التزييف العميق الصوتي للشركات: عندما يستطيع الذكاء الاصطناعي تقليد صوت المدير التنفيذي

 التزييف العميق الصوتي للشركات: عندما يستطيع الذكاء الاصطناعي تقليد صوت المدير التنفيذي

تخيل أن يتلقى أحد موظفي الشركة مكالمة هاتفية من مديره التنفيذي، فيسمع صوته بوضوح ويطلب منه تنفيذ إجراء عاجل يتعلق بتحويل مالي أو مشاركة معلومات مهمة.

كل شيء يبدو طبيعيًا: الصوت مألوف، وطريقة الكلام تبدو صحيحة، والطلب صادر من شخص يملك سلطة اتخاذ القرار.

لكن هناك مشكلة واحدة: الشخص الموجود على الطرف الآخر ليس المدير التنفيذي أصلًا.

إنه صوت مولّد بواسطة الذكاء الاصطناعي.

هذه ليست مجرد فكرة من أفلام الخيال العلمي. فقد أصبحت تقنيات استنساخ الصوت قادرة على إنتاج أصوات اصطناعية شديدة الإقناع، الأمر الذي دفع جهات مثل مكتب التحقيقات الفيدرالي الأمريكي (FBI) ولجنة التجارة الفيدرالية الأمريكية (FTC) إلى التحذير من استخدامها في عمليات الاحتيال وانتحال الهوية. (مركز الشكاوى حول جرائم الإنترنت)

ما هو التزييف العميق الصوتي؟

التزييف العميق الصوتي، أو Voice Deepfake، هو محتوى صوتي يتم توليده أو تعديله باستخدام تقنيات الذكاء الاصطناعي بحيث يبدو وكأنه صادر عن شخص حقيقي.

تستطيع أنظمة الذكاء الاصطناعي الحديثة تحليل خصائص الصوت، مثل:

• نبرة المتحدث.
• سرعة الكلام.
• طريقة نطق الكلمات.
• الإيقاع والتنغيم.
• بعض الخصائص الصوتية المميزة للشخص.

وبعد تحليل عينات صوتية كافية، يمكن إنشاء صوت اصطناعي يشبه صوت صاحبه بدرجة قد تجعل الاعتماد على السمع وحده غير كافٍ للتحقق من الهوية.

وهنا تبدأ المشكلة بالنسبة للشركات.

لماذا يمثل تقليد صوت المدير التنفيذي خطرًا كبيرًا؟

في بيئة الشركات، لا يعتمد الموظفون دائمًا على كلمات المرور والأنظمة الرقمية فقط، بل يعتمدون أيضًا على الثقة بين الأشخاص.

قد يكون الموظف معتادًا على تلقي تعليمات من مديره عبر الهاتف، أو قد يتلقى مكالمة من مسؤول مالي يطلب منه مراجعة معاملة عاجلة.

المحتال يستغل هذه الثقة.

وقد يحاول الجمع بين عدة عناصر في الوقت نفسه:

صوت شخص معروف + معلومات حقيقية عن الشركة + طلب عاجل + ضغط نفسي.

وهذا يجعل عملية الاحتيال أكثر إقناعًا من رسالة عشوائية مجهولة المصدر.

وتحذر الجهات الأمنية من أن الذكاء الاصطناعي التوليدي يمكن أن يجعل عمليات الاحتيال أكثر إقناعًا وأوسع نطاقًا، لأن المحتالين يستطيعون إنتاج محتوى اصطناعي بسرعة وبجودة أكبر. (مركز الشكاوى حول جرائم الإنترنت)

ليست مجرد مكالمة هاتفية

قد يظهر التزييف الصوتي في أكثر من سيناريو.

1. مكالمة هاتفية مزيفة

يتلقى الموظف مكالمة تبدو وكأنها من مدير أو مسؤول في الشركة.

يُستخدم الصوت الاصطناعي لإقناع الموظف بأن المتحدث شخص موثوق.

2. اجتماع افتراضي مزيف

قد يحاول المهاجم استخدام وسائل الاتصال المرئي أو الصوتي لإظهار شخصية تبدو حقيقية.

وقد وثّق FBI سابقًا استخدام منصات الاجتماعات الافتراضية في عمليات احتيال تستهدف الشركات، بما في ذلك استخدام صور ثابتة أو أصوات مزيفة لانتحال مسؤولين. (مركز الشكاوى حول جرائم الإنترنت)

3. رسالة صوتية

قد تصل رسالة صوتية قصيرة عبر إحدى وسائل الاتصال، ويبدو أنها من شخص يعرفه الموظف.

المشكلة هنا أن الموظف قد يتعامل مع الصوت المألوف باعتباره دليلًا كافيًا على هوية المرسل.

وهذا تحديدًا ما يجب تغييره.

حادثة شهيرة كشفت خطورة المشكلة

في عام 2024، برزت حالة في هونغ كونغ تضمنت استخدام تقنية التزييف العميق في مكالمة فيديو لانتحال مسؤولين في شركة، وانتهى الأمر بتحويل أكثر من 25 مليون دولار وفق تقارير نقلت تفاصيل القضية. (Reuters)

القضية لفتت الانتباه إلى مشكلة مهمة:

حتى رؤية الشخص وسماع صوته في اجتماع عبر الإنترنت لا يعني بالضرورة أن هويته قد تم التحقق منها.

وهذا هو التحول الكبير الذي أحدثه الذكاء الاصطناعي في مفهوم الثقة الرقمية.

لماذا لم يعد الصوت وحده كافيًا لإثبات الهوية؟

في الماضي، كان صوت الشخص يمثل علامة تعريف قوية بالنسبة للأشخاص الذين يعرفونه جيدًا.

أما اليوم، فقد أصبحت تقنيات استنساخ الصوت قادرة على تقليد أصوات بشرية بدرجات متقدمة من الواقعية.

ولهذا فإن السؤال لم يعد:

“هل الصوت يشبه صوت المدير؟”

بل أصبح:

“هل يمكننا إثبات أن هذا الصوت صادر فعلًا من المدير؟”

وهذا فرق جوهري.

الحل: لا تثق بالصوت وحده

الحماية الأقوى لا تعتمد على محاولة اكتشاف كل صوت مزيف يدويًا.

بل تعتمد على بناء طبقات متعددة للتحقق من الهوية.

يمكن للشركات مثلًا أن تضع سياسات واضحة للطلبات الحساسة، بحيث لا يتم تنفيذ طلب مالي أو مشاركة معلومات مهمة بناءً على مكالمة صوتية فقط.

ومن الأفضل أن يتطلب الطلب الحساس وسيلة تحقق إضافية مستقلة.

على سبيل المثال:

مكالمة صوتية → تحقق إضافي → موافقة موثقة → تنفيذ العملية.

وبذلك يصبح الصوت مجرد جزء من عملية التحقق وليس الدليل الوحيد.

ما المقصود بمفهوم Zero Trust Audio Authentication؟

يمكن النظر إلى Zero Trust Audio Authentication باعتباره مبدأ أمنيًا مستوحى من فلسفة “عدم الثقة الافتراضية”.

الفكرة ببساطة:

لا تفترض أن المتحدث هو الشخص الذي يدّعي أنه هو لمجرد أن صوته مطابق.

بل يجب التحقق من الهوية باستخدام عوامل أخرى.

وهذه ليست بالضرورة تقنية واحدة محددة، وإنما يمكن تطبيقها كسياسة أمنية تجمع بين عدة وسائل للتحقق.

ومن أمثلتها:

🔐 التحقق متعدد العوامل

إذا كان الطلب حساسًا، فلا يكفي الصوت وحده.

يمكن استخدام وسيلة تحقق أخرى مستقلة وفق سياسة الشركة.

📱 قناة اتصال ثانية

إذا طلب شخص عبر الهاتف تنفيذ إجراء حساس، يمكن للموظف التحقق من الطلب من خلال قناة اتصال مستقلة معروفة مسبقًا.

المهم ألا يتم استخدام رقم أو وسيلة اتصال قدمها المتصل نفسه للتحقق من هويته.

👤 الموافقة المزدوجة

بالنسبة للعمليات المالية الحساسة، يمكن أن تتطلب الشركة موافقة شخصين بدلًا من الاعتماد على موظف واحد.

🧠 أنظمة كشف التزييف الصوتي

تعمل بعض الحلول الأمنية على تحليل الإشارة الصوتية والبحث عن مؤشرات تساعد على التمييز بين الصوت الحقيقي والصوت الاصطناعي.

وقد عرضت FTC في تحديها الخاص باستنساخ الصوت حلولًا تعتمد على الذكاء الاصطناعي لاكتشاف الأنماط الصوتية الاصطناعية، بالإضافة إلى تقنيات أخرى للتحقق من أصل التسجيل والكشف الفوري عن الأصوات المستنسخة. (Federal Trade Commission)

هل تستطيع تقنيات الذكاء الاصطناعي اكتشاف الصوت المزيف دائمًا؟

لا.

وهذه نقطة مهمة جدًا.

لا توجد وسيلة واحدة يمكن الاعتماد عليها باعتبارها حلًا سحريًا لكل حالات التزييف الصوتي.

وتشير FTC إلى أن حلول الكشف في الوقت الحقيقي تختلف في فعاليتها، وأن مواجهة استنساخ الصوت تحتاج إلى مجموعة من الأساليب بدل الاعتماد على تقنية واحدة فقط. (Federal Trade Commission)

لذلك فإن أفضل استراتيجية للشركات هي الدفاع متعدد الطبقات.

كيف يمكن للشركات حماية موظفيها؟

يمكن للشركات اتخاذ مجموعة من الإجراءات العملية:

1. وضع قاعدة للطلبات الحساسة

لا يتم تنفيذ التحويلات المالية أو مشاركة المعلومات السرية بناءً على مكالمة صوتية فقط.

2. إنشاء طريقة تحقق داخلية

يجب أن يعرف الموظفون مسبقًا كيف يتحققون من الطلبات غير المعتادة.

3. تدريب الموظفين

التوعية مهمة جدًا، خصوصًا مع تطور تقنيات الذكاء الاصطناعي.

4. عدم الاستسلام للاستعجال

عبارات مثل:

“نفذ الأمر الآن”

أو:

“لا تخبر أحدًا”

أو:

“ليس لدي وقت للشرح”

يجب أن ترفع مستوى الشك، خصوصًا إذا كان الطلب غير معتاد.

5. استخدام أكثر من عامل للمصادقة

كلما كانت العملية أكثر حساسية، زادت الحاجة إلى وسائل تحقق مستقلة.

6. مراقبة الاتصالات غير المعتادة

يمكن للشركات متابعة الأنماط غير الطبيعية في طلبات الموظفين والمعاملات، بدل التركيز على هوية المتحدث فقط.

وهل يمكن للشخص العادي أن يكتشف الصوت المزيف؟

أحيانًا توجد مؤشرات، لكن لا ينبغي الاعتماد عليها وحدها.

قد تلاحظ اختلافًا في:

• الإيقاع.
• طريقة نطق بعض الكلمات.
• التوقفات بين الجمل.
• الاستجابة للأسئلة غير المتوقعة.
• جودة الصوت أو وجود تأخير غير معتاد.

لكن هذه العلامات ليست قاعدة ثابتة.

فبحسب FBI، تطورت المحتويات التي ينتجها الذكاء الاصطناعي إلى درجة قد تجعل اكتشافها صعبًا، ولذلك ينصح بالتحقق من هوية الشخص عبر وسائل أخرى عند الشك. (مركز الشكاوى حول جرائم الإنترنت)

مستقبل التحقق من الهوية لن يعتمد على الصوت فقط

التطور الحقيقي هنا ليس في قدرة الذكاء الاصطناعي على تقليد الأصوات فحسب، بل في إجبار المؤسسات على إعادة التفكير في مفهوم الثقة الرقمية.

في المستقبل، قد لا يكون السؤال:

“هل هذا صوت المدير؟”

بل:

“هل نستطيع إثبات أن هذا الاتصال صادر من الشخص والجهاز والحساب الصحيحين؟”

وهذا يعني أن أنظمة الحماية المستقبلية قد تجمع بين الهوية الرقمية، والجهاز الموثوق، وسياق الاتصال، والمصادقة متعددة العوامل، وتقنيات كشف المحتوى الاصطناعي.

الخلاصة

أصبح الصوت الرقمي جزءًا جديدًا من ساحة الأمن السيبراني.

ومع تطور الذكاء الاصطناعي، لم تعد سرقة كلمات المرور أو اختراق الحسابات هي الطريقة الوحيدة لخداع الموظفين؛ فقد أصبح انتحال هوية الأشخاص الموثوقين تحديًا متزايد الأهمية.

لكن الحل لا يكمن في الخوف من كل مكالمة هاتفية.

الحل هو تغيير قاعدة بسيطة:

لا تجعل الصوت وحده دليلًا على الهوية.

عندما تجمع الشركات بين التحقق متعدد العوامل، وسياسات الموافقة، والتوعية الأمنية، وتقنيات كشف التزييف، يصبح من الصعب على المحتال تحويل صوت مزيف إلى عملية احتيال ناجحة.

وفي عصر يستطيع فيه الذكاء الاصطناعي تقليد ما نسمعه، ستكون القدرة على التحقق مما نثق به واحدة من أهم مهارات الأمن الرقمي في السنوات القادمة.