金管局「詐騙大師班」拆解釣魚陷阱籲市民提防三步騙局

香港金融管理局在社交平台發布防騙資訊，以「詐騙大師班」為題，拆解釣魚詐騙手法，提醒市民留意騙徒如何一步步令受騙對象落入陷阱。

帖文指出，詐騙過程第一步是建立信任，騙徒會扮成銀行、商戶、政府機構等大眾熟悉的身份，透過打電話或發送訊息接觸事主，無論聲稱「貨品遺失」抑或「積分到期」，只要事主信以為真便會中招。第二步是聯絡假客服，騙徒在取得信任後，會誘導事主聯絡「客服」進一步行動。第三步則是引事主點擊連結，這是整個騙局的關鍵一步，騙徒會引導事主點擊連結前往假網站，從而提供個人或銀行資料。

帖文預告，下一堂將講解詐騙大師的下一步行動，呼籲市民留意「第二堂：清零的藝術」。

Google 推出全新前沿 AI 模型 Gemini 4 Argon，專為處理複雜、長周期的企業工作流程而設計。這款新模型在真實世界的軟件工程、法律、金融及網絡安全防禦等專業領域展現出卓越效能，並已顯著提升 Google 內部的開發效率與工作方式。

根據 Google 發布的資訊，Gemini 4 Argon 具備強大的深度推理能力。在定價方面，Argon 推出初期的輸入詞元（Token）價格為每百萬個 2 美元，輸出詞元則為每百萬個 10 美元；若使用快取輸入詞元，更可享有輸入價格的 95% 折扣。目前 Google 正透過 Fairwind 計劃，率先向受信任的網絡安全防禦專家開放該模型，並採取分階段策略，在收集早期測試者意見及完善安全防護後，將逐步開放予開發者、企業及大眾使用。

在 Google 內部應用中，Gemini 4 Argon 已協助數以千計的員工優化專業編程任務及深入研究。模型在量子演算法最佳化方面，曾在幾分鐘內將基準效能提升達 40%；在資料中心記憶體管理上，預計全面部署後可節省 500 TiB 至 1 PiB 的容量。此外，Argon 亦成功應用於大規模程式碼庫遷移，包括將高達 80 萬行程式碼的 Fuchsia Zircon 核心從 C/C++ 遷移至 Rust。在 libgav1 影片解碼器的改寫案例中，Argon 產出的安全 Rust 程式碼令執行速度較以往版本快 2.7 倍。

為瞭解決更棘手的難題，Google 將 Gemini 4 Argon 的輸出詞元上限大幅提升至 100 萬個，遠超先前的 6.4 萬個限制。這項改進為模型提供了充足的深度思考空間，使其能夠在單次推演中生成數十萬個詞元，展現出更高層次的推理能力。

在各項性能基準測試中，Gemini 4 Argon 均錄得領先數據。模型在 DeepSWE v1.1 軟件工程基準測試中取得 77.9% 的得分；在評估金融、編程、法律及税務工作影響力的 Vals Index 中同樣處於領先地位。針對業務自動化的 AutomationBench 測試，Argon 以 51.3% 的得分登榜首；而在長影片理解測試 LVBench 中，更取得 91.7% 的業界領先表現。

網絡安全防禦是 Gemini 4 Argon 的核心強化領域。該模型能自主尋找並修復關鍵軟件漏洞，在 CWE-bench v1 測試中以 68% 的高分並列首位。Google 的合作夥伴 Wiz 已將其應用於「Scan for Good」計劃，Argon 曾成功識別出一個存在於醫療保健軟件中、足以洩露全球醫院敏感個人資訊的關鍵漏洞，相關風險在以往曾被其他前沿模型遺漏。

針對漏洞識別，Argon 與 3.8 Flash Cyber 相比有顯著進步。Google 內部測評顯示，Argon 能在涵蓋 20 種程式語言的複雜程式碼庫中揭露廣泛風險；而在 Wiz 的黑箱滲透測試中，其在攻擊面探測及概念驗證（PoC）生成方面的表現亦全面勝過 3.8 Flash Cyber。

為確保前沿能力的安全釋放，Google 持續加強防護機制，包括防範網絡及 CBRN 攻擊的濫用、抵抗「提示詞注入」攻擊，以及嚴密監測對齊偏差。在 Gray Swan 的間接提示詞注入測試中，Argon 的防禦穩健性表現出色。Google 亦正強化沙盒環境的安全性，並倡導行業增加模型推理透明度，以即時中止任何偏離意圖的越界行為。