Sklonowany głos: nowa broń oszustów telefonicznych

Przez dekady telefoniczne oszustwa opierały się na jednej słabości: ofiara nie widziała rozmówcy. Dziś ta słabość przestała być jedyną. Synteza mowy oparta na sztucznej inteligencji pozwala stworzyć przekonującą kopię głosu na podstawie zaledwie kilku sekund nagrania — a takie nagrania są wszędzie. Głos pojawia się w mediach społecznościowych, na poczcie głosowej, w webinarze, w materiale promocyjnym firmy. To wystarczy, by model nauczył się nie tylko barwy, ale też rytmu wypowiedzi, akcentu i charakterystycznych zwrotów.

Jak działa oszustwo na sklonowanym głosie

Schemat jest prosty i skuteczny. Oszuści zbierają próbki głosu z publicznie dostępnych źródeł, klonują głos wybranej osoby, a następnie dzwonią do jej bliskich lub współpracowników. Najczęstsze scenariusze to prośba o pilny przelew z powodu rzekomego wypadku, zatrzymania przez policję albo zablokowanego konta. Niektóre kampanie przechodzą dalej: głos „syna” lub „córki” słychać w tle płacz i prośby o pomoc, co ma wzbudzić panikę i wyłączyć krytyczne myślenie. Ten wariant bywa określany jako wirtualne porwanie — sprawcy nie mają kontaktem z ofiarą, a cała scenografia opiera się na dźwięku.

Druga grupa ataków celuje w firmy. Sklonowany głos dyrektora finansowego służy do wydawania poleceń przelewu pracownikom księgowości, a głos prezesa — do naciskania na pilną, poufną transakcję. W takich przypadkach oszustwo wykorzystuje nie tylko technologię, ale i hierarchię: pracownik boi się kwestionować polecenie osoby ze ścisłego zarządu.

Dlaczego to działa

Ludzie intuicyjnie traktują głos jako dowód tożsamości. Jesteśmy przyzwyczajeni do rozpoznawania bliskich po sposobie mówienia i przez lata ten mechanizm sprawdzał się dobrze. Problem w tym, że modele syntezujące mowę nauczyły się go imitować z zaskakującą dokładnością. Badacze z firmy McAfee, którzy przetestowali dostępne online narzędzia do klonowania głosu, stwierdzili, że w jednym z przypadków wystarczyły zaledwie trzy sekundy nagrania, by uzyskać dobre dopasowanie — a takie próbki pochodzą z mediów społecznościowych albo zwykłej rozmowy telefonicznej. Caller ID dodatkowo utrudnia sprawę: numer wyświetlany na ekranie bywa podszywany, więc zgodność numeru z numerem bliskiej osoby nie potwierdza niczego. Skala jest realna: według Kanadyjskiego Centrum Przeciwdziałania Oszustwom Kanadyjczycy zgłosili straty bliskie trzech milionów dolarów kanadyjskich na tzw. oszustwie na dziadków tylko w 2024 roku.

Znaczenie problemu dostrzegły też instytucje. W Stanach Zjednoczonych Federalna Komisja Łączności uznała w lutym 2024 roku, że głosy generowane przez sztuczną inteligencję w automatycznych połączeniach telefonicznych są niezgodne z prawem — decyzja zapadła po kampanii fałszywego połączenia z „Joe Bidenem”, która w styczniu 2024 roku nakłaniała wyborców w stanie New Hampshire do niegłosowania w prawyborach. Regulatorzy w innych krajach obserwują zjawisko, ale przepisy nadal nie nadążają za technologią.

Jak się chronić

Obrona przed tym typem oszustwa nie wymaga wiedzy technicznej, tylko zmiany nawyków:

• Ustalcie rodzinne hasło weryfikacyjne. Słowo lub zdanie znane tylko najbliższym, pytane przy każdej prośbie o pieniądze przekazanej telefonicznie. Oszuści mogą klonować głos, ale nie znają waszych prywatnych ustaleń.
• Oddzwońcie na znany numer. Nie na numer z wyświetlanego połączenia, tylko na ten zapisany w kontaktach. Jeśli bliska osoba „pilnie dzwoni”, zadzwońcie do niej samodzielnie albo do kogoś z jej otoczenia.
• Zadajcie pytanie, na które głos nie odpowie. Pytania o szczegóły wspólnej przeszłości, które nie pojawiają się w publicznych materiałach, skutecznie weryfikują rozmówcę.
• Zwolnijcie przy pilności. Sztucznie wywołana presja czasu to znak rozpoznawczy każdego oszustwa. Prawdziwa nagła sytuacja wytrzyma dziesięć minut weryfikacji; oszustwo — nie.
• Ograniczaj publikowanie własnego głosu. To trudne do pełnego osiągnięcia, ale warto wiedzieć, że każde publiczne nagranie to potencjalny materiał treningowy dla modelu.

Odpowiedzialność i nadzór

W Polsce podszywanie się pod inne osoby w celu wyłudzenia pieniędzy to oszustwo w rozumieniu Kodeksu karnego, a wykorzystanie sklonowanego głosu nie zmienia jego kwalifikacji — stawia jedynie dodatkowe pytania o współdziałanie i użycie narzędzi. Warto też pamiętać o wymiarze cywilnym: wizerunek i głos podlegają ochronie na gruncie prawa osobistego, co otwiera drogę do roszczeń wobec sprawców. Instytucje finansowe uczą się rozpoznawać ten typ ataku, ale ostateczna linia obrony pozostaje tam, gdzie była zawsze: po stronie człowieka, który ma podjąć decyzję o przelewie.

Głos przestał być dowodem tożsamości. Wiedza o tym jest dziś podstawową kompetencją cyfrową — równie ważną jak umiejętność rozpoznania sfabrykowanego zdjęcia czy sfingowanej wiadomości.

Oznaczenie treści AI

Ten artykuł powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.