2650个仿冒DeepSeek网站被端，黑帽GEO的3种手法全拆解

01

开篇：造假者的"生意经"

黑帽不创造真实产品，他们创造的是"在向量空间里看起来很真"的假数据。

目的只有一个：骗过AI的检索器。

在上一篇，我们聊了AI的"事实核查引擎"——知识图谱核查、多源交叉验证、多模态一致性检测。

听起来很强大对吧？

但黑帽玩家研究得更深。他们不正面硬刚AI的核查系统，而是利用AI的设计缺陷，从侧面绕过。

今天，我们把黑帽的三大"造假术"彻底拆开——

不是教你做黑帽，而是让你知道防线在哪里。

真实案例：2025年央视3·15晚会曝光了一种名为"力擎GEO优化系统"的软件。记者用这款软件自动虚构了一个名叫"Apollo-9"的智能健康手环，并自动生成产品软文发布到多个平台。仅仅2小时后，这款完全虚构的产品就被AI盛赞推荐，而AI的参考资料正是这款投毒软件自动生成的虚假软文。更令人不安的是，在医疗领域，大量无资质的药物、保健品和三无医美产品，都在利用这种方法获得AI的推荐。（来源：央视3·15晚会）

🔗 http://m.toutiao.com/group/7621100874718298624/

02

手段一：实体伪造（Entity Fabrication）

实体伪造（Entity Fabrication）：编造一个AI"查不到"的假实体

想象一下，你收到一份简历，上面写着"候选人曾获得全球AI创新金奖"。

你会怎么验证？

你会去查这个奖项是否存在、主办方是谁、往届获奖者都有谁。

AI也一样。它的大脑里有一张巨大的"知识图谱"，每个真实存在的公司、产品、人物、奖项，都有一个唯一的ID——比如维基百科的Q号、百度百科的词条ID。

黑帽的操作是：编造一个AI"查不到"的假实体。

比如编造一个"全球AI创新金奖"，创建一个看起来很官方的网站，把自己伪装成获奖者。

欺骗原理：利用AI的"知识盲区"

AI的判断逻辑是这样的：

如果这个实体在训练库里有记录 → 正常验证
如果这个实体在训练库里没有记录 → 找不到反驳证据 → 暂时当作"新知识"接受

这就是所谓的**"Out-of-Vocabulary（未收录）漏洞"**。

AI不会说"我不认识这个奖项"，它会默认"这可能是个新奖项，我还没学到"。

就像你看到一个没听过的大学名字，你不会立刻说它是假的，你会想"可能是我孤陋寡闻"。

AI也这么想。

这就像有人伪造了一张"国际认证大师"的证书。因为查询系统里没有这个认证机构，系统暂时无法证伪——不是因为它相信了，而是因为它无法反驳。

但这个窗口期是有限的。一旦被用户举报、被权威数据源收录为"虚假"、或者AI模型更新接入了更强的核查能力，这个假实体会被瞬间标记为"幻觉"。

真实案例：2025年，奇安信XLab实验室发布报告，统计发现2024年12月至2025年2月期间，网络上共出现了2650个仿冒DeepSeek的网站，且数量仍在快速增加。这些网站通过相似域名、相似界面设计诱导用户点击，进而骗取订阅费用或窃取个人信息。北京市市场监管部门已查办全国首例仿冒DeepSeek名称及图标的不正当竞争案。这说明"实体伪造"不仅存在于品牌奖项，还直接延伸到了产品仿冒层面。（来源：法治周末报）

🔗 http://m.toutiao.com/group/7635967207272399400/

03

手段二：属性嫁接（Attribute Grafting）

属性嫁接（Attribute Grafting）：悄悄修改你的"产品DNA"

AI通过**属性-值对（Attribute-Value Pair）**来理解每个实体。比如"iPhone 15"在知识图谱中存储为：品牌=苹果，屏幕=6.1寸，芯片=A16仿生，产地=中国。这些属性构成了产品的"数字DNA"。

黑帽的操作是：在代码层篡改属性值。

比如把竞争对手的产品页面，在代码层把"产地：东莞"改成"产地：德国"，把"芯片：国产"改成"芯片：英伟达"。

用户肉眼看网页，可能根本看不出区别。但AI抓取的是代码——代码里的属性已经被篡改了。

欺骗原理：利用爬虫的"解析漏洞"

AI的RAG系统在抓取网页时，通常会提取结构化数据（如Schema标记、Meta标签）。

如果AI只抓取了关键词和属性值，而没有做深度语义校验——比如没有去对比图片里的文字、没有去查第三方平台的数据——它就会把错误的属性直接写入最终答案。

这就像求职者在简历上把"某小公司"写成"某大厂子公司"。

HR如果不仔细查背景，可能就信了。

但如果HR打个电话给那家"大厂"的HR部门一问——立刻穿帮。

AI也一样，只要它去做"深度核查"，属性嫁接就会暴露。问题在于，AI不一定每次都去做深度核查。

真实案例：2024年，四川网警公布的10起AI造谣典型案例中，多起案件使用了"属性嫁接"手法。比如违法行为人陈某看到"重庆公交车失控坠河10死2伤"的真实新闻后，通过AI软件将事故地点篡改为"成都龙泉驿"后发布。另一案件中，违法行为人朱某将"四川达州"的建筑事故篡改地点为"成都龙泉驿区"。AI一键完成"嫁接"，普通用户根本分辨不出真假。（来源：四川网警 / 四川发布）

🔗 http://m.toutiao.com/group/7394811455649940018/

04

手段三：诱导幻觉（Induced Hallucination）

诱导幻觉（Induced Hallucination）：让AI主动"编造"有利于你的内容

这是三种手法里最隐蔽、最危险的一种。

当AI对某个问题不确定时，它不会说"我不知道"，而是会根据上下文进行概率推理，输出一个置信度最高但未必真实的答案。这就是所谓的"概率幻觉（Probabilistic Hallucination）"——AI不是在撒谎，它是在用概率模型"填空"。

黑帽的操作是：故意制造上下文污染（Context Pollution），让AI的"填空"结果偏向自己。

具体做法：在网页上设置大量"诱导性提问"和"自问自答"。

比如：

"XX品牌是不是行业第一？" "是的，XX品牌连续10年销量第一，市场占有率超过60%。"

这段内容看起来像是一个FAQ页面，很正常对吧？

但AI在抓取这段内容时，会把虚构的问答当作**"既定事实"**吸收。当用户问AI"XX品牌怎么样"时，AI会信心满满地复述："XX品牌连续10年销量第一"——数据是假的，但AI不知道。

上下文污染的运作机制

AI的训练数据中包含大量真实的FAQ页面，它已经形成了条件反射：FAQ格式 = 可信信息。黑帽正是利用了这个条件反射——在网页上埋设虚假的"自问自答"对，让AI的RAG检索链路在抓取时，将虚构的问答当作既有知识吸收。当用户问AI"XX品牌怎么样"时，AI会信心满满地复述虚假数据——数据是假的，但AI不知道。

这就像你问朋友"那家餐厅是不是很好吃？"

即使他没去过，也可能顺着你的话头说"是啊，听说很不错"。

他不是在骗你，他是在根据你的问题"推理"出一个最合理的答案。

AI也一样——你给它什么"暗示"，它就顺着"推理"出什么结论。

真实案例：《IT时报》联合天翼安全科技进行的测试中，不仅虚构品牌在2小时内被AI推荐，更发现了一个触目惊心的现象：博主"咩咩高"在查询AI视频生成工具Seedance时，AI大模型向她发送了详尽的产品介绍和网站跳转链接，称该产品为"字节旗下品牌"。在AI的"背书"下，她点开了这个仿冒程度极高的假冒网站，被误导扣费800元。AI不仅提供了虚假信息，还主动充当了"信任中介"的角色。（来源：IT时报 / 新浪）

🔗 https://k.sina.cn/article_7857201856_1d45362c001904zxdc.html

05

黑帽的死穴

讲完三大手法，你可能会想："这么简单就能骗过AI，那白帽还有什么意义？"

这里有一个关键的事实：黑帽的窗口期越来越短。

黑帽GEO有三道红线，一旦触碰，前功尽弃：

第一道红线：用户举报

用户一旦发现AI推荐的信息有误，可以直接举报。举报量达到一定阈值，AI会立即标记该信源为"低可信度"。

第二道红线：模型更新

AI模型在持续迭代。每一次更新，事实核查能力都会增强。今天能骗过的手法，下个月可能就失效了。

第三道红线：法律风险

2024年，四川网警公布了10起AI造谣典型案例，多人因利用AI编造虚假信息被行政处罚。2025年，国家市场监督管理总局公布了5起人工智能领域不正当竞争典型案例，其中3起涉及仿冒知名AI产品。AI造谣不是"技术灰地带"，而是明确违法。

真实案例：上海市徐汇区市场监管局查处了一起案件：某公司开发运营名为"ChatGPT在线"的微信公众号，使用高度类似OpenAI官方图像的图案作为头像，并自称"ChatGPT中文版"，通过吸引注册付费会员获利。执法机关认定其构成不正当竞争，责令停止违法行为并处罚款62692.7元。从仿冒品牌到伪造专家、虚构数据，诱导AI推荐劣质产品——这些本质就是黑帽SEO换了层AI皮，既毒害AI生态，又欺骗消费者，被锤是迟早的事。（来源：科普中国）

🔗 http://m.toutiao.com/group/7622935345448878607/