A deepfake több mint arccsere egy videóban[1][4]
Csalók számára egy teljes szintetikus eszköztár értékes: generált profilképek, hamis személyi okmányok, hangklónozás, élő videó, automatikus fordítás és célzott üzenetek.
Az FBI/IC3 szerint a generatív AI növeli a meglévő pénzügyi csalások méretét és hitelességét. Profilok, weboldalak, dokumentumok és videók gyorsabban készülnek, miközben eltűnhetnek a korábbi nyelvi hibák.
A fő változás tehát nem új bűncselekmény, hanem az ismert csalások alacsonyabb költsége és nagyobb skálája.
A tipikus támadási lánc
A támadó először adatot gyűjt: közösségi képeket, hangmintát, munkakört, családi kapcsolatokat, beszállítókat és vállalati folyamatokat. Ezután szintetikus personát vagy valódi személy másolatát építi fel.
A következő lépés a kontextus. A klónozott vezetői hang csak akkor hiteles, ha a történet illik a cég működéséhez. Ezután jön a sürgős utalás, új bankszámla, hitelesítési kód, rendszerhozzáférés vagy bizalmas dokumentum kérése.
Különösen veszélyes, amikor a deepfake nem az első kapcsolat, hanem az utolsó „megerősítés”, amely lezárja az áldozat ellenőrzési folyamatát.
FBI-adatok: az AI már valós veszteségi kategóriákban jelen van[2]
A 2025-ös IC3 jelentés kifejezetten AI-kapcsolatú panaszokat is kiemel. AI-nexus foglalkoztatási csalásoknál közel 13 millió USD, AI-nexus befektetési panaszoknál több mint 632 millió USD veszteséget jelentettek.
Ezek nem az összes AI-csalás számai: sok áldozat nem tudja, használtak-e AI-t. Inkább a látható, címkézett réteget mutatják.
A jelentés hanghamisítást vagy potenciális voice deepfake-et említ távoli állásinterjúkban, valamint generált híresség- és CEO-videókat befektetési csalásokban.
Az AI legnagyobb hatása a már nyereséges csalások hitelességének és kapacitásának növelése.
Hangklónozás: a fül nem hitelesítési eszköz[3]
Az ismerős hangot az ember erős személyazonossági jelnek tekinti. Az FTC olyan csalásokat ír le, ahol szintetikus beszéd családtagot vagy vezetőt utánoz pénz vagy információ megszerzéséhez.
Az FTC szerint nincs egyetlen technikai csodaszer: watermark eltávolítható, detekció nem tökéletes, ezért a kommunikációs és üzleti folyamatokba független hitelesítést kell építeni.
A „valódinak hangzik” helyett a legerősebb kontroll az, ha az ember megszakítja a kapcsolatot és egy korábban ismert csatornán visszaellenőriz.
Kép és videó: gyakran a bizalom felépítésére szolgál[1][5]
Az FBI generált profilképeket, azonosító dokumentumokat és közszereplőket vagy vezetőket utánzó videókat említ. Egy videóhívás célja sokszor az, hogy bizonyítsa: az online kapcsolat valódi ember.
Az INTERPOL 2026-os értékelése deepfake-as-a-service és szintetikus identitáscsomagokat is leír videóavatárokkal, hangklónokkal és biometrikus adatokkal. A csalás technológiája szolgáltatássá válik.
A fájl hitelességét ezért provenance, metaadat, szintetikus jelek és kontextus alapján kell vizsgálni, miközben a detektor nem helyettesíti a személyazonosság független ellenőrzését.
Vállalati kontrollok: ne deepfake alapján engedélyezz utalást[1][3]
A biztonságos folyamat abból indul ki, hogy e-mail, hívószám, hang, profilkép és videó is hamisítható.
- Beszállítói bankszámla-változást korábban ismert csatornán ellenőrizz.
- Nagyobb utalásnál legyen második jóváhagyó vagy független második faktor.
- Használj call-back eljárást és a vállalati címtárban lévő számot hívd.
- A videóhívást ne kezeld önmagában erős hitelesítésként.
- Őrizd meg a gyanús fájlokat és levélfejléceket.
- Képezd a munkatársakat a sürgetésre, titoktartásra és a folyamatok megkerülésének kérésére.
Magánszemélyek: családi vészhelyzet és befektetési csalás[1][2]
Az FBI családi jelszó vagy titkos kifejezés használatát és független visszahívást javasol. Ez sok olyan támadással szemben ellenálló, ahol a támadónak van hangmintája, de nincs megosztott titka.
Befektetési csalásnál az egész környezet lehet szintetikus: szakértő, videó, kommentek, chatbot és hamis egyenleg. A céget, engedélyt, domaint és pénz útját kell ellenőrizni, nem csak a reklámban szereplő személyt.
A deepfake-detektor döntéstámogatás, nem bináris kapu[3][4]
A magas kockázat indíthat manuális felülvizsgálatot, eredeti fájl bekérését, provenance-ellenőrzést vagy más identitáskontrollt. Ez erősebb modell, mint egyetlen detektor automatikus döntése.
A legrosszabb reakció az lenne, hogy „mostantól semminek sem lehet hinni”. Jobb elv a trust by verification: kevesebb bizalom egyetlen jelben, több egy ismételhető és dokumentálható folyamatban.