Startup Guardian Labs wprowadza warstwę sztucznej inteligencji działającą lokalnie na smartfonie, która blokuje wyłudzenia telefoniczne, zanim urządzenie w ogóle zadzwoni. Rozwiązanie to adresuje problem masowych oszustw vishingowych i smishingowych, które według danych Global Anti-Scam Alliance wygenerowały w ciągu roku straty przekraczające 1 bilion USD w skali globalnej. Technologia proaktywnego blokowania treści w czasie rzeczywistym stanowi nową linię obrony dla sektora bankowego i telekomunikacyjnego.
Mechanizm proaktywnej analizy treści rozmów
Oszustwa typu vishing i smishing ewoluują szybciej niż statyczne filtry operatorów, wykorzystując zaawansowaną socjotechnikę do manipulacji ofiarą w czasie rzeczywistym. Tradycyjne metody oparte na czarnych listach są nieskuteczne przeciwko dynamicznemu spoofingowi numerów, co wymusza wdrożenie systemów zdolnych do interpretacji intencji dzwoniącego.
Technologia opracowana przez Guardian Labs, znana jako Guardião, działa jako warstwa AI między przychodzącym połączeniem a odbiorcą. System analizuje sygnały takie jak manipulacja emocjonalna, sztuczna presja czasu czy prośby o kody bankowe. Kluczowym wyróżnikiem jest fakt, że modele AI działają lokalnie na telefonie, co eliminuje konieczność przesyłania treści rozmów na serwery zewnętrzne, zapewniając prywatność danych. W przypadku wykrycia oszustwa, połączenie jest przerywane lub blokowane przed wyświetleniem powiadomienia, a użytkownik otrzymuje jedynie raport o próbie ataku wraz z przypisanym poziomem ryzyka. Badania akademickie potwierdzają, że zintegrowane systemy wykorzystujące narzędzia takie jak OpenAI Whisper do transkrypcji oraz Google Gemini 1.5-Pro do analizy treści, pozwalają na osiągnięcie skuteczności klasyfikacji na poziomie 90,4%.
Skala zjawiska i koszty braku ochrony
Wykorzystanie sztucznej inteligencji przez cyberprzestępców drastycznie obniża koszt personalizacji ataków, zwiększając ich skuteczność i częstotliwość w kanałach głosowych. Instytucje tracą nie tylko środki finansowe, ale i zaufanie klientów do komunikacji telefonicznej, co bezpośrednio uderza w rentowność usług A2P.
Według szacunków Europolu, same oszustwa telefoniczne generują roczne straty rzędu 850 milionów EUR na całym świecie. Raport FBI za 2024 rok wskazuje na 33% wzrost strat z tytułu cyberprzestępczości, osiągając poziom 16,6 miliarda USD. Dla operatorów telekomunikacyjnych problemem są również tzw. flash calls – krótkie połączenia trwające poniżej 2 sekund, używane do autoryzacji, które omijają płatne kanały SMS A2P. Przewiduje się, że do 2027 roku sektor SMS A2P może stracić nawet 40 miliardów USD z powodu kanibalizacji przez te darmowe metody autoryzacji. Ponadto, oszustwa typu International Revenue Share Fraud (IRSF) pozwalają przestępcom na generowanie zysków poprzez przekierowywanie ruchu na numery o podwyższonej płatności, co w pojedynczych incydentach może generować straty przekraczające 1 milion EUR.
Porównanie podejść do detekcji oszustw
Rynek ochrony przed spamem i oszustwami jest podzielony na rozwiązania sieciowe operatorów, aplikacje bazujące na społeczności oraz systemy wykorzystujące autentykację protokołów. Wybór podejścia determinuje skuteczność ochrony przed nowymi zagrożeniami oraz stopień naruszenia prywatności użytkownika końcowego.
W tabeli poniżej zestawiono najpopularniejsze rozwiązania rynkowe:
| Kryterium | Truecaller | Hiya | Orange „Spam Likely” |
|---|---|---|---|
| Baza danych | Ponad 2 miliardy numerów | Ponad 1,5 miliarda numerów | Dane operatora |
| Prywatność | Gromadzi kontakty użytkowników | Szanuje prywatność | Dane wewnętrzne |
| Skuteczność | Bardzo wysoka | Wysoka | Średnia |
| Fałszywe alarmy | Umiarkowane | Niskie | Wysokie |
Równolegle rozwijane są standardy sieciowe, takie jak STIR/SHAKEN, które mają na celu potwierdzenie tożsamości dzwoniącego na poziomie protokołu SIP. Choć standard ten jest wymagany przez regulatorów w USA (FCC) i Kanadzie (CRTC), jego skuteczność w Europie jest ograniczona przez brak ujednoliconych certyfikatów transgranicznych. Alternatywę stanowią rozwiązania takie jak firewall głosowy firmy Enea czy innowacje fińskiego operatora Elisa, który jako pierwszy na świecie wdrożył metodę blokowania spoofingu numerów na poziomie ogólnokrajowym, redukując zyski przestępców z tego procederu z 7 milionów EUR do zaledwie kilku tysięcy.
Ryzyka techniczne i bariery wdrożeniowe
Implementacja systemów analizy treści rozmów w czasie rzeczywistym wiąże się z wyzwaniami dotyczącymi opóźnień (latency) oraz precyzji modeli językowych w warunkach zakłóceń sieciowych. Nawet niewielkie błędy w transkrypcji mogą prowadzić do błędnej klasyfikacji legalnych połączeń biznesowych jako oszustw.
Średnie opóźnienie pełnego systemu analizy AI wynosi około 4,52 sekundy, na co składa się transkrypcja (1,82 s), przetwarzanie tekstu (0,43 s) oraz analiza LLM (2,26 s). Takie parametry pozwalają na przerwanie połączenia w trakcie rozmowy, ale rzadko przed jej rozpoczęciem, jeśli system nie bazuje wyłącznie na metadanych. Startup Guardian Labs twierdzi jednak, że osiągnął możliwość analizy jeszcze zanim telefon zadzwoni, co wymaga minimalizacji modeli AI do skali pozwalającej na pracę w tle systemu operacyjnego. Innym ryzykiem są „fałszywe negatywy” – dopuszczenie oszustwa do użytkownika. Rita Barbosa, założycielka Guardian Labs, wskazuje, że przy precyzji rzędu 99%, marginalna liczba fałszywych alarmów jest akceptowalna, o ile użytkownik ma wgląd w historię zablokowanych treści w dedykowanym panelu.
Wnioski praktyczne i rekomendacje
Wnioski praktyczne i rekomendacje
- Zweryfikuj aktualną architekturę ochrony przed oszustwami telefonicznymi w swojej firmie, sprawdzając, czy opiera się ona jedynie na statycznych czarnych listach, które są podatne na spoofing numerów.
- Zmierz skalę potencjalnych strat wynikających z tzw. mule bank accounts, wykorzystując platformy inteligencji zbiorowej do flagowania podejrzanych kont, zanim ofiary przeleją na nie środki.
- Skonfiguruj systemy autoryzacji transakcji wysokiego ryzyka tak, aby wymagały niezależnego kanału potwierdzenia (out-of-band verification), co mityguje skutki manipulacji opartej na deepfake’ach.
- Wdróż mechanizmy „engineered friction” (kontrolowanego oporu) w procesach płatniczych, wprowadzając wymuszone pauzy i kontekstowe ostrzeżenia w momentach, gdy systemy AI wykryją anomalie w treści komunikacji.
- Przeanalizuj możliwość współpracy z partnerami technologicznymi oferującymi lokalne modele AI (on-device), aby zapewnić zgodność z RODO przy jednoczesnym monitorowaniu treści wiadomości SMS i rozmów pod kątem phishingu.
- Zidentyfikuj ryzyko związane z flash calls w swoim stacku telekomunikacyjnym i rozważ wdrożenie firewalli głosowych nowej generacji, które pozwalają na monetyzację tego ruchu i ochronę przychodów A2P.
Źródła
- A €4,000 scam sparked a startup that stops phone fraud before your mobile even rings – Tech.eu
- A €4000 scam sparked a startup that stops phone fraud before your mobile even rings
- AI-Powered Voice Firewalls: The Future of Voice as a Channel | GMS
- Finnish innovation stops scam calls – won a prestigious European crime prevention competition – Elisa
- Real-Time Phone Fraud Detection and Prevention Based on Artificial Intelligence Tools – Baltic Journal of Modern Computing
- STIR/SHAKEN – Wikipedia
- The cyberpsychology of AI-enabled cybercrime: human factors, emerging threats, and building resilience – UNICRI
- Toll fraud, international revenue share fraud and more: – Europol
Dodaj komentarz