Совет Федерации РФ предупредил о новой схеме мошенничества с комбинированием дипфейк-голоса и подмены номера

Обучающая выборка собирается из открытых видеозаписей и голосовых сообщений в мессенджерах. Для индустрии это индикатор: бытовые датасеты из соцсетей уже достаточны для работы zero-shot TTS-пайплайнов с сохранением тембра, манеры и просодики.

Архитектура атаки

Сбор данных. Источник — открытые видеозаписи и голосовые сообщения в мессенджерах. Аудиосообщения и короткие видео в соцсетях формируют готовую выборку без участия жертвы. Качество итогового клона определяется чистотой исходного аудио и отсутствием перекрытий с фоновой музыкой.

Клонирование. Применяется zero-shot пайплайн: модель без файнтюнинга синтезирует целевую фразу с сохранением идентичности говорящего. Веса большинства современных открытых моделей публично доступны, инференс запускается на потребительском GPU. Никакой длительной подготовки датасета не требуется.

Доставка. Звонок с подменой CallerID. Жертва видит знакомый контакт в журнале вызовов, слышит знакомый голос. Комбинация двух независимых подмен — номера и аудио — резко снижает порог подозрительности у абонента и убирает привычные триггеры осторожности.

Что проверять на практике

Кодовое слово. Фиксируется офлайн между членами семьи. Не публикуется ни в одном открытом канале, не используется в переписке. Запрос кодового слова — первый и самый дешевый фильтр.

Обратный дозвон. При любом сомнении — положить трубку и перезвонить по номеру из собственной записной книжки. Подмена CallerID не работает на входящие вызовы инициатора.

Контрольный вопрос. Запросить деталь, известную только адресату и не публикуемую в соцсетях: маршрут последней совместной поездки, имя питомца, точную дату внутрисемейного события. Синтезированный голос не восстановит таких деталей.

Стоп-факторы под давлением. Срочный перевод средств, передача кода из СМС, установка приложения по инструкции звонящего — отказ вне зависимости от тембра на линии. Голосовой канал не должен быть каналом авторизации финансовых действий.

Что отслеживать индустрии

Удешевление инференса и доступность zero-shot моделей делают схему масштабируемой. Ключевой технический вопрос для ниши — появление открытых детекторов синтетической речи, работающих в реальном времени на стороне оператора связи или в клиентском приложении. Пока таких массовых решений на рынке не представлено, противодействие остается на стороне абонента.