کلاهبرداری‌های کلون‌سازی صدا با هوش مصنوعی: وقتی مجرمان دقیقاً شبیه خانواده شما صدا می‌دهند

تلفن زنگ می‌زند. دخترتان است. گریه می‌کند، وحشت‌زده، و می‌گوید در یک تصادف ماشین بوده. نیاز دارد فوری پول حواله کنید برای صورت‌حساب‌های پزشکی. می‌توانید ترس را در صدایش بشنوید, آن لرزش خاصی که وقتی می‌ترسد دارد. بدون تردید دستتان را به سمت کیف‌پولتان می‌برید. اما دخترتان آن طرف آن تماس نیست. صدایی که شنیدید, صدایی که هر کجا تشخیص می‌دهید, توسط هوش مصنوعی از یک کلیپ ۱۰ ثانیه‌ای از حساب تیک‌تاک او تولید شده بود.

کلاهبرداری‌های کلون‌سازی صدا با هوش مصنوعی یکی از ویرانگرترین و سریع‌ترین اشکال در حال رشد تقلب در سال ۲۰۲۶ هستند. این فناوری به نقطه‌ای رسیده که مجرمان می‌توانند تقریباً هر صدایی را با دقت شگفت‌انگیز تقلید کنند و بنیادی‌ترین پیوند انسانی, صدای یک عزیز, را به سلاحی تبدیل کنند. FBI گزارش داد که شکایات کلاهبرداری کلون‌سازی صدا از ۲۰۲۴ تا ۲۰۲۵ ۳۰۰ درصد افزایش یافته و ضررها در آمریکا به تنهایی از ۵۰۰ میلیون دلار فراتر رفته است.

تهدید کلون‌سازی صدا

کلاهبرداری‌های کلون‌سازی صدا چیزی را بهره می‌گیرند که هیچ نوع دیگری از تقلب نمی‌تواند: اعتماد غریزی‌ای که ما به صداهای آشنا داریم. انسان‌ها به طور ذاتی صداهای افراد دوست‌داشتنی را تشخیص می‌دهند و به آنها پاسخ می‌دهند. یک پیامک یا ایمیل از یک غریبه که درخواست پول می‌کند شک ایجاد می‌کند. یک تماس تلفنی از فرزند، والد یا همسرتان که طلب کمک می‌کند اقدام را برمی‌انگیزد. کلاهبرداران این واکنش بیولوژیکی را تسلیح کرده‌اند و نتایج ویرانگر است.

آنچه کلون‌سازی صدا را به ویژه خطرناک می‌کند سرعتی است که تفکر انتقادی را دور می‌زند. وقتی صدای یک عزیز را در شرایط بحرانی می‌شنوید، مغزتان وارد حالت اضطراری می‌شود. ارزیابی منطقی وضعیت جای خود را به تکانه غیرقابل مقاومت کمک می‌دهد. تا زمانی که فرصت تفکر شفاف داشته باشید، پول قبلاً فرستاده شده است.

فناوری کلون‌سازی صدا با هوش مصنوعی چگونه کار می‌کند

کلون‌سازی صدای مدرن بر مدل‌های یادگیری عمیق آموزش‌دیده بر داده‌های گفتاری متکی است. این مدل‌ها نمونه‌ای از صدای یک فرد را تحلیل می‌کنند و ویژگی‌های منحصربه‌فردی که آن را قابل تشخیص می‌سازند را استخراج می‌کنند: زیر و بمی، ریتم، لهجه، الگوهای تنفسی و تمبر صوتی. سپس مدل گفتار جدیدی به آن صدا تولید می‌کند و هر متنی که اپراتور وارد کند را می‌گوید.

این فناوری به طرز قابل توجهی در دسترس شده است. چندین سرویس تجاری کلون‌سازی صدا برای اهداف قانونی مانند روایت کتاب‌های صوتی و تولید محتوا موجود هستند. همین ابزارها، همراه با جایگزین‌های متن‌باز، توسط مجرمان سوءاستفاده می‌شوند. آستانه کیفیت برای ایجاد یک کلون متقاعدکننده به شدت کاهش یافته است. در سال ۲۰۲۳، کلون‌سازی قابل استفاده نیازمند دقیقه‌ها صدای واضح بود. تا سال ۲۰۲۶، سه تا پنج ثانیه اغلب برای یک کلون با کیفیت تلفنی که اعضای خانواده را فریب می‌دهد کافی است.

جنبه زمان واقعی به ویژه هشداردهنده است. برخی ابزارها اکنون از تبدیل صدا در زمان واقعی پشتیبانی می‌کنند و به کلاهبردار اجازه می‌دهند در یک میکروفن صحبت کند و صدایش به عنوان صدای کلون‌شده هدف در زمان واقعی خروجی شود. این به معنی آن است که کلاهبردار می‌تواند یک مکالمه واقعی داشته باشد، به سوالات پاسخ دهد و به نگرانی‌های قربانی واکنش نشان دهد، همه در حالی که دقیقاً شبیه فرد دیگری صدا می‌دهد.

آناتومی یک تماس کلاهبرداری کلون‌سازی صدا

یک کلاهبرداری کلون‌سازی صدای معمولی از یک اسکریپت با طراحی دقیق پیروی می‌کند. تماس با یک قلاب احساسی باز می‌شود: صدای کلون‌شده دراماتیک، آشفته یا دردناک به نظر می‌رسد. سناریوهای رایج شامل تصادفات ماشین، بازداشت، ربودن، موارد اضطراری پزشکی یا گیر افتادن در کشور خارجی هستند. شدت احساسی عمدی است, مانع از تفکر شفاف قربانی می‌شود.

پس از ایجاد احساسی اولیه، اغلب یک نفر دوم تماس را برعهده می‌گیرد و خود را به عنوان وکیل، مأمور پلیس، پزشک یا نماینده وثیقه معرفی می‌کند. این شخص «راه‌حل» را ارائه می‌دهد: از طریق حواله، کارت‌های هدیه یا ارز دیجیتال پول بفرستید تا اورژانس را حل کنید. آنها بر فوریت و محرمانگی تأکید می‌کنند, «هنوز به هیچ‌کس نگو، باید این را سریع حل کنیم.» این انزوا مانع می‌شود که قربانی داستان را با سایر اعضای خانواده که می‌توانند تقلب را افشا کنند تأیید کند.

مبالغ درخواستی معمولاً از ۵,۰۰۰ تا ۵۰,۰۰۰ دلار است، که به اندازه کافی بزرگ برای سودآوری اما نه آنقدر بزرگ که قربانی نتواند به سرعت به آن دسترسی داشته باشد. برخی عملیات‌های پیچیده در طول چندین ساعت تماس‌های متعددی می‌گیرند و فوریت و مبلغ را با هر تماس افزایش می‌دهند. دستکاری روان‌شناختی اعمال‌شده مشترکاتی با تاکتیک‌های اعتمادسازی در کلاهبرداری‌های کشتار خوک کریپتو دارد، اگرچه کلون‌سازی صدا در جدول زمانی بسیار سریع‌تر عمل می‌کند.

تماس مشکوکی دریافت کردید؟ از Truvizy برای تحلیل صدای ضبط‌شده برای شناسایی نشانگان صدای تولیدشده توسط هوش مصنوعی استفاده کنید.

موارد واقعی از تقلب کلون‌سازی صدا

داستان‌های انسانی پشت تقلب کلون‌سازی صدا ترسناک هستند. در یک مورد گزارش‌شده در سال ۲۰۲۵، مادری در آریزونا تماسی دریافت کرد از آنچه باور داشت دختر ۱۵ ساله‌اش است که گریه می‌کرد و می‌گفت ربوده شده است. سپس یک صدای مذکر تماس را برعهده گرفت و ۵۰,۰۰۰ دلار برای آزادی او طلب کرد. مادر در حال حواله پول بود که یک دوست پیشنهاد داد مستقیماً با دخترش تماس بگیرد, که از مدرسه، کاملاً ایمن، پاسخ داد.

در مورد دیگری، مدیر ارشد مالی یک شرکت در هنگ‌کنگ یک انتقال ۲۵ میلیون دلاری را مجاز کرد پس از یک کنفرانس ویدیویی با آنچه مدیرعامل و چندین همکار به نظر می‌رسید, که همه با صداهای کلون‌شده دیپ‌فیک تولیدشده توسط هوش مصنوعی بودند. تقلب کشف نشد تا زمانی که مدیرعامل واقعی روزها بعد درباره انتقال تماس گرفت.

یک زوج بازنشسته در فلوریدا ۱۵,۰۰۰ دلار ضرر کردند پس از دریافت تماسی از «نوه»‌شان که ادعا می‌کرد در حین سفر به خارج از کشور بازداشت شده است. صدا آنقدر متقاعدکننده بود که حتی پس از اینکه والدین نوه تأیید کردند که در خانه ایمن است، زوج ابتدا باور نمی‌کردند, آنها مطمئن بودند که با او صحبت کرده‌اند.

تکامل کلاهبرداری پدربزرگ و مادربزرگ

«کلاهبرداری پدربزرگ و مادربزرگ» سنتی برای دهه‌ها وجود داشته: یک تماس‌گیرنده وانمود می‌کند نوه‌ای در مشکل است و طلب پول می‌کند. آنچه نسخه قدیمی را قابل تشخیص می‌ساخت صدای عمومی بود, کلاهبرداران به قربانیان سالمندی که خیلی آشفته بودند تکیه می‌کردند که متوجه شوند صدا دقیقاً مطابقت ندارد. کلون‌سازی صدا با هوش مصنوعی این ضعف را کاملاً از بین برده است. صدای کلون‌شده دقیقاً شبیه نوه است و کلاهبرداری را تقریباً فقط با گوش غیرقابل تشخیص می‌کند.

کلون‌سازی صدا با هدف قرار دادن کسب‌وکارها

کسب‌وکارها با تهدیدات کلون‌سازی صدای خاص خود روبرو هستند. کلاهبرداران صدای مدیران را برای مجاز کردن تراکنش‌های مالی کلون می‌کنند، خود را به عنوان فروشندگان معرفی می‌کنند تا پرداخت‌ها را تغییر مسیر دهند، یا به عنوان پشتیبانی فناوری اطلاعات ظاهر می‌شوند تا اعتبارنامه‌های سیستم را استخراج کنند. یک نظرسنجی صنعتی در سال ۲۰۲۵ نشان داد که ۴۳ درصد از شرکت‌های بزرگ حداقل یک تلاش حمله کلون‌سازی صدا را تجربه کرده‌اند. کلون‌سازی صدا برای کسب‌وکارها بخشی از چشم‌انداز گسترده‌تر تهدید مهندسی اجتماعی است که شامل حملات سرقت ایمیل تجاری توضیح‌داده‌شده در راهنمای فیشینگ ما می‌شود.

کلاهبرداران صدای شما را از کجا می‌گیرند

نمونه‌های صوتی مورد استفاده برای کلون‌سازی صدا از منابع شگفت‌انگیز قابل دسترسی می‌آیند. ویدیوهای شبکه‌های اجتماعی در تیک‌تاک، اینستاگرام، یوتیوب و فیسبوک منبع اصلی هستند, اکثر کاربران متوجه نمی‌شوند که هر ویدیویی که پست می‌کنند مواد خام برای کلون‌سازی صدا فراهم می‌کند. پیام‌های صوتی منبع رایج دیگری هستند، همانطور که حضور در پادکست، ارائه در کنفرانس‌ها، و حتی ضبط‌های سیستم تلفن خودکار هستند.

در برخی موارد، کلاهبرداران نمونه‌های صوتی را از طریق تماس‌های تلفنی اولیه به دست می‌آورند. آنها ممکن است زنگ بزنند و تحت بهانه نظرسنجی، تماس رضایت مشتری یا شماره اشتباه چند سوال بپرسند. یک مکالمه کوتاه به اندازه کافی صدا برای ایجاد یک کلون صوتی قابل استفاده ارائه می‌دهد. این تکنیک به ویژه مؤثر است چون هدف کاملاً بی‌خبر است که صدایشان ضبط شده است.

از خانواده‌تان در برابر کلاهبرداری‌های کلون‌سازی صدا با تشخیص صدای دیپ‌فیک مبتنی بر هوش مصنوعی Truvizy محافظت کنید.

چگونه صداهای کلون‌شده را تشخیص دهید و تأیید کنید

تشخیص یک صدای کلون‌شده با گوش بسیار دشوار است، اما غیرممکن نیست. صداهای کلون‌شده گاهی نشانه‌های ظریفی نشان می‌دهند: مکث‌های کمی غیرطبیعی بین جملات، صدای پس‌زمینه ثابتی که با حرکت تغییر نمی‌کند، بیان احساسی که کمی اشتباه احساس می‌شود، و پاسخ‌هایی که گاهی با زمینه مکالمه مطابقت ندارند. با این حال، تکیه صرف بر تشخیص کافی نیست, تأیید دفاع قوی‌تر است.

ساده‌ترین روش تأیید قطع کردن و تماس مجدد با فرد از طریق شماره شخصی شناخته‌شده آنها است. اگر تماس واقعی بود، پاسخ می‌دهند. اگر کلاهبرداری بود، کنترل کلاهبردار از مکالمه را شکسته‌اید. در موقعیت‌هایی که نمی‌توانید مستقیماً با فرد تماس بگیرید، با یک عضو خانواده یا دوست مورد اعتماد دیگری تماس بگیرید که بتواند ایمنی و موقعیت فرد را تأیید کند. ابزارهای تحلیل محتوای مبتنی بر هوش مصنوعی نیز برای تشخیص صدای کلون‌شده در حال توسعه هستند و الگوهای طیفی را که بین گفتار طبیعی و سینتتیک متفاوت است تحلیل می‌کنند.

ایجاد یک برنامه حفاظتی خانوادگی

مؤثرترین دفاع در برابر کلاهبرداری‌های کلون‌سازی صدا یک کلمه رمز خانوادگی است, یک کلمه یا عبارت سری که فقط اعضای خانواده می‌دانند و باید برای تأیید هویت در تماس‌های غیرمنتظره استفاده شود. چیزی به خاطر سپردنی اما نه قابل حدس از شبکه‌های اجتماعی یا اطلاعات عمومی انتخاب کنید. آن را حضوری، نه از طریق کانال‌های دیجیتال در میان بگذارید. همه در خانواده باید بدانند: اگر کسی تماس گرفت و ادعا کرد عضو خانواده در اورژانس است، ابتدا کلمه رمز را بخواهید.

فراتر از کلمه رمز، یک پروتکل خانوادگی برای تماس‌های اورژانسی تعیین کنید. توافق کنید که هیچ‌کس هرگز فقط بر اساس یک تماس تلفنی پول نخواهد فرستاد، هر چقدر هم فوری به نظر برسد. یک درخت تماس ایجاد کنید: اگر تماس ناراحت‌کننده‌ای از یک عضو خانواده دریافت کردید، اولین اقدام شما تماس با عضو دیگری از خانواده برای تأیید است. این سناریوها را با خویشاوندان سالمندی که ممکن است از این فناوری کمتر آگاه باشند در میان بگذارید.

در صورت امکان ردپای صوتی آنلاین خود را کاهش دهید. تنظیمات حریم خصوصی ویدیوهای شبکه‌های اجتماعی را بررسی کنید، پیام‌های صوتی را به پیام‌های عمومی به جای پیام‌های شخصی محدود کنید، و در مورد انتشار محتوای صوتی به صورت عمومی احتیاط کنید. راه‌حل‌های حفاظتی جامع که شامل قابلیت‌های تشخیص مبتنی بر هوش مصنوعی برای صدا و ویدیوی دیپ‌فیک است را بررسی کنید.

تشخیص ایمیل فیشینگ — چگونه مهندسی اجتماعی مبتنی بر هوش مصنوعی از تماس‌های صوتی به حملات ایمیل گسترش می‌یابد.

جعل هویت در شبکه‌های اجتماعی — چگونه کلاهبرداران عکس‌ها و اطلاعات شخصی شما را برای حملات جعل هویت جمع‌آوری می‌کنند.

Truvizy چگونه کلاهبرداری‌ها را تشخیص می‌دهد — بیاموزید تحلیل هوش مصنوعی چگونه صدای دیپ‌فیک و محتوای صوتی کلون‌شده را تشخیص می‌دهد.