Deepfake w służbie oszustów: jak AI podważa zaufanie do obrazu i dźwięku
Deepfake w służbie oszustów: jak AI podważa zaufanie do obrazu i dźwięku
Skala problemu
Z analizy Surfshark, przeprowadzonej na bazie danych Resemble AI i AI Incident Database, wynika, że globalne straty zgłoszone w związku z oszustwami deepfake przekroczyły 1,3 mld euro. Sam rok 2025 odpowiada za 860 mln euro z tej sumy — o 500 mln więcej niż rok wcześniej. W tym samym okresie Europejska Agencja Bankowa (EBA) wydała opinię, w której wskazała, że sztuczna inteligencja jest wykorzystywana do prania pieniędzy i oszustw, w tym przez tworzone sztucznie tożsamości oraz deepfake-dokumenty, i wezwała instytucje finansowe do dostosowania systemów AML.
Jak działa atak
Schemat jest dobrze znany, ale jego skuteczność rośnie wraz jakością narzędzi. Przestępcy wykorzystują nagrania głosowe — wystarczą trzy sekundy dźwięku zebrane z mediów społecznościowych lub konferencji prasowych, by sklonować głos osoby na tyle wiarygodnie, by oszukać współprac partnerów. Następnie dołączyć do tego można deepfake video: fałszywy obraz w czasie rzeczywistym, który pozwala podszyć się pod prezesa podczas wideokonferencji.
Najgłośniejszym przypadkiem pozostaje firma inżynieryjna Arup — w 2024 roku oszuści przeprowadzili 15 przelewów, podszywając się pod CFO wideo i głosowo, i wyłudzili 25,6 mln dolarów. W 2025 roku podobne ataki nasiliły się w sektorze finansowym, energetycznym i prawniczym.
Obrona: detekcja i protokoły
Sektor cyberbezpieczeństwa odpowiada rozwijaniem narzędzi detekcyjnych. Rynek deepfake detection ma według prognoz Deloitte osiągnąć 15,7 mld dolarów wartości do 2026 roku, rośnie w tempie ok. 42 proc. rocznie. Co istotne, wydatki na wykrywanie są dziś 18,5 raza większe niż rynek narzędzi do generowania deepfake’ów — co pokazuje, że defensywa goni ofensywę.
Z badania Sumsub wynika, że 11 proc. wszystkich przypadków oszustw to dziś deepfake’i — jeszcze dwa lata temu było to 6,5 proc., a trzy lata temu zaledwie 0,1 proc. Trend jest jednokierunkowy.
Ludzie pozostają slabym ogniwem. Z testów iProov wynika, że zaledwie 0,1 proc. osób potrafi skutecznie rozpoznawać materiały generowane przez AI w różnych formatach. Przy wideo ten odsetek wzrasta do 24,5 proc. — co oznacza, że trzy na cztery fałszywe nagrania przechodzą niezauważone.
Co można zrobić
Podstawą jest wdrożenie protokołów weryfikacyjnych niezależnych od kanału komunikacji: wieloskładnikowe potwierdzanie transakcji, odwrotne oddzwanianie na znany numer, ustalenie z góry słowa-klucza. Firmy powinny też regularnie szkolić pracowników w rozpoznawaniu prób manipulacji — nie przez testowanie ich wiedzy o deepfake’ach, ale przez budowanie nawyku krytycznego podejścia do nietypowych próśb o przelewy.
Dla specjalistów IT kluczowe jest monitorowanie nowych metod ataków w ramach threat intelligence oraz inwestowanie w narzędzia detekcyjne, które analizują sygnały biologiczne (mikroekspresje, opóźnienia w ruchu warg, artefakty kompresji) zamiast polegać wyłącznie na ocenie wizualnej.
Oznaczenie Contents AI
Ten tekst został napisany z użyciem AI.
