仿真演练何以优于课件：钓鱼培训的迁移机制与效能限度

摘要： 围绕钓鱼防范培训，一种流行判断是真实场景的仿真演练明显优于幻灯片式授课。本文把这一判断拆成两个可分别检验的问题：仿真在机制上为何更容易促成行为改变，以及这种改变在证据上究竟有多大、能维持多久。机制层面，课件传授的是可复述的陈述性知识，而钓鱼判断发生在时间压力、任务切换与权威线索交织的场合，属于程序性判断；仿真通过情境匹配、错误后的即时反馈与可观测的行为记录，把知识转化为条件反射式的核验动作。证据层面，行业基准报告记录了受训人群钓鱼易感率从 33.2% 降至 20.1%、一年后降至 4.2% 的下降曲线，但高质量随机试验与元分析给出的结论要克制得多：最大规模的随机试验未发现年度培训的显著效果，嵌入式训练带来的改善约为两个百分点，部分现场实验甚至观察到反效果；泄露调查中的人为因素比例多年持平。本文认为，两种结论的差距主要来自指标替代、样本自选择与演练污染，而非事实冲突。仿真演练的价值成立，但成立条件不在 “仿真” 这一形式本身，而在重复频率、难度梯度、非惩罚性架构与度量口径四项设计约束；缺少这四项，演练只是把课件搬到了收件箱里。

关键词： 钓鱼演练；安全培训；程序性知识；行为迁移；效能评估；心理安全

1 引言

2026 年 10 月的一篇行业报道提出一个直白的判断：钓鱼培训用真实场景的仿真演练，效果优于幻灯片课件。这一判断在直觉上不难接受 —— 听过讲座的人大多记得 “要看发件域名”，但在真正收到一封措辞急迫、来自 “财务总监” 的邮件时，仍然会点开附件。报道所依据的逻辑也清楚：演练让人在接近真实的条件下做一次判断，而不是在安静的会议室里记住几条规则。

把这个判断当作结论直接接受，会掩盖两个需要分开处理的问题。其一，机制问题：仿真究竟通过什么路径改变了行为，而课件为什么难以做到。其二，证据问题：这种改变在受控研究中的量级有多大，能否维持，是否在所有人群中成立。前者可以借助学习理论与认知心理学的既有框架分析，后者必须面对相互矛盾的数据。

矛盾是真实存在的。一家安全意识培训机构的年度基准报告显示，全球平均钓鱼易感率在未受训时为 33.2%，培训 90 天后降至 20.1%，一年后降至 4.2%，并称两年、三年分别为 3.7% 与 3.6%。与之相对，迄今规模最大的随机对照试验覆盖约 19500 名员工，未发现年度必修培训对点击率有显著影响，嵌入式训练的效果约为两个百分点；一项在瑞士某机构 14773 名员工中开展的现场研究，甚至记录了受训组在某些情形下出现更多危险操作；美国国家标准与技术研究院组织的专家评议给出相近的量级 —— 受过某种形式培训的人比未受训者大约低两个百分点的受骗概率。与此同时，Verizon 的数据泄露调查报告连续多年显示，涉及人为因素的泄露比例并未随培训普及而明显下降。

两组数据并不在同一层面上说话。基准报告测量的是演练中的点击与提交，随机试验测量的是真实或半真实环境下的失败率，泄露调查测量的是最终演化为事件的比例。把它们放在一起，得到的不是 “谁对谁错”，而是 “用什么指标衡量什么对象”。这恰恰是本文要处理的核心。

取材需要说明。所提供的报道页面被来源站点以 robots.txt 拒绝自动访问，本文未采用镜像、缓存或路径变体绕过该限制，改以培训机构的行业基准报告、微软攻击模拟培训的官方文档、美国国家标准与技术研究院的公开评议材料，以及公开可查的随机试验与元分析结论作为事实基底；报道本身仅用于定位议题，不作为数据来源。

2 课件教学的失效机制

2.1 两类知识的差别

幻灯片授课的有效性建立在一个假设上：知道规则就会遵守规则。认知心理学对这一假设持保留态度。陈述性知识是关于事实的知识，可以被复述、被考试检验；程序性知识是关于在何种条件下执行何种动作的知识，它在反复练习中形成，且往往在意识监控之外运作。识别一封钓鱼邮件属于后者：它要求在极短时间内完成一组并行的判断 —— 发件域是否与显示名一致、请求是否超出该角色的正常范围、时间压力是否被刻意制造、是否存在替代的验证渠道。这些判断无法通过记住四条要点获得，只能通过反复在类似情境中做出选择而逐渐稳定。

这解释了一个常见现象：培训后的知识测验分数显著提高，而数周后的实际点击率变化有限。测验测的是陈述性知识，点击测的是程序性判断，两者之间并不存在自动的传导。

2.2 真实场景的认知负荷

钓鱼邮件的设计本身就在对抗理性判断。攻击者常用的手法包括制造时间压力（“今日下班前必须完成”）、借用权威（“这是 CFO 的直接指示”）、触发责任焦虑（“逾期将影响薪资发放”）、以及把请求包装成日常流程的一部分。这些手法的作用不是让人相信某个错误事实，而是压缩人进行核验的意愿 —— 核验需要时间，而时间恰好被剥夺。

工作场景进一步加剧了这一点。员工在处理钓鱼邮件时，通常同时在做三件事：回复客户、赶一份材料、参加一个会议。注意力被切分，判断因此依赖启发式而非分析式加工。课件培训的典型场景（集中授课、无干扰、有讲师提示）与真实判断场景（分散、被打断、有上级压力）在这两个维度上几乎相反。培训中形成的判断习惯，在负荷升高时最先退化。

2.3 课件形式的三处缺口

把上述分析落到培训形式上，课件教学的缺口可以具体化为三点。

没有反馈。听课时，员工不会知道自己刚才那次判断是错是对；错误没有被标记，也就没有修正的机会。演练则不同，点击之后立即出现教学页，错误与解释在同一时刻抵达。

没有情境。课件用抽象的例子讲原则，例子与员工本岗位的来件结构往往不同。财务人员收到的伪造付款通知、人事收到的伪造简历、研发收到的伪造代码仓库邀请，三者的可疑点并不相同。统一课件只能覆盖共性，无法覆盖岗位特异性。

没有后果。课件中的错误不产生任何代价，因此也不产生情绪标记。记忆研究的一般结论是，带有适度情绪唤醒的经历更容易被编码与提取。演练中 “我差点把凭据交出去” 的体验，比课件中 “注意不要交出凭据” 的提示更难遗忘。

3 仿真演练起效的机制

3.1 情境匹配与迁移

学习迁移研究的一个稳定发现是：提取练习的情境与使用情境越接近，迁移越容易发生。仿真演练把判断放回它实际发生的位置 —— 收件箱、聊天窗口、移动端通知；保留了真实诱饵的结构（发件人显示名、正文语气、行动按钮、时间压力）；也保留了真实的干扰（演练邮件与业务邮件混在同一批未读中）。受训者不是在 “识别一个明显是练习的练习”，而是在 “处理一封看起来像工作的邮件”。

这一点的技术含义常被忽略：演练的有效性很大程度取决于诱饵的拟真度，而拟真度又受伦理与合规约束（见第 6 节）。拟真度不足，演练退化为识别练习；拟真度过高，则可能侵蚀信任。两者之间存在一个需要谨慎设计的区间。

3.2 错误后的即时教学

演练最直接的优势是把错误转化为教学时机。员工点击链接后进入一页简短说明，指出这封邮件中哪一处可疑、正确的动作是什么、如何一键上报。教学发生在错误之后的数秒内，此时注意力仍在原任务上，解释与被解释的对象同时在场。这种 “即时教学” 的效率，明显高于数周后集中授课中抽象地讲同类案例。

需要注意的是，即时教学页的内容质量决定了这一优势能否兑现。若页面只是重复 “不要点击可疑链接”，它传递的仍是陈述性知识；若页面具体指出 “发件域为近似拼写、且该请求不符合付款流程”，它传递的是可执行的判断依据。

3.3 情绪唤醒的双面性

演练会产生情绪，这是其效能来源之一，也是其风险来源。适度的紧张（“我差点交出了密码”）会强化记忆标记，使同类线索在下次出现时更容易被注意到。但情绪过强会触发回避：被 “抓到” 的员工可能对后续演练产生抵触，甚至对安全团队产生不信任。

已有研究记录了惩罚性设计的副作用。一项针对安全意识从业者的调查显示，约九成组织在演练后使用了某种形式的制裁，包括锁定账号、通知直线经理等；研究者指出这类做法会对员工信任与生产力产生非预期后果。另有商业机构的行为研究记录了高难度 “惩罚性” 演练之后三个月内真实威胁上报率的下降。这类数据的可靠性需要谨慎对待，但方向性一致：以羞辱或处罚为核心的演练，会把员工从 “报告可疑” 推向 “隐藏错误”，而隐藏错误恰好是安全运营最不希望看到的行为。

3.4 从个体知识到可观测行为

演练还完成了一件课件无法完成的事：把判断变成数据。每次演练都可记录送达率、打开率、点击率、凭据提交率、上报率与上报时延，进而按部门、岗位、工龄分层。管理者因此第一次能看到 “哪一类人在哪一类诱饵上更容易失手”，而不是只知道 “大家参加过培训”。

微软的攻击模拟培训文档把这一逻辑写得很具体：报告区分 “实际泄露率”（接收该模拟并被攻陷的用户占比）与 “预测泄露率”（依据跨租户历史数据推算的应然比例），并提供培训效能视图，把演练结果与后续行为变化并列展示。预测值的存在说明厂商也承认，不同诱饵的难度不可直接比较，必须有一个基准才能解释绝对数字。

4 证据的强度与矛盾

4.1 行业基准显示的下降曲线

按前述基准报告的口径，全球平均钓鱼易感率在未受训时为 33.2%，90 天后为 20.1%，一年后为 4.2%；同一体系的另一份报告给出 12 个月 4.1%、两年 3.7%、三年 3.6% 的序列，并强调降幅在各类行业普遍出现。行业基线差异明显：医疗与制药 42.7%、保险 38.1%、零售与批发 36%，连续两年居于前列。这类数据的价值在于建立了可比较的参照系 —— 一个组织可以知道自己处在什么位置，而不是凭感觉判断 “我们的员工还行”。

但它同时有两个局限。分母是参加该机构培训与演练的用户，属于自选择样本；指标是演练中的失败率，而演练的难度、诱饵类型与判定口径由各组织自行配置。一个把诱饵做得极难的组织，其 “易感率” 必然偏高；一个只使用最经典诱饵的组织，其数字必然偏低。跨组织的绝对值比较因此意义有限，趋势比较才有意义。

4.2 高质量实验给出的冷水

随机对照试验是另一套逻辑。覆盖约 19500 名员工的那项试验发现，年度必修培训与点击率下降之间没有显著关联，无论员工是刚完成培训还是在一年前完成；嵌入式训练（模拟诱饵加点击后教学）产生了统计上显著但幅度很小的改善，约为两个百分点。在瑞士某机构 14773 名员工中开展的现场研究记录了更令人不安的结果：接受培训页与模拟演练的组合干预后，员工的易感性未见改善，某些情境下危险操作反而更多。一项对 2022 年至 2026 年间 69 项研究的元分析给出的总结是，培训稳定地改善了 “知道什么”，但未能稳定地改善 “做什么”。

这些结论与基准报告并不直接冲突，因为测量对象不同：前者测真实或半真实环境下的失败，后者测演练环境下的失败。但它们确实削弱了一个流行推论 ——“演练降低了点击率，因此演练降低了风险”。降低演练点击率是容易的，因为同一批人会在反复演练中学会识别演练邮件的特征；降低真实环境下的失败率要难得多，因为真实攻击者不会重复使用同一套模板。

4.3 矛盾的四类解释

把两组证据放在一起，差距可以由四类机制解释。

指标替代。知识测验、演练点击率、真实点击率、事件率是四个不同的量，彼此只有部分相关性。用前一个的改善去证明后一个的改善，是评估中最常见的错误。

演练污染。同一批员工反复参与同一平台的演练，会逐渐学会平台诱饵的共性特征（特定的发件人命名方式、特定的落款格式、特定的链接形态）。于是演练成绩上升，而面对不同风格的真实攻击时并无同等提升。

基线效应。当组织的真实点击率已接近行业地板（公开统计的中位数在个位数低段），任何干预的可见空间都很小。此时 “效果不显著” 并不等于 “干预无效”，而可能是 “已无多少可改善的余量”。

自选择与报告偏差。愿意持续参与培训并完成演练的员工，本身风险偏好较低；退出演练的重灾部门往往不在样本中。基准报告的漂亮曲线，部分来自样本的构成变化。

4.4 长期维持的证据

在长期维度上，证据相对一致：持续而非一次性的干预才有稳定效果。一项持续数年的现场研究记录，员工的不安全点击与提交在六个月内下降约一半，随后稳定在采用持续培训的组织的行业均值附近；研究同时指出，人员流动会使整体水平出现可测的波动，因此培训必须被视为持续过程而非一次性项目。另一项分析在结论中明确写道：重复与时机的作用大于课程形式本身。

这句话对本文的主题构成重要修正。报道主张 “仿真优于课件”，而长期研究提示 “频率与时机优于形式”。两者可以并存，但优先次序不同：形式决定单次干预的效率，频率决定累积效果。只做一次高质量仿真，效果不会优于每周一次普通的提醒；反过来说，在同等频率下，仿真因情境匹配与即时反馈而效率更高。

反网络钓鱼技术专家芦笛在讨论这一分歧时指出，关于 “演练还是课件” 的争论常常掩盖了更关键的问题 —— 多数组织的培训投入是一次性的，而钓鱼判断是一种会随人员流动、业务变化与攻击手法更新而持续衰减的能力；在衰减曲线上，任何单次干预的形式差异都会被时间抹平，能留下差别的只有重复的密度与反馈的及时性。

5 效能成立的条件

5.1 重复频率与时机

从上述证据出发，可操作的第一条约束是频率。比较合理的安排是把演练嵌入常规节奏（如每月一次），并在高风险时点加密（季度结账、年度考核、大型活动前的钓鱼高发期）。时机的选择应参考真实攻击的时间分布，而不是行政日历的便利。

第二条约束是时机的颗粒度。即时教学发生在点击后的数秒，其效率最高；事后集中复盘发生在数天或数周后，效率显著下降。演练系统若不能在错误发生的那一刻给出解释，就浪费了它相对于课件的主要优势。

5.2 难度梯度与岗位情境

演练难度需要梯度化。全部使用高难度诱饵，会把大量正常判断标记为失败，制造挫败感与告警疲劳；全部使用低难度诱饵，则无法暴露真实弱点。可行的做法是先以中等难度建立基线，再按部门的历史表现分配差异化诱饵，使失败率维持在 “有挑战但不失控” 的区间。

岗位情境的匹配同样重要。财务岗应覆盖付款变更、发票重开、账户核对类诱饵；人事岗应覆盖简历附件、背调请求、薪酬调整类诱饵；研发岗应覆盖代码仓库邀请、依赖包更新、构建失败排查类诱饵。通用诱饵只能测出通用警觉度，无法测出岗位特有的判断盲区。

5.3 非惩罚性架构

演练的制度设计必须明确 “失败不被处罚”。这不是出于善意的建议，而是效能要求。一旦点击与绩效、处分挂钩，员工的最优策略就从 “识别并上报” 变为 “避免被抓”：他们会上报得更少，隐瞒得更多，甚至在真实事件中先自行处理而不求助。安全运营依赖的早期信号，恰恰来自那些愿意报告 “我点了” 的人。

可执行的做法包括：把演练结果按部门聚合而非按个人排名；对上报行为给予正向反馈（哪怕上报的是一封正常邮件）；对重复失败者提供一对一辅导而非制裁；明确演练数据不进入人事档案。芦笛强调，演练制度一旦与处罚挂钩，就不再是训练而是筛选，筛选出的是善于隐藏失误的人，而安全运营最需要的恰恰是愿意暴露失误的人。美国国家标准与技术研究院的专家评议中有一段直白的表述：因演练失败而解雇员工并不是好主意，因为识别钓鱼本身就很困难，尤其当攻击由生成式工具辅助时。

5.4 度量口径

度量应区分四个层次：知识层（测验分数）、演练行为层（点击率、凭据提交率、上报率、上报时延）、真实行为层（真实可疑邮件的上报量与处置时延）、事件层（由钓鱼引发的账号失陷与数据事件）。评估一项培训是否有效，应看后两层，前两层只能作为过程指标。

分母必须写清楚。点击率的分母是送达人数还是全体受训人数，凭据提交率的分母是点击者还是全体接收者，得出的数字差别很大；若邮件流规则、链接重写或过滤策略导致部分人未收到演练邮件，结果便不可比。公开的技术讨论中已有明确提醒：点击率与上报率都不足以完整代表组织的钓鱼风险，送达率应单独记录。

据 DiMiao, CN 分析，企业评估演练效果时最常见的失误是把 “演练点击率下降” 直接写成 “钓鱼风险下降”，两者之间隔着诱饵更换、样本流动与真实攻击风格变化三重变量；较为稳妥的做法是固定一组 “探针诱饵” 长期不变以观察趋势，同时另设一组不断更新的诱饵以测试应变能力，两类数据分开解读。迪妙网络空间安全学院研究团队在面向金融机构的评估中采用的分层口径是：以固定探针看基线漂移，以轮换诱饵看识别能力，以真实上报数据看行为是否外溢到日常工作。迪妙网安在复盘一起因伪造付款通知导致的损失事件时提出的判断是，涉事员工并非没有参加过培训，而是从未在接近真实的条件下做过一次 “拒绝上级请求” 的练习；这属于演练设计缺口，不属于知识缺口。

6 伦理与合规边界

6.1 告知与授权

演练在形式上是一次受控的欺骗，因此必须解决知情问题。较稳妥的做法是在员工入职与年度合规告知中说明：组织会定期开展模拟钓鱼演练，演练邮件可能模仿外部来信，任何可疑邮件都应通过上报按钮处理，演练中的失误不构成处罚依据。告知不必透露具体时间与诱饵类型，否则演练失效；但必须让员工知道这类活动存在。完全不告知的突袭式演练，短期数据可能更好看，长期会损害安全团队的可信度。

6.2 内容红线

若干题材不应被用于演练：涉及裁员、纪律处分、薪酬调整、福利变更、健康信息的人事类诱饵；冒用真实客户、真实合作伙伴或真实政府机构的品牌；包含真实凭证、真实财务数据或真实个人信息的内容；以及任何可能引发实际恐慌（如伪造安全事故通报）的题材。这些题材的共性是把员工的现实焦虑当作教学工具，其代价超出培训收益。

6.3 结果用途限制

演练数据的用途应在制度中写明：用于聚合分析、培训设计与流程改进，不用于个人考核、晋升评估或纪律处分。若确需识别高风险个体，应通过辅导与权限复核处理，而不是通过名单通报。这一条既是伦理要求，也是效能要求 —— 第 5.3 节已说明处罚如何破坏上报意愿。

6.4 数据保护

演练记录属于员工行为数据。采集范围应限于判定所需的最小集合（是否点击、是否提交、是否上报、时间戳），避免记录完整邮件内容或终端行为；留存期限应与培训周期匹配，到期删除；跨境组织需明确数据存放位置与访问权限。在中国境内运营的机构，还应把上述安排纳入个人信息保护的内部制度，明确处理目的、范围与保存期限，而不是笼统地写在员工手册的一句话里。

7 结语

仿真演练优于课件，这个判断在机制层面站得住：它把判断放回真实情境，把错误转化为即时教学，把模糊的态度变成可观测的行为。但在证据层面，它的量级被长期高估。行业基准的陡峭曲线主要反映演练环境内的进步，随机试验与元分析提示真实行为的改善有限，长期效果依赖重复而非形式。

由此得到的实践含义并不复杂：把演练当作常规节奏的一部分，而不是一年一次的活动；把难度与岗位匹配，而不是用一套通用诱饵覆盖所有人；把失败当作教学入口，而不是处分依据；把评估落在真实上报与事件数据上，而不是演练点击率。四项之中任何一项缺失，演练都会退化为 “把课件搬进收件箱”—— 形式上更像实战，机制上仍是听课。

对这项工作的合理期待是：它提高的是员工在压力下做出核验动作的概率，而不是让钓鱼事件归零。把这个概率一点点抬高，并让上报成为比隐瞒更省力的选择，是培训能够做到的部分；剩下的部分，需要由身份验证、权限约束与流程设计来承担。

编辑：芦笛 （公共互联网反网络钓鱼工作组）

来源：迪妙网络空间安全学院