反诈通常靠云端扫消息。WhatsApp 反其道——把判诈骗的 AI 塞进手机本地，消息内容一个字节都不离开设备。
2026 年 8 月，WhatsApp 小范围测试可选反诈功能 Scam Alert（Malwarebytes、PCMag、Forbes、Meta Engineering 博客同月报道，InfoQ 技术解读）。它的核心设计是：针对非联系人消息的诈骗分类，在设备本地完成。
一、它怎么工作
分两段：
- 实时检测：启用后，非联系人发来消息，设备上的小模型基于对话结构与语言信号判断。模型用用户此前举报的诈骗对话模式训练。识别为疑似诈骗时，弹一条发送者不可见的警告，用户可屏蔽、举报、继续，或把聊天标记为"可信"。
- 性能评估：设备本地把警告事件和用户操作汇总成计数，用匿名凭据经 Oblivious HTTP（OHTTP）中继传到机密虚拟机里处理，应用最小群组阈值和差分隐私——WhatsApp 最终只能拿到近似的总体统计，反推不到个人。
二、为什么设计得这么绕
原稿把流程列得很细，没讲透"绕"的动机。三条。
1. 端侧 = 保住端到端加密。 WhatsApp 消息端到端加密，云端扫会破坏"连自己都看不到内容"的承诺。把模型放设备本地，是在不解密的前提下做识别——这是"反诈 vs 隐私"的解法选择，不是性能选择。
2. 透明度账本 = 防服务器暗箱。 每个模型版本及其 SHA-256 哈希，部署前发布到第三方"仅追加"透明度账本；客户端加载模型前自验账本条目、签名、时效和哈希。这一步防的是：服务器为特定用户挑选特定模型变体（即防定向监控）。
3. 机密计算 + 差分隐私 = 遥测也不泄密。 哪怕只是聚合统计，也走机密虚拟机 + 差分隐私，WhatsApp 只能拿到近似总体数据。把"性能评估"这一最易泄密的环节，也封在可信执行环境里。
三、和谁比
| 维度 | WhatsApp Scam Alert | Google Messages |
|---|---|---|
| 检测位置 | 消息分类全在设备本地 | 因功能而异，部分端侧部分云 |
| 隐私机制 | 机密计算 + 差分隐私 + OHTTP + 透明度账本 | 使用隐私保护机制，边界不完全相同 |
| 训练数据 | 用户此前举报的诈骗对话模式 | 未说明 |
| 模型验证 | 客户端验 SHA-256 哈希、签名、账本条目 | 未说明 |
共同目标是在"不把消息内容交给服务器扫描"的前提下，提高对诈骗和钓鱼的识别。但各平台对端侧、云端、遥测的边界划分并不一致——WhatsApp 的边界画得更硬。
四、对你意味着什么
- 常收陌生消息的用户：若功能后续开放，是额外一层风险提示。它不会自动举报，你自己决定屏蔽、举报、继续或标记可信。
- 注意两点：测试期模型可能误报漏报；若你选择帮改进功能，会主动分享可信聊天最近 5 条消息。
五、判断
反诈正从"云端实时扫描"扩展到"端侧模式识别"——即时通信在安全与隐私之间找到了新平衡点。Meta 计划扩大 Bug Bounty 覆盖到机密联邦分析管线，并发布机密虚拟机二进制与隐私相关源代码组件供独立审查。这是"隐私优先架构"走向主流安全设计的信号。