Deepfake na usługach oszustów. AI przyspiesza naciągactwa, finanse próbują nadążyć

AI nie wymyśliła oszustw, ale dała im turbodoładowanie.

Narzędzia generatywne zredukowały koszt i czas pracy przestępców, dzięki czemu te same schematy – phishing, fałszywe inwestycje, podszywanie się pod instytucje – działają szerzej, szybciej i z większą skutecznością. Zamiast pojedynczych, ręcznie sklejanych kampanii, widzimy fabryki treści i głosów, które działają niemal non stop.

AI zmienia warsztat przestępców

Jeszcze niedawno przygotowanie przekonującej komunikacji wymagało znajomości języka i cierpliwości. Dziś modele językowe produkują setki wersji wiadomości w kilka minut, w dowolnym stylu i języku. Każdą można dopasować do odbiorcy na podstawie publicznych profili czy wpisów w mediach społecznościowych, co zwiększa skuteczność manipulacji.

Do tego dochodzą syntetyczne głosy i wideo. Klonowanie mowy i twarzy jest na tyle wiarygodne, że podważa proste procedury uwierzytelniania oparte na rozmowie telefonicznej. Jeśli osoba po drugiej stronie brzmi jak doradca z banku albo jak przełożony, naturalnym odruchem jest zaufanie. To właśnie ten odruch staje się dziś narzędziem ataku.

Nowy łańcuch oszustwa: od rozpoznania do wypłaty

Rozpoczyna się od rozpoznania celu. Boty przeczesują publiczne źródła danych i w kilka chwil budują obraz ofiary: stanowisko, zainteresowania, kontakty, niedawne aktywności. Te informacje służą do personalizacji komunikatu.

Następnie generowane są treści – e‑maile, SMS‑y, scenariusze rozmów, opisy stron lądowania. Modele potrafią składać wiarygodne, spójne komunikaty, które od strony językowej trudno odróżnić od korespondencji bankowej czy urzędowej.

Trzeci element to media. Syntetyczny głos pozwala zadzwonić do klienta jako konsultant lub do pracownika jako rzekomy przełożony. Krótkie wideo z twarzą niby‑CEO czy celebryty wzmacnia przekaz, który ma skłonić do wpłaty lub instalacji oprogramowania.

Później wchodzi automatyzacja: setki wariantów kampanii idą w świat, strony phishingowe powstają w dziesiątkach inkarnacji, a skrypty na bieżąco mierzą skuteczność i podmieniają to, co nie działa. Gdy pojawiają się pieniądze, środki rozpraszane są po wielu kontach i usługach płatniczych, tak by utrudnić odzyskanie.

Ten łańcuch jest dziś w dużej mierze zautomatyzowany. AI wspiera każdy etap, co radykalnie obniża próg wejścia – od pojedynczego operatora po zorganizowane grupy.

Głos i obraz podważają zaufanie

Najmocniejszy efekt przynoszą rozmowy i nagrania, które wyglądają na autentyczne. Telefon z informacją o rzekomym zagrożeniu konta, podszycie się pod dział bezpieczeństwa czy prośba o pilny przelew od znanej osoby – to scenariusze, którym trudno się oprzeć, gdy słychać znajomy głos.

W Polsce zespoły monitorujące, w tym CSIRT KNF, raportują wysyp domen podszywających się pod instytucje finansowe, a w kampaniach coraz częściej pojawiają się elementy wygenerowane przez AI. W praktyce oznacza to, że proste weryfikacje głosowe lub telefoniczne potwierdzenia przestają być wystarczającą barierą.

Skuteczność rośnie dzięki skali, niekoniecznie dzięki sprytowi

Czy AI czyni oszustów lepszymi od ludzi? Częściowo. Maszyny zapewniają efektywność i seryjność: więcej prób, lepsze targetowanie, wyższa konwersja. Najwięcej zyskują grupy, które potrafią tę skalę utrzymać infrastrukturą i procedurami. Maleją też wymagania kompetencyjne – pojedyncza osoba z dostępnymi narzędziami może dziś prowadzić kampanie, które kiedyś wymagały zespołu.

Paradoks polega na tym, że ta sama automatyzacja zostawia ślady. Powtarzalne wzorce językowe, podobne łańcuchy infrastruktury, recykling komponentów – to wszystko bywa wykrywalne. Problem w tym, że narzędzia detekcji rozwijają się wolniej niż kreatywność atakujących, a wdrożenia w dużych instytucjach ograniczają regulacje, zgodność i długie cykle certyfikacji.

Finanse kontratakują, ale system ma tarcie

Banki inwestują w analitykę zachowań, modele wykrywające anomalie w płatnościach i systemy oceny ryzyka oparte na uczeniu maszynowym. Celem jest wyłapywanie nienaturalnych wzorców – niepasujących godzin, urządzeń, lokalizacji czy sposobów korzystania z konta – zanim stanie się szkoda.

Regulatorzy i wyspecjalizowane zespoły, w tym CSIRT KNF, monitorują i zgłaszają tysiące złośliwych domen. Mimo to przewaga po stronie przestępców często wynika z ich zwinności: mogą szybko testować i wdrażać nowe taktyki, podczas gdy instytucje działają w rygorze zgodności i ograniczeń prawnych. Do tego dochodzą ryzyka operacyjne – wyższa czułość modeli to więcej fałszywych alarmów, które frustrują klientów i obciążają zespoły.

Głośny przykład: fałszywe twarze w fałszywych inwestycjach

Niedawno opisywane śledztwa zagraniczne pokazały, jak łatwo deepfake potrafi skomercjalizować złudzenie autorytetu. Kampanie z syntetycznymi wystąpieniami rozpoznawalnych osób – w tym znanej modelki – zachęcały do inwestycji, które okazały się pułapką. Ofiary, ufając wizerunkowi, traciły środki.

To nie tylko problem technologii, ale także psychologii. Jeśli reklama gra na strachu przed utratą okazji, a film wygląda wiarygodnie, zdrowy sceptycyzm gaśnie. Najbardziej podatne są osoby starsze, mniej obeznane cyfrowo, ale też te, które szukają szybkich, jednoźródłowych odpowiedzi na pytania o pieniądze.

Co może zrobić użytkownik

Po pierwsze, nie ufać temu, co słychać lub widzi się w pierwszym kontakcie. Głos nie jest dowodem tożsamości. Zawsze warto przerwać rozmowę i oddzwonić na numer z oficjalnej strony banku albo potwierdzić dyspozycję innym kanałem.

Po drugie, oddzielać komunikację od działania. Nie klikać linków z wiadomości, tylko samodzielnie wejść na stronę lub aplikację instytucji. Weryfikować adresy domen i certyfikaty, zwracać uwagę na drobne różnice w nazwach.

Po trzecie, traktować pośpiech i presję jako sygnał ostrzegawczy. Prośby o zdalny dostęp, instalację oprogramowania, pilne przelewy czy przekazanie kodów autoryzacyjnych powinny automatycznie uruchamiać tryb wątpliwości.

Technologia kontra technologia, ale świadomość decyduje

Wyścig po obu stronach będzie trwał: przestępcy będą szerzej wykorzystywać generatywne modele, a sektor finansowy będzie podnosił czułość systemów i szkolił personel. Kluczowe jest jednak połączenie narzędzi obronnych z edukacją. Nawet najlepszy algorytm nie zastąpi zdrowego nawyku sprawdzania informacji w drugim, zaufanym kanale.