AI造“幽灵学生”骗走上亿助学贷款，美司法部出手整治

过去几年，关于生成式AI的讨论大多围绕效率、就业与版权展开。但美国司法部（DOJ）最新披露的一类案件，把话题拉回到了一个更古老的问题上：当技术让造假变得足够便宜，金融与福利体系还能不能守住底线。

据Ars Technica报道，司法部正在加大对所谓“幽灵学生”（ghost students）的打击力度。这些人并非真实就读的学生，而是由AI辅助生成的虚假身份——他们出现在联邦学生资助免费申请表（FAFSA）的申请池中，以“在读学生”的名义领取助学金、贷款和生活补贴，随后消失得无影无踪。检方称，此类操作涉及的金额已达数百万美元级别，且规模仍在扩大。

“幽灵学生”是怎么被造出来的

传统的助学贷款欺诈并不新鲜，历史上也出现过用盗用身份注册野鸡学校、套取联邦资金的案例。但AI带来的变化在于“单位成本”和“规模”两点：过去伪造一整套可信的申请材料，需要人工作弊、反复试错；如今，大语言模型可以批量生成自洽的个人陈述、家庭财务状况说明和入学 essay，图像生成工具能合成证件照，自动化脚本则负责在申请窗口开放时高速提交表单。

更关键的是，这类欺诈往往不依赖某一个“完美身份”，而是依赖大量“勉强合格”的身份。审核系统在面对海量申请时，通常以抽样和规则匹配为主，只要单个虚假申请的概率性特征落在可接受区间，就可能被批量放行。换句话说，AI并不需要骗过每一个审核员，它只需要让骗过审核的成本低于骗贷的收益。

“当伪造身份可以被工业化生产时，审核体系面对的不再是个别骗子，而是一条流水线。”——这已成为教育金融风控领域的共识性判断。

漏洞不只在申请端

FAFSA体系的资金发放链条很长：身份核验、入学确认、在读状态更新、学费拨付、退款发放，每一环都涉及不同的数据源与机构。问题在于，这些环节之间的信息对齐并不总是及时。例如，一所学校的在线项目可能在学期初注册了大量“学生”，但直到退课截止日期之后，异常才在数据中显现；而此时资金已经完成拨付。

“幽灵学生”正是钻了这种时间差。他们通常会选择入学门槛较低、以线上授课为主、学费拨付流程较快的项目，注册后不参与任何教学活动，等到贷款或助学金到账便消失。对学校而言，这些是“退课学生”；对放款机构而言，这些是“已发放贷款”；而对执法部门而言，这些是需要逐一追溯的欺诈案件。

值得注意的是，AI的作用并不仅限于伪造申请材料。在部分案件中，自动化工具被用于维持“学生”的在线痕迹——例如定时登录学习管理系统、生成讨论区发言、提交形式合规但内容空洞的作业。这类行为让“幽灵学生”在系统中存活得更久，也让事后审计更难区分真伪。

打击升级，代价可能由普通学生承担

司法部的整治行动意味着更严格的刑事追责，也意味着行政层面的合规压力会向下传导。历史经验表明，每当助学贷款领域出现大规模欺诈，监管的第一反应往往是增加前置核验环节：更严格的身份认证、更强的收入与家庭信息交叉比对、更频繁的在读状态抽查。这些措施确实能提高造假门槛，但也会让真实的、处境复杂的学生付出额外成本。

对于低收入家庭学生、第一代大学生、以及就读于线上项目或社区学院的群体而言，申请流程本就繁琐。额外的验证步骤、更长的审核周期、以及因系统误判而被“标记”的风险，都可能转化为实际的入学障碍。这也是政策制定者面临的两难：反欺诈的力度越大，助学金的“最后一公里”就越难走通。

编者按：技术中立的幻觉

“幽灵学生”案件容易被简化为一个关于AI滥用的道德故事，但它实质上是一个关于系统设计的故事。生成式AI只是放大了既有漏洞：身份核验依赖自报信息、资金拨付快于状态确认、跨机构数据共享滞后。如果这些结构性弱点不被修补，即便没有AI，欺诈也会以其他形式存在；而如果只靠加严审核来应对，成本最终会转嫁给最需要帮助的学生。

更值得关注的方向，或许是把风控重心从“申请时的一次性验证”转向“全周期的行为验证”——例如基于学习行为的持续性信号、跨学期的状态一致性检查，以及更及时的资金流向监测。这类方案在商业金融领域已相对成熟，但在公共教育资助体系中的落地仍然缓慢。

司法部的行动释放了明确信号：AI驱动的身份欺诈已被列为执法重点。接下来的问题是，助学贷款体系能否在不牺牲可及性的前提下完成自我加固。这场博弈的结果，将不仅决定数百万美元的去向，也决定未来十年联邦学生资助体系的信任基础。

本文编译自Ars Technica