那么钱去哪里了呢？
6月6日，一名涉嫌盗窃他人身分冒领失业金的华人李云浩（Yunhao Li，音译）被联邦执法人员逮捕。
据悉，李云浩此前将大把百元钞散成扇形，得意地用手机自拍，如今这些炫耀画面也成证据。
根据邮政调查局（USPIS）特工在纽约东区联邦法庭的指控文件，从2020年6月至2021年4月，李云浩涉嫌使用他人的身分欺诈性地提交失业保险（UI）申请，并通过以这些受害者的名义签发的KeyBank借记卡，欺诈性地获得失业福利；他还进一步利用这些个人信息，从受害者的银行帐户中偷钱，以他们的名义开户和进行交易。
2021年3月17日，李云浩因另一事件被捕，结果执法人员意外在他身上发现了以受害者A的名义发行的KeyBank卡，又在他手机上发现了受害者A的驾照照片。随后，执法人员联系受害者A面谈。A说，她在2020年申请补发驾驶执照，但从未收到，估计被人从邮箱中盗走了。此外，她向执法部门证实，自己从未申请过失业金，她整个2020年一直在工作。
2020年11月至2020年12月，他以受害者C的名义使用KeyBank卡提款9次，总额约為13,927美元。
执法人员在李云浩手机上发现的受害人「信用档案」。（取自纽约东区联邦法庭起诉书）
大规模福利为犯罪活动敞开大门
2020年3月27日，美国总统签署《灾民、救济和经济安全法》（CARES），扩大福利规模，并让传统上没有资格获得失业保险的个体经营者也可申领，并创建疫情失业援助（PUA）和联邦疫情失业补偿（FPUC）。基于薪资历史的UI每周福利金最高444元，加上每周额外的600元FPUC，最多可领取39周。
2020年8月8日，在FPUC过期后，美国总统签署了一份总统备忘录，授权联邦紧急事务管理局（FEMA）使用救灾资金，每周向失业者提供300美元的额外失业补助。2020年12月27日，美国总统又签署《继续援助法》，将PUA福利延长至2021年3月14日。
在纽约州，可以通过纽约州劳工厅（NYSDOL）网站上网或电话申请失业金，只需提供申请人的姓名、出生日期、社会保险号码和就业信息。批准后，申请人会获得一张由KeyBank发行的借记卡（到ATM机上提款），或通过直接存入现有银行帐户来领取失业金。
据世纪基金会的分析，2020年有创纪录的4600万人领取失业救济金，每4名工人中占1人。面对前所未有的危机，各州处理失业金的部门不堪重负，放宽了对一些文书工作要求，努力尽快向有需要的人支付款项，在2020年3月至2021年9月期间提供了超过6,500亿美元的联邦疫情失业救济金。
与此同时，犯罪分子也忙于盗取他人的身分，冒领失业金，快速致富。根据国税局，有组织犯罪团伙利用偷来的身分提交欺诈性失业申报，该类案件在各州激增。
邮政调查局（USPIS）执法人员在调查中发现，李云浩使用他妹妹名字注册的IP地址在线上申请失业金，李云浩每周都会数次前往法拉盛大学站点26大道的这个地址。
此外，他的手机力还有他人的驾照照片和借记卡照片，包括他用来冒领失业金的受害者照片。
执法部门还在他的手机中发现了许多人的信用档案，其中列出受害者的姓名、住址、出生日期、社会安全号码、电话、email电子邮箱、雇主等资料。
在被逮捕之前，李云浩已经盗走了至少数万美元。例如，2020年12月15日，他以受害者A的名义申请失业金，从2020年12月至2021年3月，总共使用KeyBank卡提款15次，获得12,470美元失业金。2020年11月至2020年12月，他以受害者C的名义使用KeyBank卡提款9次，总额约为13,927美元。
2021年2月26日，他用盗窃的信息两次通过柜台提款，从受害者D的TD银行帐户中盗取3万美元；同一天又通过ATM机从D的户头提取1,000美元。3天后，他用D的银行借记卡在T-Mobile购买了985美元东西，并向财政部支付了1,290美元的停车罚单。
执法人员在他手机上发现D的姓名、社安号、TD银行帐户号码和出生日期等。D在回覆执法人员询问时说，她从未参与上述任何交易。
2021年1月28日，他用盗来的受害者B的名义，在妹妹的IP地址上线申请开设大通银行帐户，申请到借记卡后，2月24日，他在自动取款机上提现。B在回覆执法人员询问时说，陌生人以她的名义在美国银行、富国银行、大通银行和TD银行都开设了新帐户，并试图在Capital One开设帐户。她进一步指出，有数百美元被存入大通银行和TD银行的帐户，有700美元从富国银行的帐户中被提取，还有人从她的梅西百货帐户中扣除600美元。
失业金福利吸引犯罪分子窃取身分，造成的损失有多大？
今年劳工部监察长特纳（Larry D. Turner）在国会听证会上作证时估计，与失业相关的超额支付可能至少有1,630亿美元，这一预测包括错误支付的金额以及向犯罪分子发送的福利。
根据劳工部今年3月提供的数据，到目前为止，美国已经收回了其中逾40亿美元。如果政府的估计是准确的，这金额相当于错误付款的大约2.4%。