کلاهبرداری‌های دیجیتال هر روز پیشرفته‌تر می‌شوند، اما راه‌حل‌های جدید هم در برابرشان قد علم کرده‌اند: ربات‌های مکالمه و سیستم‌های مبتنی بر هوش مصنوعی که هدفشان حواس‌پرت‌کردن و متوقف‌سازی کلاهبرداران است. در این مقاله با نمونه‌هایی از این تاکتیک‌ها، عملکردشان و چشم‌انداز آیندهٔ مقابله با جرم سایبری آشنا می‌شویم.
ربات‌هایی که وقت کلاهبرداران را می‌گیرند
یک شرکت استرالیایی به‌نام Apate سال‌ها روی سیستمی کار کرده که تماس‌ها و پیام‌های کلاهبرداران را به ربات‌های مجهز به هوش مصنوعی هدایت می‌کند. این ربات‌ها تلاش می‌کنند مکالمه را تا جای ممکن ادامه دهند، بدون اینکه هرگز طعمهٔ ترفندها شوند. هدف ساده است: هر دقیقه‌ای که یک کلاهبردار سر یک ربات وقت می‌گذارد، به معنای جلوگیری از تماس با صدها یا هزاران قربانی بالقوه است.
چطور کار می‌کنند؟
- شخصیت‌پردازی متنوع: ربات‌ها با پروفایل‌ها و لحن‌های متفاوت ساخته می‌شوند تا طبیعی جلوه کنند و شناسایی‌شدن را سخت‌تر کنند.
- تعامل چندکاناله: آن‌ها هم تماس تلفنی را پاسخ می‌دهند و هم در گروه‌های پیام‌رسان و متن‌ها وارد می‌شوند تا اطلاعات جمع‌آوری کنند.
- جمع‌آوری اطلاعات عملیاتی: از URLهای فیشینگ و حساب‌های «پول‌شویی» تا شماره‌حساب‌ها؛ داده‌هایی که می‌تواند به بانک‌ها و نهادهای اجرایی کمک کند.
آیا ربات‌ها متقاعدکننده‌اند؟
تجربهٔ آزمایشی با نسخهٔ نمایشی Apate نشان داد که ربات‌ها می‌توانند به‌طرز قانع‌کننده‌ای طبیعی رفتار کنند: مکالمات طولانی، لحظه‌های تردید و واکنش‌های انسانی که کلاهبردار را به ادامهٔ تلاش وامی‌دارد. هدف این نیست که همهٔ کلاهبرداران دستگیر شوند، بلکه آن‌ها را مشغول نگه دارند و منابعشان را هدر دهند.
هوش مصنوعی در خدمت تله‌های امنیتی (Honeypots)
یکی از روش‌های قدیمی دفاعی، تله‌های مجازی یا honeypotها بوده‌اند؛ ماشین‌های جعلی که هکر را جذب می‌کنند تا وقتشان تلف شود و محققان روش‌های حمله را بررسی کنند. حالا مدل‌های زبانی بزرگ (LLM) به این تله‌ها جان تازه‌ای داده‌اند و آن‌ها را طبیعی‌تر و متقاعدکننده‌تر می‌کنند.
مزایا و نتایج پژوهشی
- تله‌های مجهز به LLM باعث می‌شوند حمله‌کنندگان مدت‌زمان بیشتری روی آن‌ها کار کنند.
- حضور رفتارهای کمتر قابل پیش‌بینی در تله‌ها، احتمال شناسایی‌شدنشان را کاهش می‌دهد.
- داده‌هایی که از این تله‌ها به‌دست می‌آید می‌تواند در بهبود دفاع‌ها و به اشتراک‌گذاری اطلاعات بین بانک‌ها، شبکه‌های اجتماعی و پلیس مفید باشد.
چالش‌ها و ملاحظات اخلاقی
استفاده از هوش مصنوعی برای تحریک یا گمراه‌سازیِ کلاهبرداران سوالات حقوقی و اخلاقی به‌وجود می‌آورد: چه حدودی برای ورود به گفتگوها مجاز است؟ آیا جمع‌آوری اطلاعات بدون آگاهی بازیگرِ مقابل قابل قبول است؟ علاوه بر این، کلاهبرداران هم ابزارهای خود را پیشرفته‌تر می‌کنند و رقابتِ فناوری میان مدافعان و مهاجمان تشدید می‌شود.
جمع‌بندی و چشم‌انداز
هوش مصنوعی می‌تواند نقش موثری در کاهش تأثیر کلاهبرداری‌های دیجیتال ایفا کند؛ از ربات‌هایی که تماس‌ها را طولانی می‌کنند تا تله‌های هوشمند که زمان و اطلاعات ارزشمندی به دست می‌آورند. اما این راهکارها به‌تنهایی کافی نیستند: ترکیب ابزارهای هوشمند با به‌اشتراک‌گذاری اطلاعات میان بانک‌ها، شرکت‌های مخابراتی و نهادهای انتظامی، و چارچوب‌های قانونی روشن، کلید مؤثرتر شدنِ مقابله با جرایم سایبری است.
- نکتهٔ عملی: هنوز احتمال دریافت تماس یا پیام کلاهبرداری بالاست؛ هنگام مواجهه با درخواست اطلاعات مالی یا پیشنهادات عجیب، تردید کنید و از منابع رسمی استعلام بگیرید.
- نکتهٔ فنی: تله‌ها و ربات‌های مبتنی بر هوش مصنوعی می‌توانند زمان و منابع کلاهبرداران را هدر دهند و اطلاعات تاکتیکی ارزشمندی تولید کنند.
رمز موفقیت در مقابله با کلاهبرداری دیجیتال، ترکیب نوآوری‌های فنی با همکاری بین‌بخشی و قانون‌گذاری هوشمند است؛ تنها با این ترکیب می‌توان امید داشت که دست‌کم بخش بزرگی از حملات دیجیتال ناکام بماند.
نظر، سوال یا تجربه خود را درباره این مطلب با سایر کاربران اوکالا به اشتراک بگذارید.