تصویر مرتبط با خبر: AI robocalls: Why caller ID is still lying to you
خلاصه سریع
اصل خبر در چند خط
تماسهای رباتی با استفاده از هوش مصنوعی (AI) پیچیدهتر و مقیاسپذیرتر شدهاند.
تحقیق TNS نشان میدهد که 85 درصد از ترافیک صوتی بین شبکههای Tier 1 در سال 2025 با استاندارد STIR/SHAKEN امضا شده است، اما ارائهدهندگان کوچکتر تنها در 20 درصد موارد از این امضاها استفاده میکنند.
کلاهبرداران با استفاده از کلون کردن صدا و جعل تماس، حملات خود را با اطلاعات شخصی جمعآوری شده از نشت دادهها تقویت میکنند.
حجم بالای تماسهای رباتی به دلیل هزینه پایین ارسال آنها است.
مصرفکنندگان آمریکایی در سال 2025 حدود 55 میلیارد تماس رباتی دریافت کردهاند که پیشبینی میشود در سال 2026 به 60 میلیارد برسد.
متن خبر
شرح خبر
اگر احساس میکنید تلفن شما به بلندگوی کلاهبرداری تبدیل شده است، تنها نیستید.
تماسهای رباتی سالها است که مشکلساز هستند و هوش مصنوعی (AI) آنها را ظریفتر، سریعتر و سختتر برای تشخیص کرده است.
تحقیق جدیدی از Transaction Network Services (TNS) نشان میدهد که در حالی که بازیگران بزرگ مخابراتی احراز هویت caller ID را با استانداردهای STIR/SHAKEN تقویت کردهاند، بسیاری از ارائهدهندگان کوچکتر هنوز عقب هستند.
این امر فضای زیادی برای مجرمان باقی میگذارد تا تماسهای رباتی جعلی با صدای AI را ادامه دهند که تا لحظه خالی کردن حساب بانکی شما، معتبر به نظر میرسند.
برآوردها حاکی از آن است که مصرفکنندگان آمریکایی در سال 2025 حدود 55 میلیارد تماس رباتی دریافت کردهاند و این رقم در سال 2026 به 60 میلیارد خواهد رسید.
تماسهای رباتی با استفاده از هوش مصنوعی (AI) پیچیدهتر و مقیاسپذیرتر شدهاند.
تحقیق TNS نشان میدهد که 85 درصد از ترافیک صوتی بین شبکههای Tier 1 در سال 2025 با استاندارد STIR/SHAKEN امضا شده است، اما ارائهدهندگان کوچکتر تنها در 20 درصد موارد از این امضاها استفاده میکنند.
کلاهبرداران با استفاده از کلون کردن صدا و جعل تماس، حملات خود را با اطلاعات شخصی جمعآوری شده از نشت دادهها تقویت میکنند.
حجم بالای تماسهای رباتی به دلیل هزینه پایین ارسال آنها است.
مصرفکنندگان آمریکایی در سال 2025 حدود 55 میلیارد تماس رباتی دریافت کردهاند که پیشبینی میشود در سال 2026 به 60 میلیارد برسد.
پیادهسازی ناهموار استانداردهای STIR/SHAKEN توسط ارائهدهندگان کوچکتر، حفرههای امنیتی بزرگی ایجاد کرده است که کلاهبرداران از آن سوءاستفاده میکنند.
هوش مصنوعی توانایی کلون کردن صدا و شخصیسازی حملات را به کلاهبرداران داده است، که باعث افزایش قابل توجه اثربخشی تماسهای رباتی میشود.
این موضوع نه تنها امنیت مالی کاربران را تهدید میکند، بلکه اعتماد عمومی به سیستمهای ارتباطی را نیز تضعیف میکند.
شرکتهای مخابراتی بزرگ با سرمایهگذاری در استانداردهای امنیتی مانند STIR/SHAKEN، مزیت رقابتی کسب میکنند، اما ارائهدهندگان کوچکتر ممکن است به دلیل هزینهها یا پیچیدگیهای فنی عقب بمانند.
کسبوکارهایی که به تماسهای تلفنی متکی هستند، مانند بانکها و خدمات مشتری، ممکن است با کاهش اعتماد مشتریان مواجه شوند.
همچنین، صنعت امنیت سایبری فرصتهای جدیدی برای ارائه راهکارهای ضد کلاهبرداری خواهد یافت.
در ایران، که زیرساختهای مخابراتی ممکن است به روز نباشند، این نوع حملات میتواند به سرعت گسترش یابد.
کاربران ایرانی که به تماسهای بینالمللی وابسته هستند، ممکن است بیشتر در معرض کلاهبرداریهای مبتنی بر AI قرار گیرند.
همچنین، عدم وجود قوانین سختگیرانه در مورد احراز هویت تماسگیرنده، فضای مناسبی برای سوءاستفاده کلاهبرداران فراهم میکند.
قانون TRACED در US تلاش میکند تا کلاهبرداریهای تماس رباتی را کاهش دهد، اما پیادهسازی ناقص آن توسط برخی ارائهدهندگان، اثربخشی آن را کاهش داده است.
استانداردهای STIR/SHAKEN، اگر به طور کامل اجرا شوند، میتوانند سطح اعتماد به caller ID را به طور قابل توجهی افزایش دهند.
با این حال، مهلتهای داده شده توسط FCC به برخی ارائهدهندگان، باعث ایجاد حفرههای قانونی و فنی شده است.
این مسئله بیشتر در کشورهایی مانند US مطرح است، اما تأثیرات جهانی دارد.
کشورهایی با زیرساختهای مخابراتی ضعیفتر، مانند برخی کشورهای در حال توسعه، ممکن است بیشتر در معرض این حملات قرار گیرند.
همکاریهای بینالمللی برای مقابله با کلاهبرداریهای فرامرزی ضروری است.
Malwarebytes Labs به عنوان یک منبع معتبر در زمینه امنیت سایبری، این خبر را با تمرکز بر تأثیرات فنی و امنیتی تماسهای رباتی AI بررسی میکند.
هوش مصنوعی تماسهای رباتی را پیچیدهتر کرده است.
تحقیق TNS نشان میدهد که استانداردهای امنیتی در شبکههای بزرگ موثر هستند، اما ارائهدهندگان کوچکتر هنوز حفرههایی دارند که کلاهبرداران از آن سوءاستفاده میکنند.
این صفحه خلاصه و تحلیل فارسی خبر را نمایش میدهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.
تحلیل تحریریه
ابعاد مهم خبر
چرا مهم است؟
پیادهسازی ناهموار استانداردهای STIR/SHAKEN توسط ارائهدهندگان کوچکتر، حفرههای امنیتی بزرگی ایجاد کرده است که کلاهبرداران از آن سوءاستفاده میکنند.
هوش مصنوعی توانایی کلون کردن صدا و شخصیسازی حملات را به کلاهبرداران داده است، که باعث افزایش قابل توجه اثربخشی تماسهای رباتی میشود.
این موضوع نه تنها امنیت مالی کاربران را تهدید میکند، بلکه اعتماد عمومی به سیستمهای ارتباطی را نیز تضعیف میکند.
اثر کسبوکاری
شرکتهای مخابراتی بزرگ با سرمایهگذاری در استانداردهای امنیتی مانند STIR/SHAKEN، مزیت رقابتی کسب میکنند، اما ارائهدهندگان کوچکتر ممکن است به دلیل هزینهها یا پیچیدگیهای فنی عقب بمانند.
کسبوکارهایی که به تماسهای تلفنی متکی هستند، مانند بانکها و خدمات مشتری، ممکن است با کاهش اعتماد مشتریان مواجه شوند.
همچنین، صنعت امنیت سایبری فرصتهای جدیدی برای ارائه راهکارهای ضد کلاهبرداری خواهد یافت.
اثر احتمالی برای ایران
در ایران، که زیرساختهای مخابراتی ممکن است به روز نباشند، این نوع حملات میتواند به سرعت گسترش یابد.
کاربران ایرانی که به تماسهای بینالمللی وابسته هستند، ممکن است بیشتر در معرض کلاهبرداریهای مبتنی بر AI قرار گیرند.
همچنین، عدم وجود قوانین سختگیرانه در مورد احراز هویت تماسگیرنده، فضای مناسبی برای سوءاستفاده کلاهبرداران فراهم میکند.
ارتباط با LegalTech
قانون TRACED در US تلاش میکند تا کلاهبرداریهای تماس رباتی را کاهش دهد، اما پیادهسازی ناقص آن توسط برخی ارائهدهندگان، اثربخشی آن را کاهش داده است.
استانداردهای STIR/SHAKEN، اگر به طور کامل اجرا شوند، میتوانند سطح اعتماد به caller ID را به طور قابل توجهی افزایش دهند.
با این حال، مهلتهای داده شده توسط FCC به برخی ارائهدهندگان، باعث ایجاد حفرههای قانونی و فنی شده است.
زاویه رسانه/کشور منبع
Malwarebytes Labs به عنوان یک منبع معتبر در زمینه امنیت سایبری، این خبر را با تمرکز بر تأثیرات فنی و امنیتی تماسهای رباتی AI بررسی میکند.
