「媽,我被綁架了!」AI只需要3秒偽造聲音,成詐騙新招!超真實哭腔你能分辨嗎?
「媽,我被綁架了!」AI只需要3秒偽造聲音,成詐騙新招!超真實哭腔你能分辨嗎?

近日,中國AI換臉新型詐騙頻傳,有人10分鐘被騙430萬元,一度沖上熱搜,引發關注。但利用AI進行詐騙並不止發生在中國。有專家統計,在美國過去一年裡AI詐騙事件,與同期相比增幅超過50%。

自2022年11月ChatGPT引爆生成式AI的熱潮以來,文字、圖像、語音和影片類的AI技術加速進化,在帶來生產力革命潛力的同時,也給了犯罪分子強大的工具。幾美元付費軟體加幾秒語音就能合成以假亂真的人聲。

除了容易上當受騙的老人族群,連商業精英也沒能躲過。面對此類新型詐騙該如何防範?《每日經濟新聞》記者連線倫敦大學學院電腦科學家、人工智慧專家Peter Bentley教授。

「AI女兒」哭著求助,AI造假對話僅需5美元就能生成

4月末的一天,美國一位叫詹妮弗·德斯特凡諾的女性接到一通陌生電話——「媽媽,我搞砸了!」電話那頭傳來正在外地備戰滑雪比賽的大女兒布里安娜的聲音,不斷向她求救。

「聽著,你女兒在我手裡,你如果打電話報警或者告訴其他任何人,我就給她下藥,把她玩夠了就扔她去墨西哥,你永遠別想再見到她了。」一個低沈的男人聲音在電話裡威脅道,並要求詹妮弗支付100萬美元的贖金。

詹妮弗當場嚇壞了,她表示自己拿不出100萬美元來,電話那頭的男子「大減價」到了5萬美元。掛斷電話後,詹妮弗旁邊的友人報了警,並且試圖說服她這是一個騙局,但愛女心切的母親根本聽不進去,因為「女兒」的哭泣聲實在是太真實。後來,詹妮弗已經開始和對方討論匯款的方式,幸虧女兒及時打電話報平安,才避免財產損失。

「當母親的能認出自己的孩子,就算孩子和我隔著一棟樓,當她哭泣時我也知道那是我的孩子。」回憶起電話裡和女兒一模一樣的聲音,詹妮弗仍然感到驚訝。

據外媒報導,隨著AI技術的發展,犯罪分子能夠僅憑一個人在社群媒體上數秒鐘的聲音素材生成遭綁架的對話片段,以此勒索錢財,成本可能僅僅需要每月5美元的AI程式使用費。

「大型語言模型可以按照任何風格編寫文本,所以如果你有一些電子郵件或社群媒體交流的樣本,現在很容易讓AI用來學習並假裝成你本人。經過訓練後,生成式AI算法還可以輕而易舉生成以假亂真的影音。隨著越來越多的應用程式具備這些功能,它變得越來越容易獲得。」倫敦大學學院電腦科學家、人工智慧專家Peter Bentley教授對《每日經濟新聞》表示,「除非我們能提醒每個人更多地意識到危險,否則代價可能是巨大的。」

AI詐騙件數在美國暴漲,連商業菁英也逃不過騙局

美國聯邦貿易委員會(FTC)5月發布警告,稱不法分子正在利用AI語音技術偽造緊急情況騙取錢財或訊息,在新冠疫情期間,此類騙局暴漲了70%。美國紐約州國際詐騙問題專家Michael Skiba5月對媒體表示,過去一年裡,美國AI詐騙的案件數量和同期相比已經上漲了50%到75%之間。

雖然利用AI技術詐騙造成的損失沒有單獨統計,但美國聯邦調查局3月公布的年度報告顯示,2022年美國網路詐騙造成的損失達103億美元,創下五年來新高,並指出面向老年人的AI語音騙局是重災區。

AI合成技術的成熟,在中國爆火的AI孫燕姿翻唱影片得到淋漓盡致的展示。無限逼近真實的AI人聲,意味著不只是家庭主婦或者爺爺奶奶輩才會被騙,就連商業精英也難以分辨。

延伸閱讀:AI孫燕姿爆紅,孫燕姿大氣回「做自己已足夠」!AI歌手怎麼翻轉華語樂壇?

據Gizmodo報導,英國一名能源公司的CEO的聲音被詐欺犯用AI技術合成,隨後詐欺犯利用合成聲音指導電話轉帳,騙取了22萬英鎊到自己的匈牙利帳戶。該CEO表示,他後來自己聽到這段AI合成語音時都震驚了,因為這段語音不僅能模仿他平時的語調,甚至連他「微妙的德國口音」特徵也模仿到了。

AI詐騙激增,該如何防範?

自ChatGPT引爆生成式AI的熱潮,科技巨頭和創業公司爭先恐後地推出和升級AI產品。技術加速叠代,應用越來越便宜,而監管手段和力度一時難以應付,AI詐騙構成了迫切的挑戰。

2023年初,微軟推出的新模型VALL·E只需要3秒素材,就可以複製任何人的聲音,甚至連環境背景音都能模仿。ElevenLabs、Murf、Resemble 和Speechify等公司早已提供生成AI語音的服務,包月費用最低從幾美元到100美元的高級套餐不等。

美國加州大學柏克萊分校的數位鑑識學教授法里德(Hany Farid)表示,一兩年前克隆一個人的聲音還需要大量的音頻數據,現在僅需要短影片裡的人聲,AI軟體就可以分析年齡、性別、口音等特質,然後搜索龐大的聲音數據庫,找到類似的聲音並預測模式,從而重建個人的整體類似聲音。「這很可怕,具備釀成大禍的所有條件。」他表示。

據外媒報導,詹妮弗也懷疑詐騙者是透過她女兒的社群媒體帳號獲取的聲音,她表示,布里安娜有一個私人TikTok帳號和一個公開的Instagram帳號,裡片包含她滑雪比賽的照片和影片。

如果AI語音加上同樣成熟的「換臉」技術,「眼見為實」也很容易成為過去式。「目前的AI聲音、影片詐騙,如果你非常仔細地看和聽,就可能會在發現一些奇怪的錯誤或聲調。」Peter Bentley教授表示,「但不幸的是,許多人在使用手機通話時使用了噪音過濾器來減少噪音,這讓真實的人可能聽起來像假的,而假的人可能聽起來卻像真的,所以我們目前已經不能再假設我們在螢幕上看到或聽到的任何東西都是真實的了。」

普通人如何防範被騙?Peter Bentley教授表示,目前還沒有百分百能夠識別AI生成和真實之間區別的方法。

「所以最好的建議是:保持懷疑,仔細檢查任何向你要錢或個人訊息的人,即使他看起來是一個值得信賴的朋友或家人。一定要給他們回電話,最好是視訊,或者最好是親自見他們,看看請求是否真實。如果你需要朋友幫忙,那就親自去找他們談談。不管怎樣,這才是恰當的做法!」Peter Bentley教授表示。

延伸閱讀:奧特曼:OpenAI可能退出歐洲!歐盟AI法案怎麼規定?為何業界大佬喊出走?

本文授權轉載自:網易科技

責任編輯:蘇祐萱

關鍵字: #AI
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓