மகாராஷ்டிராவில் மோசடி செய்பவர்கள் AI மூலம் உருவாக்கப்பட்ட பேச்சை பயன்படுத்தி, ஒரு வரன் பார்க்கும் குடும்பத்தினர் என்று நம்பிய ஒருவரிடமிருந்து ₹11.8 லட்சத்தை திருடிவிட்டனர். சில வினாடிகள் ஆடியோ மூலம் பாதிக்கப்பட்டவரின் குரல் தொனியை நகலெடுக்கும் 'zero-shot voice-cloning' மாடல் மூலம் இந்த மோசடி நடந்தது.

மோசடி எவ்வாறு நடந்தது

குற்றவாளிகள் முதலில் சமூக ஊடகப் பதிவுகள், வாய்ஸ்மெயில் துண்டுகள் அல்லது மெசேஜிங் செயலிகள் போன்ற பொதுத் தளங்களிலிருந்து இலக்கு நபரின் குரலில் 3-30 வினாடிகளைச் சேகரித்தனர். நவீன speech-synthesis கருவிகள், கூடுதல் பயிற்சித் தரவு (training data) இல்லாமலேயே அந்தச் சிறிய மாதிரியை ஒரு நம்பகமான நகலாக மாற்றுகின்றன; இந்தத் தொழில்நுட்பம் 'zero-shot synthesis' என்று அழைக்கப்படுகிறது. இந்த செயற்கை குரலைப் பயன்படுத்தி, மோசடி செய்பவர்கள் திருமணப் பேச்சுவார்த்தையில் இணைந்து, ஒரு குடும்ப உறுப்பினரைப் போல நடித்து, "திருமணத்தை" உறுதிப்படுத்தப் பணம் அனுப்புமாறு கேட்டனர். நம்பகமான குரலில் இருந்து இந்த வேண்டுகோள் வந்ததாக நம்பியப் பாதிக்கப்பட்டவர் பணத்தை அனுப்பினார், பின்னர் தான் ஏமாற்றப்பட்டதை உணர்ந்தார்.

பாதுகாப்புத் குழுக்களுக்கு இது ஏன் முக்கியமானது

வீடியோ போலிகளை விட ஆடியோ டீப்ஃபேக்ஸ் (Audio deepfakes) பின்தங்கியே இருந்தன, ஆனால் இப்போது நம்பகமான குரல் நகலை உருவாக்குவது மலிவானது மற்றும் வேகமானது. கண்டறிதலைக் கடினமாக்கும் மூன்று தொழில்நுட்பக் காரணிகள் உள்ளன:

  • Phone-line compression (தொலைபேசி வழி அழுத்தம்) தடயவியல் கருவிகள் நம்பியிருக்கும் நுட்பமான ஒலி குறிப்புகளை நீக்கிவிடுகிறது, இதனால் உண்மையான மற்றும் போலி பேச்சுகளுக்கு இடையிலான வேறுபாட்டை மங்கலாக்குகிறது.
  • நிஜ உலக அழைப்புகளில் உள்ள Ambient noise (சுற்றுப்புறச் சத்தம்), ஒரு ஆய்வாளர் கண்டறியக்கூடிய நுணுக்கமான மாற்றங்களை மறைத்துவிடுகிறது.
  • Real-time synthesis மோசடி செய்பவர்கள் உடனடியாகப் பதிலளிக்க அனுமதிக்கிறது, இது பழைய text-to-speech அமைப்புகளில் இருந்த தாமதத்தை நீக்கி, உரையாடலை இயல்பாக மாற்றுகிறது.

ஒரு நிறுவனம் இன்னும் "யாரைப் போலப் பேசுகிறீர்கள்" என்பதை வைத்து பயனர்களை அங்கீகரித்தால், அது இத்தகைய தாக்குதலுக்கு உள்ளாகும் அபாயத்தில் உள்ளது.

இதில் உள்ள ஆபத்து என்ன

தனிநபர்களுக்கு, இழப்பு உடனடியானது மற்றும் தனிப்பட்ட ரீதியானது—₹11.8 லட்சம்.

தடுப்பு நடவடிக்கைகளுக்கான வழிகாட்டி

பாதுகாப்புப் பொறியாளர்கள் வரும் ஒவ்வொரு குரல் அழைப்பையும் (voice stream) நம்பகமற்றதாகக் கருதி, பல அடுக்கு சரிபார்ப்புகளைப் பயன்படுத்துவதன் மூலம் பாதுகாப்பை வலுப்படுத்தலாம்:

  • Multimodal authentication – குரலுடன் காட்சித் தடயங்கள் (facial recognition) மற்றும் சாதனத்தின் அடையாளங்கள் (device fingerprints) போன்ற மெட்டாடேட்டாவையும் இணைக்கவும். ஒரு செயற்கை குரல் மட்டுமே அடையாளச் சரிபார்ப்பிற்குப் போதுமானதாக இருக்கக்கூடாது.
  • Secondary-channel confirmation – அதிக மதிப்புள்ள பணப் பரிமாற்றங்களை அனுமதிப்பதற்கு முன், ஏற்கனவே அங்கீகரிக்கப்பட்ட செயலி, மின்னஞ்சல் அல்லது பாதுகாப்பான மெசேஜிங் தளம் மூலம் உறுதிப்படுத்திக் கொள்ள வேண்டும்.
  • Algorithmic identity proof – மனிதத் தீர்ப்பை மட்டும் நம்பியிருக்காமல், vector-based facial embeddings அல்லது கணித ரீதியான ஒற்றுமை மதிப்புகளைப் (similarity scores) பயன்படுத்தவும். தானியங்கி தூர அளவீடுகள் (distance metrics) ஒரு கேட்பவரால் கவனிக்க முடியாத முரண்பாடுகளைக் கண்டறிய உதவும்.

இந்த நடவடிக்கைகள் சரிபார்ப்பை "குரல் சரியாகத் தெரிகிறது" என்பதிலிருந்து, புறநிலையான மற்றும் குறுக்குச் சரிபார்க்கப்பட்ட ஆதாரங்களுக்கு மாற்றுகின்றன.

அடுத்து கவனிக்க வேண்டியவை

குரலை மட்டுமே அடையாளச் சான்றாக ஏற்கும் எந்தவொரு பணிப்பாய்வையும் (workflow) நிறுவனங்கள் தணிக்கை செய்ய வேண்டும். குரல் நகலெடுக்கும் தாக்குதல்களைப் போன்ற சூழல்களைச் செய்து பார்க்கும் பயிற்சிகளை (tabletop exercises) மேற்கொள்ள வேண்டும், சம்பவத் துலங்கல் வழிகாட்டுதல்களை (incident-response playbooks) புதுப்பிக்க வேண்டும், மேலும் ஒலிக் குறிப்புகளில் உள்ள முரண்பாடுகளைக் கண்டறியும் கருவிகளில் முதலீடு செய்ய வேண்டும்—இத்தகைய கருவிகள் ஒரு பகுதி பாதுகாப்பை மட்டுமே வழங்கும் என்பதை நினைவில் கொள்ள வேண்டும்.

சுருக்கம்

மகாராஷ்டிரா வழக்கு, AI மூலம் குரலை நகலெடுப்பது இனி வெறும் கோட்பாடு மட்டுமல்ல; அது சில நிமிடங்களில் அப்பாவி மக்களிடமிருந்து உண்மையான பணத்தைப் பறிக்க முடியும் என்பதை நிரூபிக்கிறது. கூடுதல் ஆதாரங்கள் இன்றி குரலை மட்டும் நம்பியிருக்கும் பாதுகாப்புத் குழுக்கள், இதே போன்ற இழப்பை பெரிய அளவில் சந்திக்க நேரிடும். இதற்கான தீர்வு தெளிவானது: பல மற்றும் சுதந்திரமான சரிபார்ப்பு காரணிகளைப் புகுத்துங்கள் மற்றும் ஒரு அழைப்பு உண்மையானது என்று நிரூபிக்கப்படும் வரை, அதைச் செயற்கையானது என்று கருதிச் செயல்படுங்கள்.