چندین اپ دوستیابی با ظاهری عادی، کاربران را با پروفایلهای ساختگی و گفتگوهای مدیریتشده به سمت پرداختهای درونبرنامهای هدایت میکنند. پشت پرده این اپها شبکهای از مدلهای زبانی، پاسخهای ازپیشتولیدشده و «نیروی انسانی قراردادی» قرار دارد که جعل هویت و کسب درآمد میکند.
چطور این کلاهبرداریها کار میکنند؟
روند کار ساده اما هوشمندانه است: کاربران (اغلب مردان ۳۰ تا ۴۰ سال) در اپ با پروفایلهایی که بهنظر واقعی میآیند همپوشانی میکنند. تنها یک چهارم این پروفایلها متعلق به افراد واقعی هستند؛ بقیه شخصیتهای ساختگیاند که به کمک مدلهای زبانی پاسخ میدهند یا از ترکیب پاسخهای آماده و دخالت نیروی انسانی استفاده میشود.
مراحل عملیاتی
- ساخت پروفایلهای جذاب: تصاویر و بیوگرافیهایی تولید یا ویرایش شده تا اعتماد جلب شود.
- گفتگوهای خودکار: مدلهای زبانی نقش پرسوناهای زن را بازی میکنند و گفتگوها را ۲۴/۷ ادامه میدهند.
- نیروی انسانی قراردادی: افرادی برای انجام «چک لایونس» و تماسهای کوتاه استخدام میشوند تا پروفایلها هم گاهی رفتار انسانی نشان دهند.
- آغاز کسب درآمد: اپ از کاربران «سکه» یا «جم» میخواهد تا گفتگو یا تماس را ادامه دهند؛ این توکنها پولی هستند.
- پنهانکاری و بازیابی: در صورت شناسایی و حذف حسابها، اپراتورها حساب جدید میسازند یا زیرساخت را تغییر میدهند.
نمونهها و شواهد فنی
پژوهشگران امنیتی موفق شدند بستههای نصبی (APK) برخی اپها را استخراج و کدهای مشترک بین چندین اپ را کشف کنند. ردپای یک مخزن پروتکل داخلی که مستندات و راهنمای کارکنان را شامل بود، نشان داد چطور کارکنان قراردادی برای گرفتن دنبالکننده در شبکههای اجتماعی یا ثبت ویدئوهای ازپیشضبطشده بهکار گرفته میشدند. در برخی موارد، فایلهای پیکربندی و توضیحات به زبان چینی بود و زیرساختهایی با وابستگی به سرویسهای ابر چینی مشاهده شد.
شاخصهای هشدار دهنده برای کاربر
- پاسخهای بسیار سریع و شبیه به هم، طوری که به محتوای شما عمق نمیدهند.
- تماسهای ویدئویی نامنظم یا قطعشونده که جایگزین ویدئوی واقعی، کلیپ یا نماهای تکراری نشان میدهند.
- ترغیب مکرر به خرید سکه یا پرداخت برای ادامه گفتگو.
- عدم امکان تبادل اطلاعات خارج از اپ یا اجتناب از تماس زنده بدون عذر موجه.
چرا این نوع کلاهبرداری جدید و خطرناک است؟
در گذشته طعمهگذاری رومنس غالباً شامل درخواست پول یا سرمایهگذاری از قربانی میشد. اما در این شکل جدید، هدف اصلی خودِ اپ است: پول از طریق پرداختهای درونبرنامهای به دست میآید و کاربران بدون آگاهی مشغول گفتگوی با ماشیناند. ترکیب هوش مصنوعی، اجزای انسانی برای پوشش و زیرساخت مقیاسپذیر باعث شده این شبکهها شبیه شرکتهای واقعی عمل کنند—با تیم مهندسی، مستندات، و ابزارهای رشد و مانیتورینگ.
چه اقداماتی میتواند کمک کند؟
- برای کاربران: از پرداخت درونبرنامهای برای گفتگو خودداری کنید، بررسی نقدها و امتیازات اپ را جدی بگیرید و علائم هشدار را بشناسید.
- برای اپاستورها و پرداختیارها: بازبینی نظرات کاربران، تحلیل رفتار تراکنشها و بستن مسیرهای پرداخت غیرنیتیو میتواند مؤثر باشد.
- برای توسعهدهندگان امنیتی و شرکتهای AI: اشتراکگذاری اطلاعات تهدید و ایجاد امضاءهای تشخیصی برای تشخیص سوءاستفاده از APIها ضروری است.
نقش جامعه و همکاران صنعتی
تجارب اخیر نشان میدهد که شناسایی و جمعآوری شواهد توسط پژوهشگران مستقل و نهادهای خصوصی باید با واکنش سریع اپاستورها و پلتفرمهای پرداخت همراه شود. بدون همکاری میان فروشگاههای اپ، ارائهدهندگان سرویس ابری، شرکتهای پرداخت و آزمایشگاههای هوشمصنوعی، این شبکهها بهسرعت دوباره ظاهر خواهند شد.
جمعبندی کوتاه
کلاهبرداریهای مبتنی بر هوشمصنوعی در اپلیکیشنهای دوستیابی یک تهدید جدید و پیچیدهاند که بهسادگی با روشهای سنتی مقابله قابلحل نیستند. هوشیاری کاربران، بازنگری روندهای بازبینی اپها و همکاری میان بازیگران صنعت، تنها راه کاهش آسیب است.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.