诈骗与威胁检测
我们实测并排名了 17 款 Mac 诈骗与威胁检测应用——更新于 2026年8月。
榜上每一款应用都在我们自己的 Apple 芯片 Mac 上实测，并按公开评分标准打分——能力、品质、隐私、性价比。测试全程监测网络行为。 评分标准 →
手机弹出一条短信：「您的包裹在海关被扣留」，或者邮箱里冒出一个退款链接——辨别真假的时间窗口可能只有几秒。这十七款 Mac 和 iOS 应用在你的设备上直接完成钓鱼、诈骗短信、恶意链接和伪造内容的检测，敏感信息无需离开本机。有的通过训练好的 Core ML 模型对垃圾短信进行语义分类，有的在 Safari 里识别 AI 生成的虚假文章，还有的会监控剪贴板中的泄露凭证。我们从能力、品质、隐私和性价比四个维度逐一打分，排名如下。
完整排名 — 共 17 款
熊猫吃短信 - 旧版
Early Moon, LLC设备端短信过滤的标杆之作。经数十万条样本训练的 Core ML 模型对垃圾短信做语义分类，不依赖规则也不靠关键词，而且从不申请网络权限。获奖认可，488 条评价均分 4.78。
” 使用 Core ML 在设备端离线过滤垃圾短信；完全离线的应用，甚至从不申请网络权限；基于统计的机器学习算法 — 实测笔记
熊猫吃短信2 - 垃圾短信拦截
Early Moon, LLC2.0 续作采用重建的 Core ML 架构，将短信细分为金融、订单、运营商提醒、天气等类别，设计上拒绝云端识别。现已免费，分类精度更高且延续了原版的隐私承诺。
” 使用 Core ML 在设备端离线拦截垃圾短信；用户短信从不上传，不进行云端识别 — 实测笔记
ScamNet: Anti-Scam Suite
Synaptrex Technologies (PTE. LTD.)本分类覆盖面最广的反诈工具，将离线短信引擎、Apple Intelligence 基础模型检测与主动 Safari/网络/来电防护整合为一体。4.87 的高分印证了真实的功能广度，但最深层分析依赖云端。
” 先进的设备端 AI；私密离线检测引擎；Apple Intelligence：使用设备端基础模型安全分析搜索查询；离线检测引擎与设备端处理 — 实测笔记
Vigilant:Adult Content Blocker
David Halls真正在设备端运行的内容检测工具，定期扫描第三方应用屏幕上的不雅素材，自动模糊标记并记录以供问责回顾。本地视觉管线确实存在，但其重心是露骨内容问责而非钓鱼与诈骗。
” Vigilant 定期检查屏幕上是否存在露骨或令人担忧的内容；该事件被标记、模糊处理并保存 — 实测笔记
Slop Or Not - AI Detector
Numen Technologies Limited来自 Private LLM 团队的全设备端检测器，通过 Apple Neural Engine 标记 AI 生成文本和深度伪造图片——相比 Winston、GPTZero 等云端方案，敏感内容不离开本机。还支持 C2PA 水印校验与文本清理。
” 完全在 Apple Neural Engine 上运行，无任何上传……全部在设备端处理……初始模型下载后可离线使用 — 实测笔记
短信拦截 - 拒收垃圾短信防骚扰
WenJie Studio纯粹主义的离线短信过滤器，将 CoreML 学习模型与可配置的白名单、黑名单规则结合，通过 iOS 消息过滤扩展屏蔽广告、诈骗和欺诈短信，真正做到零网络权限。
” 本地离线 AI 短信过滤工具；无网络权限，零数据上传；使用 Apple Core ML 提供数据模型 — 实测笔记
SMS SPAM Filter
Michal Indra免费的全离线短信过滤器，核心是用户自定义和预设拦截规则——按表达式、号码、国家代码灵活组合——AI 评估器作为辅助评分层。短信评估全程在设备端完成，不联系任何服务器。
” "对短信的评估完全离线，不联系任何服务器，仅在设备端执行"；"人工智能也可辅助评估" — 实测笔记
Maat
Anthony StarkSafari 信任层扩展，在 Apple Neural Engine 上运行 Core ML 文本分类器，逐篇标记 AI 生成段落并评估来源可信度与偏向性，全程无云端调用。在威胁检测中主攻虚假信息识别，角度独特。
” 由运行于 Apple Neural Engine 的 Core ML 文本分类器驱动，不依赖云端；所有分析在 Apple Neural Engine 上通过 Core ML 本地执行 — 实测笔记
OrionShield
Mrinal Singh Raja免费的全本地安全审查工具，检测启动项、应用权限与剪贴板威胁，并以设备端 AI 助手用通俗语言解读安全态势。坦诚说明沙盒限制，AI 不可用时自动回退到确定性扫描。
” 全程在设备端运行，不依赖云端处理；设备端 AI 汇总当前安全态势 — 实测笔记
SentimentalMail
Konrad ZdebApple Mail 原生扩展，在设备端对每封邮件的语气做正面、中性或负面分类，以颜色标记并追踪情绪趋势。专注且保护隐私，但语气分析对威胁检测而言只是一个有限信号。
” 原生 Apple Mail 扩展，以可自定义阈值在本地分析情绪；上架信息表明设备端分类，不向云端发送数据 — 实测笔记
如何挑选 Mac 诈骗与威胁检测应用
先想清楚你面对的威胁类型。如果最困扰你的是垃圾短信——快递诈骗、假验证码、贷款推广——应优先选择经过大样本训练的 Core ML 分类器，无需手动维护关键词。熊猫吃短信系列在这里表现最强，2.0 版本还加入了更细的消息分类。
如果威胁来自多个渠道，覆盖面就很关键。ScamNet 是唯一在短信、Safari、来电和分享菜单之间统一扫描的套件，但最深层分析走云端通道。如果你要求一切都在本地完成，可以确认应用是否根本不申请网络权限——这个列表里有好几款做到了这一点。
对于 AI 生成内容和深度伪造，Slop Or Not 和 Maat 切入角度不同：前者通过 Neural Engine 标记合成文本与篡改图片，后者在 Safari 内对文章可信度评分。两者都不能替代人的判断，但各自提供了可量化的参考信号。
价格门槛很低：前十名中七款免费或不到两美元。唯一较贵的是旧版熊猫吃短信（$12.99），凭借数十万级训练样本的检测精度来支撑定价。注意某些标注免费的应用，基础扫描之外的 AI 功能可能锁在订阅之后。
常见问题
能否在不上传短信内容的前提下检测诈骗？
可以。本分类大部分应用使用 Core ML 或 Apple Neural Engine 在设备端完成短信评估，文本始终留在本机。熊猫吃短信系列和 SMS SPAM Filter 均确认评估过程离线完成、不联系任何服务器。ScamNet 则在离线检测引擎之外可选云端深度分析。
哪些 Mac 应用可以在本地检测 AI 生成文本或深度伪造图片？
Slop Or Not 完全通过 Apple Neural Engine 在设备端检测 AI 文本和伪造图片，还支持 C2PA 水印核查。Maat 以 Safari 扩展形式切入，用运行于 Neural Engine 的 Core ML 分类器逐篇标记 AI 生成段落并给出来源可信度评分。两者在初始配置后均可离线工作。
设备端诈骗检测工具的准确性够用吗？
准确度因技术路径而异。经数十万标注样本训练的 Core ML 分类器（如熊猫吃短信）对其所覆盖的垃圾模式精度较高。AI 内容与深度伪造检测面对的是更复杂的对抗性难题——Slop Or Not 对此也持坦诚态度。合理做法是把检测结果视为有力的预警信号，而非绝对保证。