متن، نه صدا، عامل موفقیت فیشینگ صوتی با هوش مصنوعی است

شرح خبر

محققان مدرسه کندی هاروارد، متا و سایر مؤسسات با شبیه‌سازی تماس‌های فیشینگ صوتی برای ۴۱۰۰ بزرگسال آمریکایی، به این نتیجه رسیدند که عامل اصلی موفقیت این نوع کلاهبرداری‌ها، متن مکالمه است، نه شباهت صدا به انسان. در این مطالعه، شش سیستم صوتی تجاری و تماس‌گیرندگان انسانی به عنوان گروه کنترل استفاده شدند. نتایج نشان داد که ۷۰.۳ درصد از افراد قادر به تشخیص صداهای مصنوعی بودند، اما در مقابل، دو سوم تماس‌گیرندگان انسانی را به اشتباه به عنوان ربات شناسایی کردند. این موضوع نشان می‌دهد که آشنایی با هوش مصنوعی تأثیری در افزایش دقت تشخیص نداشته است. محققان چهار ویژگی احساسات، قدرت متقاعدسازی، قابل اعتماد بودن و شباهت به انسان را در تماس‌گیرندگان اندازه‌گیری کردند و دریافتند که تنها قدرت متقاعدسازی تأثیر قابل توجهی بر پذیرش درخواست توسط افراد دارد؛ به طوری که هر واحد افزایش در این مقیاس، احتمال پذیرش را ۲.۵۸ برابر می‌کند. این یافته‌ها حاکی از آن است که حتی صداهای مصنوعی شناسایی‌شده نیز می‌توانند افراد را متقاعد کنند، زیرا متن مکالمه نقش اصلی را ایفا می‌کند. علاوه بر این، شرکت‌کنندگان در مصاحبه‌های کیفی نیز تأکید کردند که علی‌رغم تشخیص مصنوعی بودن صدا، به دلیل جذابیت متن، به مکالمه ادامه داده‌اند. این مطالعه همچنین نشان داد که حدود ۱۶.۵ درصد از افراد در پنج سناریوی کلاهبرداری مختلف، درخواست را می‌پذیرند، اما تنها ۶.۵ درصد واقعاً پاسخ مثبت داده‌اند و بقیه در تردید باقی مانده‌اند. این تردیدها به مهاجمان فرصت دوم برای تلاش می‌دهد. مطالعه‌ای مشترک توسط محققان مدرسه کندی هاروارد و متا نشان داد که عامل اصلی موفقیت فیشینگ صوتی با هوش مصنوعی، متن مکالمه است، نه شباهت صدا به انسان. در این تحقیق، ۴۱۰۰ بزرگسال آمریکایی با تماس‌های شبیه‌سازی‌شده مواجه شدند و نتایج حاکی از آن بود که قدرت متقاعدسازی متن، بیشترین تأثیر را بر پذیرش درخواست‌ها دارد. حتی صداهای مصنوعی شناسایی‌شده نیز قادر به متقاعد کردن افراد بودند. این مطالعه همچنین نشان داد که آشنایی با هوش مصنوعی تأثیری در افزایش دقت تشخیص ندارد و تماس‌های قانونی با چالش بیشتری برای تأیید مواجه هستند. این تحقیق اهمیت متن و قدرت متقاعدسازی را در حملات فیشینگ صوتی برجسته می‌کند و نشان می‌دهد که تمرکز بر تشخیص دیپ‌فیک‌های صوتی ممکن است کافی نباشد. همچنین، این یافته‌ها حاکی از آن است که تماس‌های قانونی سازمان‌ها با چالش‌های بیشتری برای جلب اعتماد مخاطبان مواجه خواهند شد. در نهایت، این مطالعه می‌تواند به بازنگری در استراتژی‌های امنیتی و آموزشی سازمان‌ها منجر شود تا از تأثیر متن‌های متقاعدکننده در حملات فیشینگ کاسته شود. سازمان‌ها باید هزینه‌های عملیاتی بیشتری را برای تأیید تماس‌های خروجی قانونی اختصاص دهند، زیرا مخاطبان به دلیل افزایش سوءظن نسبت به تماس‌های ناشناس، تمایل بیشتری به رد تماس‌ها دارند. همچنین، تیم‌های مقابله با کلاهبرداری باید روی آموزش کارکنان و مشتریان برای تشخیص متن‌های متقاعدکننده تمرکز کنند تا از پذیرش درخواست‌های فیشینگ جلوگیری شود. در ایران نیز با افزایش استفاده از هوش مصنوعی در حملات سایبری، سازمان‌ها و کاربران باید به اهمیت متن و قدرت متقاعدسازی در فیشینگ صوتی توجه ویژه‌ای داشته باشند. این مطالعه می‌تواند به بهبود آگاهی عمومی و تقویت زیرساخت‌های امنیتی در برابر حملات فیشینگ کمک کند. یافته‌های این تحقیق می‌تواند بر قوانین و مقررات مرتبط با امنیت سایبری تأثیر بگذارد و نیاز به تدوین استانداردهای جدید برای مقابله با فیشینگ صوتی را برجسته کند. همچنین، توسعه‌دهندگان ابزارهای تشخیص دیپ‌فیک باید به بهبود قابلیت‌های شناسایی متن‌های متقاعدکننده بپردازند. این تحقیق نشان می‌دهد که حملات فیشینگ صوتی با هوش مصنوعی می‌تواند مرزهای جغرافیایی را درنوردد و تهدیدی جهانی برای سازمان‌ها و کاربران باشد. این موضوع می‌تواند به افزایش همکاری‌های بین‌المللی برای مقابله با جرایم سایبری منجر شود. امنیت سایبری و تحلیل تهدیدات نوظهور با تمرکز بر فیشینگ صوتی و نقش هوش مصنوعی تحقیق جدید نشان می‌دهد که قدرت متقاعدسازی متن، نه شباهت صدا به انسان، عامل اصلی موفقیت فیشینگ صوتی با هوش مصنوعی است.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.