را قبل از اسکن ببینند. مینو های رستوران، متریال پارکینگ، و زمینه های مشابه قانونی استفاده از کد QR را به طور معمول کرده اند، ارائه پوشش برای تغییرات جعلی. حدود 2٪ از 2025 فیشینگ اما مسیر نشان می دهد که امکان رشد قابل توجهی وجود دارد.
مسیر کارایی 2022-2025 نشان می دهد که تشخیص مبتنی بر محتوای از ~76٪ به ~53٪ کاهش یافته است.آموزش AI تولید کننده به طور سیستماتیک هر سیگنال محتوای سنتی را شکست داده است: گرامیداری و عبارت ها حذف می شوند، تکرار بصری نام تجاری تقریباً کامل است، جستجوی تصویر برعکس با عکس های مصنوعی شکست داده می شود، کرون کردن صوتی سیگنال های آشنایی صوتی را از بین می برد، و شخصی سازی در مقیاس شکست خوردن تشخیص محتوای سنتی.
فیشینگ مصرف کننده بر اساس اقتصاد توزیع و توزیع عمده و کم تبدیل کار می کند - میلیون ها پیام با نرخ موفقیت کم منجر به بازخورد مجموعی می شوند. BEC بر اساس اقتصاد توزیع و توزیع عمده کار می کند - عملیات تحقیقاتی علیه اهداف خاص کسب و کار با استخراج عمده در هر تصادف بالا. شخصی سازی عمده با استفاده از هوش مصنوعی، لعنتی اقتصادی بین این مدل ها را از بین می برد - حمله های هدفمند (که به جزئیات شخصی واقعی اشاره می کنند) که در مقیاس عمده قابل اجرا می شوند، مسیر اصلی 2026 را نشان می دهد.