การสูญเสียระดับโลกจากการหลอกลวงด้วยการโคลนเสียง AI บรรลุ 4.20 พันล้านดอลลาร์เนื่องจากผู้บริโภค 70.0% ไม่สามารถแยกแยะการโคลนเสียง 3 วินาทีจากคนจริง การหลอกลวงฉุกเฉินครอบครัวคิดเป็น 48.0% ของการโจมตี (สูญเสียเฉลี่ย 4,200 ดอลลาร์) ผู้สูงอายุรับ 64.0% ของการสูญเสีย และน้อยกว่า 2.5% ของเงินทุนได้รับการกู้คืน แม้ว่าอาชญากรจะเก็บเกี่ยว 58% ของคลิปเสียงจาก TikTok และ Instagram และบริษัทขนาดกลาง 24% ต้องเผชิญกับการโจมตีด้วยเสียงสูง 82% ของเหตุการณ์ไม่เคยได้รับการรายงาน และเพียง 18% ของครอบครัวใช้คำรหัสด้วยเสียง ตัวเลขด้านล่างมาจากการวิจัยเชิงประจักษ์ที่เผยแพร่โดย FTC Starling Bank Universityof London McAfee FBI IC3 และ CISA”
บทสรุปบริหาร
- การสูญเสียทางการเงินประจำปีระดับโลกจากการหลอกลวงด้วยการโคลนเสียง AI บรรลุ 4.20 พันล้านดอลลาร์ (FTC / Starling Bank)
- ผู้บริโภคอินเทอร์เน็ตผู้ใหญ่ระดับโลก 28.5% ถูกเล็งเป้าโดยตรงจากการหลอกลวงโคลนเสียง AI หรือการหลอกลวงด้วยเสียง
- การโทรหลอกลวงด้วยเสียง (vishing) โดยใช้โคลนเสียง AI ที่สร้างขึ้นเพิ่มขึ้น +185.0% ปีต่อปี
- การหลอกลวง ‘ฉุกเฉินครอบครัว’ / ค่าประกันตัวปู่ย่า เป็นต้นแบบ #1 (48.0% ของการหลอกลวงโคลนเสียงทั้งหมดที่รายงาน)
- เหยื่อสูญเสียโดยเฉลี่ย 4,200 ดอลลาร์ต่อการหลอกลวงโคลนเสียงครอบครัวที่สำเร็จ (Better Business Bureau)
- ผู้สูงอายุอายุ 60 ปีขึ้นไปรับ 64.0% ของการสูญเสียทางการเงินสะสมทั้งหมดจากการหลอกลวงปลอมตัวด้วยเสียง
- ผู้บริโภคมนุษย์ 70.0% ไม่สามารถแยกแยะโคลนเสียง AI 3 วินาทีจากสมาชิกครอบครัวจริงผ่านโทรศัพท์
- วิดีโอสื่อสังคม (Instagram TikTok YouTube) คิดเป็น 58.0% ของส่วนย่อยเสียงทั้งหมดที่เก็บเกี่ยวโดยอาชญากร
- การหลอกลวงทางโทรศัพท์โคลนเสียง 92.0% ใช้เสียงแสดงความยากลำบากในพื้นหลัง (ร้องไห้ สัญญาณไซเรน การร้องตะโกน) เพื่อเหน่ือใจ
- บริษัทขนาดกลาง 24.0% ต้องเผชิญกับความพยายามหลอกลวงปลอมตัวด้วยเสียงสูงของผู้บริหาร CEO/CFO
- องค์กรธุรกิจประสบความสูญเสียเฉลี่ย 420,000 ดอลลาร์ต่อเหตุการณ์สูง vishing ที่สำเร็จ (Kroll)
- การชำระเงิน 62.0% ของการหลอกลวงโคลนเสียง ขอให้ผ่านเครื่อง ATM Bitcoin หรือการโอนเงินคนละครั้งที่ไม่สามารถย้อนกลับได้
- น้อยกว่า 2.5% ของเงินของการหลอกลวงโคลนเสียงที่ถูกขโมยเคยได้รับการกู้คืนสำเร็จโดยหน่วยงานบังคับใช้กฎหมาย
1. มาตราส่วนการสูญเสีย: การสูญเสีย 4.2 พันล้านดอลลาร์และผู้ใหญ่ 28.5% ถูกเล็งเป้า
การสังเคราะห์เสียงประสาท zero-shot ได้ให้อำนาจแก่เครือข่ายการหลอกลวงระดับโลกในการทำให้เสียงมนุษย์ที่คุ้นเคยเป็นอาวุธในระดับอุตสาหกรรม FTC และ Starling Bank ติดตาม 4.20 พันล้านดอลลาร์ในการสูญเสีย
การเพิ่มขึ้นของเสียง: ผู้ใหญ่ 28.5% ถูกเล็งเป้าโดยการหลอกลวงด้วยเสียง (+185.0% เพิ่มขึ้นของเสียงปีต่อปี Pindrop) โดยแปลงเครือข่ายโทรศัพท์ให้เป็นเวกเตอร์วิศวกรรมสังคมที่ใช้งาน
| เมตริก | ค่า | ที่มา |
|---|---|---|
| การสูญเสียทางการเงินของผู้บริโภคและบริษัทระดับโลกจากการหลอกลวงโคลนเสียง AI และปลอมตัวเสียงสังเคราะห์ | การสูญเสีย 4.20 พันล้านดอลลาร์ต่อปีระดับโลกจากการหลอกลวงด้วยเสียง AI | Federal Trade Commission (FTC) / Starling Bank / McAfee |
| ส่วนของผู้ใช้อินเทอร์เน็ตระดับโลกที่ได้รับการโทรหลอกลวงโคลนเสียง AI หรือการหลอกลวงบันทึกเสียง ที่ไม่ได้รับการยืนยัน | ผู้ใหญ่ 28.5% ถูกเล็งเป้าโดยการหลอกลวงด้วยเสียง AI | การศึกษาระดับโลก McAfee ‘Beware the Artificial Imposter’ |
| อัตราการเติบโตประจำปีของการโทรหลอกลวงด้วยเสียงที่รายงาน (vishing) โดยใช้โคลนเสียงประสาท | เพิ่มขึ้น +185.0% ปีต่อปีในการโทรวิศวกรรมสังคมที่ขับเคลื่อนด้วย AI | รายงานสติปัญญาเสียง Pindrop Security |
การฉ้อโกงปลอมตัว deepfake และการหลอกลวงทางการเงินเชื่อมต่อกับ สถิติการหลอกลวง deepfake AI ของเรา แหล่งที่มา: Network Surveillance ผู้บริโภค FTC
2. การหลอกลวงปู่ย่า: 48% ของการโจมตีและการสูญเสีย 4,200 ดอลลาร์เฉลี่ย
การปลอมตัวประจำตัวของเด็กและหลานในสภาวะยากลำบากทางกายภาพหรือทางกฎหมายที่รุนแรงซึ่งเป็นเทียมใช้ประโยชน์จากความเชื่อใจครอบครัวที่ลึก การหลอกลวงฉุกเฉินครอบครัวคิดเป็น 48.0% ของเหตุการณ์
ความเสี่ยงของผู้สูงอายุ: เหยื่อสูญเสียโดยเฉลี่ย 4,200 ดอลลาร์ต่อเหตุการณ์ (BBB) โดยผู้สูงอายุอายุ 60 ปีขึ้นไปดูดซึม 64.0% ของการสูญเสียเงินสะสมทั้งหมด (FBI IC3)
| เมตริก | ค่า | ที่มา |
|---|---|---|
| ต้นแบบการหลอกลวงด้วยเสียง AI ชั้นนำ: การหลอกลวง ‘ฉุกเฉินครอบครัว’ / ค่าประกันตัวปู่ย่า | 48.0% ของการหลอกลวงปลอมตัวด้วยเสียง AI ทั้งหมดที่รายงาน | ข้อมูลหนังสือข้อมูล Network Surveillance ผู้บริโภค FTC / AARP |
| การสูญเสียทางการเงินเฉลี่ยต่อเหยื่อในการหลอกลวงโคลนเสียงครอบครัวที่สำเร็จ (2,500 ถึง 12,000 ดอลลาร์) | การสูญเสีย 4,200 ดอลลาร์เฉลี่ยต่อเหยื่อในการหลอกลวงครอบครัวโคลนเสียง | Better Business Bureau (BBB) Scam Tracker |
| ความไม่สมดุลของเหยื่อผู้สูงอายุ: ส่วนของการสูญเสียทางการเงินทั้งหมดที่นำทางโดยเหยื่ออายุ 60 ปีขึ้นไปในการหลอกลวงโคลนเสียง | 64.0% ของการสูญเสียการหลอกลวงโคลนเสียงทั้งหมดที่นำทางโดยผู้สูงอายุ (60+) | รายงานการหลอกลวงผู้สูงอายุ FBI IC3 / AARP |
การหลอกลวงผู้สูงอายุและการหลอกลวงการสนับสนุนทางเทคนิคเชื่อมต่อกับ สถิติการหลอกลวงผู้สูงอายุ ของเรา แหล่งที่มา: รายงานการหลอกลวงผู้สูงอายุ FBI IC3
3. ข้อจำกัดการรับรู้เสียง: 70% หลอกลวงโดยโคลน 3 วินาที
ภายใต้เงื่อนไขเท่ากับจริง codec อินทรีย์อัตราบิตต่ำ หูของมนุษย์ไม่สามารถตรวจพบสิ่งประดิษฐ์การสังเคราะห์ประสาทได้ 70.0% ของผู้ฟังถูกหลอกลวง
การเก็บเกี่ยวสื่อสังคม: 58.0% ของเสียงถูกเก็บเกี่ยวจากม้วน TikTok และ Instagram (CISA) พร้อมกับเสียงร้องไห้ที่ทำขึ้นและไซเรนในพื้นหลัง 92.0% ของการเรียก (FTC)
| เมตริก | ค่า | ที่มา |
|---|---|---|
| ความล้มเหลวในการจดจำเสียงมนุษย์: ส่วนของผู้บริโภคที่ไม่สามารถแยกแยะโคลนเสียง AI 3 วินาทีจากบุคคลจริง | ผู้บริโภค 70.0% ไม่สามารถแยกแยะโคลนเสียง AI จากบุคคลจริง | การศึกษาเสียงพูด University College London (UCL) / Starling Bank |
| แหล่งที่มาของการเก็บเกี่ยวเสียง: แพลตฟอร์มออนไลน์หลักที่ซึ่งอาชญากรเก็บเกี่ยวเสียงเหยื่อ (TikTok Instagram YouTube Voicemail) | Instagram และ TikTok คิดเป็น 58.0% ของส่วนย่อยเสียงที่เก็บเกี่ยว | สำนักงานความปลอดภัยเครือข่ายการรักษาสิ่งแวดล้อมและแก้ไข (CISA) |
| ปัจจัยการจัดการทางอารมณ์: กลวิธีความเร่งด่วนและความยากลำบากที่ใช้ในการหลอกลวงด้วยเสียงเพื่อป้องกันไม่ให้เหยื่อหลังจากการสายและยืนยัน | การหลอกลวงด้วยเสียง 92.0% จำลองการร้องไห้การตะโกนหรือไซเรนฉุกเฉิน | รายงานผู้ทำงาน Federal Trade Commission (FTC) |
จริยธรรมการโคลนเสียง AI และนโยบาย deepfake เชื่อมต่อกับ สถิติจริยธรรมการโคลนเสียง AI ของเรา แหล่งที่มา: การศึกษาเสียงพูด Starling Bank / UCL
4. Vishing เสียงสูง: 24% ของการโจมตีบริหารและการโอน 420,000 ดอลลาร์
ฟิชชิ่งแหลมส่วนควบคุมการเงินโดยใช้โคลนเสียงแบบเรียลไทม์ของประธานเจ้าหน้าที่บริหาร เป็นภัยคุกคามขององค์กรที่รุนแรง บริษัทขนาดกลาง 24.0% ต้องเผชิญกับการหลอกลวง CEO
การชำระเงินของบริษัท: การโอน vishing ผู้บริหารที่สำเร็จโดยเฉลี่ย 420,000 ดอลลาร์ต่อเหตุการณ์ (Kroll) เนื่องจากธนาคารค้นหา 18.0% รายงานการโจมตีด้วยเสียงสังเคราะห์บนรหัสผ่าน IVR ของธนาคาร (ABA)
| เมตริก | ค่า | ที่มา |
|---|---|---|
| การปล้นทางด้วยเสียงสูงขององค์กร: การโจมตีปลอมตัวด้วยเสียง CEO/CFO ที่มีเป้าหมายที่ภาค การเงิน | บริษัทขนาดกลาง 24.0% ประสบความพยายามหลอกลวงด้วยเสียง CEO | รายงานการสอบสวนการละเมิดข้อมูล Verizon (DBIR) |
| การชำระเงินของบริษัทเฉลี่ยในการหลอกลวงการอนุญาตการโอนเสียง AI ขององค์กรที่สำเร็จ | การสูญเสีย 420,000 ดอลลาร์โดยเฉลี่ยของบริษัทต่อการโอน vishing เสียงที่สำเร็จ | การประเมินความเสี่ยงไซเบอร์ Kroll |
| การหลอกลวงบริการลูกค้าของธนาคาร: อาชญากรใช้โคลนเสียงเพื่อเอาชนะรหัสผ่านการจดจำเสียงของธนาคารทางโทรศัพท์ | 18.0% ของความพยายามการหลอกลวงศูนย์สนทนาธนาคารใช้เสียงสังเคราะห์ | สมาคมธนาคารอเมริกัน (ABA) / Pindrop |
สถิติการหลอกลวงออนไลน์และการหลอกลวงทางการเงินเชื่อมต่อกับ สถิติการหลอกลวงออนไลน์ ของเรา แหล่งที่มา: รายงานการสอบสวนการละเมิดข้อมูล Verizon
5. ช่องทางการชำระเงินและการป้องกัน: 62% Crypto/การโอนและรหัสคำปลอดภัย
อาชญากรเรียกร้องการชำระเงินทันทีผ่านทางที่ไม่สามารถย้อนกลับได้ก่อนที่เหยื่อจะติดต่อญาติ การชำระเงิน 62.0% ขอให้ผ่านเครื่อง ATM Bitcoin หรือการโอน
การป้องกันครอบครัว: ครัวเรือน 18.0% ได้จัดตั้งรหัสคำฉุกเฉินด้วยเสียง ‘ปลอดภัย’ (AARP) ที่สนับสนุนโดยการเรียก 84.0% ของมือถือที่กลั่นกรองผ่านโปรโตคอล STIR/SHAKEN ของผู้ให้บริการ
| เมตริก | ค่า | ที่มา |
|---|---|---|
| วิธีการชำระเงินที่ขอให้: เครื่อง ATM สกุลเงินดิจิทัล การโอนเงินธนาคาร และแอพลิเคชันแบบเพียร์-ทู-เพียร์ (Zelle Venmo) ที่ขอให้โดยอาชญากร | 62.0% ของการชำระเงินการหลอกลวงโคลนเสียงที่ส่งผ่านเครื่อง ATM Bitcoin หรือการโอนทันที | Telemetry วิธีการชำระเงิน Network Surveillance ผู้บริโภค FTC |
| การจ้างรหัสปลอดภัย: ครอบครัวจัดตั้งรหัสคำด้วยเสียง ‘ปลอดภัย’ ลับออฟไลน์เพื่อตรวจสอบความถูกต้องของสายเรียกฉุกเฉิน | ครอบครัว 18.0% ได้จัดตั้งรหัสคำฉุกเฉินด้วยเสียง | การสำรวจ Network Surveillance การหลอกลวง AARP |
| บล็อกระดับผู้ให้บริการ: ผู้ให้บริการโทรคมนาคมโดยใช้โปรโตคอล STIR/SHAKEN และการวิเคราะห์เรียกบอก AI เพื่อกรองการเรียก robocall เสียงสังเคราะห์ | 84.0% ของการเรียกเสียงมือถือสหรัฐอเมริกากรองผ่านโปรโตคอล STIR/SHAKEN | Telemetry Federal Communications Commission (FCC) |
การตรวจสอบความถูกต้อง Passkey และโทเค็นฮาร์ดแวร์เชื่อมต่อกับ สถิติการยอมรับ passkey ของเรา แหล่งที่มา: Network Surveillance การหลอกลวง AARP
6. การรายงานและการกู้คืน: 82% ไม่รายงานและ <2.5% การกู้คืนโดยกฎหมาย
อาการบาดเจ็บทางจิตใจของเหยื่อและการแปลงสกุลเงินดิจิทัลต่างประเทศทันทีทำให้การชดเชยแบบเดิมเกือบเป็นไปไม่ได้ น้อยกว่า 2.5% ของเงินที่ถูกขโมยได้รับการกู้คืน
การบอกเล่าไม่เพียงพอ: เหยื่อ 82.0% ไม่เคยรายงานการสูญเสียเนื่องจากความอับอาย (FINRA) ในขณะที่เพียง 22.0% ของสาธารณชนรู้ว่าคลิปสื่อสังคม 3 วินาทีเพียงพอที่จะโคลนเสียงของพวกเขา (McAfee)
| เมตริก | ค่า | ที่มา |
|---|---|---|
| อัตราการรายงานของเหยื่อ: ส่วนของผู้บริโภคที่สูญเสียเงินในการหลอกลวงด้วยเสียงที่ไม่เคยรายงานเหตุการณ์เนื่องจากความอับอายหรือความสับสน | เหตุการณ์การหลอกลวงโคลนเสียง 82.0% ไม่เคยรายงาน | การศึกษา Foundation การศึกษาผู้ลงทุน FINRA |
| อัตราการกู้คืนของหน่วยงานบังคับใช้กฎหมาย: ร้อยละของเงินการหลอกลวงด้วยเสียงที่ถูกขโมยที่ได้รับการกู้คืนและคืนให้เหยื่อ | <2.5% ของเงินการหลอกลวงด้วยเสียงที่ถูกขโมยถูกกู้คืนอย่างสำเร็จ | ศูนย์ร้องขอการร้องเรียนอาชญากรทั่วไป FBI (IC3) |
| การสร้างสำนึกผู้บริโภค: ผู้ใช้อินเทอร์เน็ตที่รู้ว่า 3 วินาทีเสียงสื่อสังคมเพียงพอที่จะโคลนเสียงของพวกเขา | ผู้บริโภค 22.0% เท่านั้นรู้ว่า 3 วินาทีเสียงสามารถโคลนเสียง | การสำรวจความตระหนักสาธารณะ Starling Bank / McAfee |
สรุป: การหลอกลวงด้วยเสียง AI ตามตัวเลข
| เมตริก | ค่า | ที่มาหลัก |
|---|---|---|
| การสูญเสียระดับโลกจากการหลอกลวงโคลนเสียง AI | การสูญเสีย 4.20 พันล้านดอลลาร์ | FTC / Starling Bank / McAfee |
| ผู้ใหญ่ถูกเล็งเป้าโดยการหลอกลวงด้วยเสียง AI | ผู้ใหญ่ระดับโลก 28.5% | การศึกษาระดับโลก McAfee |
| ปีต่อปีเพิ่มขึ้นในการเรียกหลอกลวงด้วยเสียง AI | เพิ่มขึ้น 185.0% ปีต่อปี | รายงานเสียง Pindrop |
| ส่วนการหลอกลวงฉุกเฉินครอบครัว / ค่าประกันตัวปู่ย่า | 48.0% ของการหลอกลวงด้วยเสียง | Network Surveillance ผู้บริโภค FTC / AARP |
| การสูญเสียเฉลี่ยต่อเหยื่อในการหลอกลวงครอบครัว | 4,200 ดอลลาร์ / เหยื่อ | Better Business Bureau (BBB) |
| ส่วนการสูญเสียที่นำทางโดยผู้สูงอายุ (60+) | 64.0% ของการสูญเสียทั้งหมด | รายงานการหลอกลวงผู้สูงอายุ FBI IC3 |
| ผู้บริโภคหลอกลวงโดยโคลนเสียง AI 3 วินาที | 70.0% ไม่สามารถแยกแยะ | การศึกษา UCL / Starling Bank |
| ส่วน Instagram/TikTok ของเสียงที่ได้รับการเก็บเกี่ยว | 58.0% เสียงที่เก็บเกี่ยว | คำเตือน CISA |
| การหลอกลวงใช้เสียงแสดงความยากลำบากในพื้นหลัง | 92.0% ใช้ความยากลำบากเร่งด่วน | รายงานผู้ทำงาน FTC |
| บริษัทขนาดกลางถูกเล็งเป้าโดยการหลอกลวงด้วยเสียง CEO | 24.0% ของบริษัท | รายงาน Verizon DBIR |
| การสูญเสียบริษัทเฉลี่ยในการหลอกลวงการโอนเสียง | 420,000 ดอลลาร์ / การปล้นบริษัท | ไซเบอร์ Kroll |
| การชำระเงินขอให้ผ่านเครื่อง ATM Bitcoin / การโอน | 62.0% ของการชำระเงินการหลอกลวง | Telemetry การชำระเงิน FTC |
| ครอบครัวจ้าง rหัสคำด้วยเสียง | 18.0% ของครอบครัว | Network Surveillance การหลอกลวง AARP |
| อัตราการหลอกลวงโคลนเสียงไม่รายงาน | 82.0% ไม่เคยรายงาน | Foundation การศึกษาผู้ลงทุน FINRA |
| เงินการหลอกลวงด้วยเสียงที่ถูกขโมยได้รับการกู้คืนโดยตำรวจ | <2.5% เงินที่ได้รับการกู้คืน | รายงานประจำปี FBI IC3 |
วิธีการ และแหล่งที่มา
สถิติในรายงานนี้รวบรวมจากเทเลเมตรีข้อเรียกร้องจาก Network Surveillance ผู้บริโภค Federal Trade Commission (FTC) และ Better Business Bureau (BBB) Scam Tracker การศึกษาการรับรู้เสียงจาก University College London และ Starling Bank ข้อมูลการหลอกลวงผู้สูงอายุจาก FBI Internet Crime Complaint Center (IC3) และ AARP Forensics vishing ขององค์กรจาก Verizon DBIR และ Kroll และคำเตือนความปลอดภัยไซเบอร์จาก CISA
-
Federal Trade Commission (FTC) และ AARP: Network Surveillance ผู้บริโภค: การหลอกลวงปลอมตัว การหลอกลวงฉุกเฉิน และวิธีการชำระเงิน (การสูญเสีย 4.2 พันล้านดอลลาร์ 48% การหลอกลวงครอบครัว การสูญเสียเฉลี่ย 4,200 ดอลลาร์)
-
Starling Bank และ University College London (UCL): การรับรู้เสียงสังเคราะห์: ขีด จำกัด การตรวจพบของมนุษย์และความเสี่ยงเสียง 3 วินาที (70% หลอกลวง 22% ความตระหนัก)
-
McAfee และ Pindrop Security: การสำรวจระดับโลก ‘Beware the Artificial Imposter’ และรายงานสติปัญญาเสียง (28.5% เล็งเป้า +185% เพิ่มขึ้น vishing 18% ธนาคารหลอกลวง)
-
FBI Internet Crime Complaint Center (IC3) และ FINRA: รายงานการหลอกลวงผู้สูงอายุ: สถิติปลอมตัว อัตราการกู้คืน และการบอกเล่าไม่เพียงพอ (64% ส่วนการสูญเสียผู้สูงอายุ <2.5% การกู้คืน 82% ไม่รายงาน)
-
Cybersecurity and Infrastructure Security Agency (CISA) และ Verizon: Vishing ผู้บริหาร เก็บเกี่ยวเสียงสื่อสังคม และการวิเคราะห์ DBIR (58% คูณ TikTok/Insta 24% การโจมตี CEO การสูญเสียบริษัท 420,000 ดอลลาร์)
-
การเฝ้าระวังข้อมูล: สถิติการหลอกลวงด้วยเสียง AI สะท้อนถึงการหลอกลวงโทรศัพท์ การหลอกลวงด้วยเสียง (vishing) และการโจมตีวิศวกรรมสังคม โดยเฉพาะการใช้ซอฟต์แวร์การโคลนเสียงประสาท generative เพื่อปลอมตัวประจำตัวของแต่ละบุคคล Telemarketing โทรศัพท์อัตโนมัติแบบดั้งเดิมโดยไม่มีการโคลนเสียงแยกประเภท
-
อัปเดตครั้งล่าสุด: สิงหาคม 2026 บทสรุปนี้ได้รับการอัปเดตทุกไตรมาส เนื่องจากรายงาน Network Surveillance ผู้บริโภค FTC การหลอกลวงผู้สูงอายุ FBI IC3 และการตรวจสอบมัญชนโทรคมนาคม ได้รับการตีพิมพ์