Deepfake w wideo i audio – jak rozpoznać cyfrowe manipulacje i oszustwa prezesa na „AI”?

Jeszcze niedawno fałszywy e-mail od prezesa można było rozpoznać po błędach językowych, nietypowym adresie nadawcy albo podejrzanym załączniku. Dziś przestępca może zadzwonić głosem członka zarządu, wysłać nagranie z jego twarzą, a nawet zorganizować wideokonferencję, podczas której „prezes” i „dyrektor finansowy” wydają się potwierdzać przelew. Deepfake wideo i deepfake audio przestały być wyłącznie problemem dezinformacji. Stały się narzędziem oszustwa finansowego, kradzieży tożsamości i wywierania presji na pracowników.

Skala zagrożenia rośnie wraz z dostępnością narzędzi generatywnej AI. W badaniu Deloitte ponad połowa przedstawicieli kadry C-suite i innych menedżerów, dokładnie 51,6 proc., spodziewała się wzrostu liczby i wartości ataków deepfake wymierzonych w dane finansowe i księgowe organizacji.

Czytaj więcej…

  • czym jest deepfake audio i deepfake wideo oraz jak powstaje,
  • dlaczego głos prezesa nie jest już wystarczającym potwierdzeniem tożsamości,
  • jak rozpoznać manipulację podczas rozmowy telefonicznej i wideokonferencji,
  • dlaczego presja czasu jest jednym z najważniejszych sygnałów ostrzegawczych,
  • jak firmy powinny zabezpieczać przelewy i decyzje finansowe,
  • co zmieniły przepisy AI Act obowiązujące w Unii Europejskiej od sierpnia 2026 r.

Spis treści

Deepfake prezesa: oszustwo zaczyna się od zaufania

Mechanizm oszustwa jest prosty: przestępca nie musi włamywać się do systemu bankowego, jeśli uda mu się nakłonić człowieka do wykonania autoryzowanej operacji. Wystarczy więc przekonująco odtworzyć osobę, która w organizacji ma odpowiedni autorytet.

Do stworzenia cyfrowej imitacji wystarczą materiały, które przedsiębiorstwo i jego kadra zarządzająca często publikują dobrowolnie: nagrania konferencji, wywiady, wystąpienia dla inwestorów, podcasty, materiały wideo czy rozmowy dostępne w mediach społecznościowych.

Problem jest szczególnie poważny w działach finansowych. W 2025 r. badanie IRONSCALES przeprowadzone wśród 500 specjalistów IT z organizacji zatrudniających od 1000 do 10 tys. pracowników wykazało, że 55 proc. firm odnotowało w poprzednich 12 miesiącach straty związane z deepfake lub oszustwami wykorzystującymi sztucznie wygenerowany głos. Średnia strata przekraczała 280 tys. dolarów na incydent.

To ważna zmiana w myśleniu o cyberbezpieczeństwie. Atak nie musi wyglądać jak atak. Może wyglądać jak zwykła rozmowa z szefem.

Jak rozpoznać deepfake wideo? Nie wystarczy patrzeć na twarz

Pierwszym błędem jest przekonanie, że deepfake zawsze zdradza się nienaturalną twarzą, dziwnymi ruchami ust czy charakterystycznym „plastikowym” wyglądem. Najnowsze generatory są znacznie bardziej przekonujące, a jakość nagrania dodatkowo może ukrywać niedoskonałości.

Warto zwracać uwagę na cały kontekst materiału, a nie tylko na mimikę.

  • Czy ruch ust idealnie odpowiada wypowiadanym słowom?
  • Czy mimika pozostaje naturalna podczas szybkiej rozmowy?
  • Czy światło, cienie i odbicia są spójne?
  • Czy obraz twarzy nie zmienia się nienaturalnie przy ruchu głowy?
  • Czy jakość obrazu nie pogarsza się właśnie wtedy, gdy pojawia się istotny fragment rozmowy?
  • Czy osoba na ekranie zachowuje się tak, jak zwykle zachowuje się prawdziwy rozmówca?

Najważniejsza zasada brzmi jednak: nie próbuj rozstrzygać autentyczności wyłącznie na podstawie obrazu.

Badania nad detekcją syntetycznych materiałów pokazują, że klasyczne poszukiwanie pojedynczych „artefaktów AI” staje się coraz mniej skuteczne. Współczesne podejście coraz częściej analizuje jednocześnie obraz, dźwięk, ruch, zgodność wypowiedzi oraz zgodność przedstawionych wydarzeń z rzeczywistością.

Jeżeli więc podczas wideokonferencji „CFO” poleca przelać milion złotych na nowe konto, pytanie nie powinno brzmieć wyłącznie: „Czy to naprawdę on?”. Powinno brzmieć: „Jak niezależnie potwierdzimy, że to naprawdę on i że ta dyspozycja jest autentyczna?”

Deepfake audio: głos prezesa może już nie być dowodem

Głos jest szczególnie niebezpiecznym kanałem ataku, ponieważ człowiek bardzo szybko rozpoznaje znajome brzmienie. W biznesie dochodzi do tego autorytet stanowiska. Jeśli pracownik słyszy charakterystyczny głos prezesa, prośba o wykonanie przelewu może zostać potraktowana jako polecenie służbowe, a nie potencjalne oszustwo.

Technologia syntezy mowy potrafi naśladować barwę, akcent, tempo i sposób wypowiadania się konkretnej osoby. W raporcie Pindrop z 2025 r. wskazano, że głosy generowane maszynowo lub odtwarzane stanowiły 0,9 proc. wszystkich potwierdzonych przypadków oszustw analizowanych przez firmę; w IV kwartale 2024 r. udział ten w niektórych analizach wzrósł do niemal 2 proc.

Dlatego nie warto opierać procedury bezpieczeństwa na zasadzie „znam głos prezesa, więc wiem, z kim rozmawiam”.

Sygnałem ostrzegawczym mogą być:

  • nietypowe pauzy lub nienaturalny rytm wypowiedzi,
  • dziwna intonacja przy emocjonalnych fragmentach,
  • brak możliwości odpowiedzi na pytania wykraczające poza przygotowany scenariusz,
  • nietypowa jakość dźwięku lub zmiany charakterystyki głosu,
  • presja na szybkie wykonanie operacji,
  • prośba o pominięcie standardowej procedury.

Żaden z tych elementów nie jest jednak samodzielnym dowodem na deepfake. Najbezpieczniejsza jest weryfikacja tożsamości drugim, niezależnym kanałem.

Największy alarm? Pilny przelew i prośba o zachowanie tajemnicy

Najbardziej skuteczny deepfake nie musi być perfekcyjny technicznie. Wystarczy, że przestępca połączy wiarygodny obraz lub głos z odpowiednią psychologią.

Typowy scenariusz może wyglądać następująco: pracownik finansowy otrzymuje wiadomość od „prezesa”, następnie dołącza do rozmowy wideo, widzi kilka znajomych twarzy i słyszy polecenie wykonania pilnego przelewu. Pojawia się argument o poufnej transakcji, przejęciu spółki albo konieczności zamknięcia operacji przed końcem dnia.

Głośnym przykładem był przypadek firmy Arup w Hongkongu, gdzie pracownik został przekonany podczas fałszywej wideokonferencji do wykonania 15 przelewów o łącznej wartości około 200 mln dolarów hongkońskich, czyli około 25 mln dolarów.

W takich sytuacjach najbardziej podejrzane są niekoniecznie błędy techniczne, lecz odstępstwa od procedur.

  • „Zrób to natychmiast”.
  • „Nie informuj nikogo”.
  • „Nie kontaktuj się z bankiem”.
  • „To poufna transakcja”.
  • „Standardowa procedura tym razem nie obowiązuje”.
  • „Jestem na spotkaniu, nie mam czasu na dodatkowe potwierdzenia”.

To język, który ma wyłączyć mechanizmy kontroli. AI staje się wtedy tylko narzędziem do zwiększenia wiarygodności manipulacji.

Jak firma powinna zweryfikować polecenie prezesa?

Najskuteczniejszą ochroną przed deepfake nie jest pojedynczy program do wykrywania AI, ale architektura zaufania. Każda operacja finansowa powinna mieć określony sposób niezależnego potwierdzenia.

Jeżeli prezes podczas rozmowy wideo wydaje dyspozycję przelewu, pracownik powinien zakończyć rozmowę i skontaktować się z nim przez wcześniej zweryfikowany numer telefonu lub wewnętrzny kanał komunikacji. Nie należy korzystać z numeru podanego w podejrzanej wiadomości.

Warto również wprowadzić procedurę „four eyes”, czyli zasadę, w której wysokokwotowy przelew wymaga zatwierdzenia przez co najmniej dwie osoby.

Dobre praktyki obejmują:

  • niezależne potwierdzanie dużych przelewów,
  • rozdzielenie uprawnień do przygotowania i zatwierdzania płatności,
  • ustalenie limitów kwotowych,
  • używanie wcześniej zdefiniowanych kanałów komunikacji,
  • wprowadzenie słowa lub pytania kontrolnego dla szczególnie wrażliwych operacji,
  • szkolenia pracowników finansowych i zarządów,
  • przygotowanie procedury reagowania na podejrzenie deepfake,
  • dokumentowanie nietypowych dyspozycji i ich późniejszej weryfikacji.

Warto przy tym pamiętać o zasadzie zero trust: tożsamość rozmówcy należy potwierdzać, zamiast zakładać ją na podstawie tego, co widzimy i słyszymy.

AI Act w 2026 roku: deepfake musi być oznaczony

W 2026 r. problem deepfake ma także wyraźny wymiar regulacyjny. Od 2 sierpnia 2026 r. zaczęły mieć zastosowanie obowiązki dotyczące przejrzystości wynikające z art. 50 unijnego AI Act. Komisja Europejska opublikowała w lipcu 2026 r. szczegółowe wytyczne dotyczące ich stosowania.

Przepisy obejmują m.in. treści audio, obrazy i wideo wygenerowane lub zmanipulowane przez AI, które stanowią deepfake. Podmioty wdrażające takie systemy powinny jasno informować odbiorców o sztucznym wygenerowaniu lub zmanipulowaniu materiału. Jednocześnie dostawcy systemów generatywnej AI mają stosować rozwiązania umożliwiające maszynowe wykrywanie treści syntetycznych, tam gdzie jest to technicznie wykonalne.

Istotny jest także okres przejściowy. Komisja wskazuje, że dla niektórych systemów generatywnej AI wprowadzonych na rynek przed 2 sierpnia 2026 r. obowiązek znakowania może korzystać z okresu przejściowego do 2 grudnia 2026 r.

Przepisy nie oznaczają jednak, że każde nagranie stworzone przy pomocy AI jest automatycznie oszustwem. Kluczowe znaczenie ma kontekst i możliwość wywołania fałszywego wrażenia autentyczności.

Detekcja AI nie zastąpi zdrowego rozsądku

Na rynku działa coraz więcej narzędzi do automatycznego wykrywania syntetycznych nagrań. Mogą analizować obraz, dźwięk, ruch twarzy, ślady generowania oraz inne cechy pliku. Problem polega na tym, że również generatory AI nie stoją w miejscu.

Najnowsze badania wskazują na rosnącą lukę między wynikami detektorów w warunkach laboratoryjnych a ich skutecznością wobec materiałów rzeczywiście krążących w internecie. Jedno z badań opublikowanych w 2026 r. wskazuje, że wydajność części modeli detekcyjnych może znacząco spadać w przypadku nowych, nieznanych wcześniej sposobów generowania lub modyfikacji materiału.

Dlatego wynik programu „AI detector: 82 proc. prawdopodobieństwa deepfake” nie powinien być traktowany jak cyfrowy wyrok. Detekcja jest warstwą bezpieczeństwa, a nie substytutem procedury.

W biznesie najważniejsza jest odpowiedź na trzy pytania:

  1. Kto wydał polecenie?
  2. Czy polecenie zostało potwierdzone niezależnym kanałem?
  3. Czy operacja jest zgodna z procedurą i profilem działalności firmy?

Jeżeli odpowiedź na którekolwiek z nich brzmi „nie”, przelew powinien zostać wstrzymany do czasu wyjaśnienia.

Prezes jako cyfrowy klucz do firmowych pieniędzy

Deepfake zmienia fundamentalną zasadę bezpieczeństwa w biznesie: widzieć i słyszeć nie oznacza już wierzyć.

Jeszcze kilka lat temu rozmowa telefoniczna z prezesem albo wideokonferencja z członkiem zarządu mogły być traktowane jako naturalny dowód autentyczności. Dziś głos, twarz i sposób wypowiadania się można syntetycznie odtworzyć. W konsekwencji firma musi chronić nie tylko hasła, urządzenia i konta, lecz także cyfrową tożsamość swoich najważniejszych osób.

To szczególnie istotne w finansach, gdzie jedna przekonująca rozmowa może zakończyć się przelewem liczonym w milionach.

Najważniejsza lekcja z ery deepfake jest więc prosta: nie należy pytać wyłącznie, czy nagranie wygląda prawdziwie. Trzeba sprawdzić, czy decyzja, którą nagranie ma wywołać, została prawidłowo uwierzytelniona.

W 2026 r. technologia pozwala coraz lepiej podrobić prezesa. Nadal jednak można zbudować procedury, w których nawet idealny cyfrowy sobowtór nie będzie miał wystarczających uprawnień, aby samodzielnie uruchomić firmowy przelew.

Dodaj komentarz