Scammers का समय उनके खिलाफ मोड़ने के लिए AI तैनात
Artificial intelligence online fraud के कई रूपों को तेज कर रही है, लेकिन यह scams चलाने वाले लोगों को बाधित करने का tool भी बन रही है। एक बढ़ता हुआ anti-cybercrime approach conversational AI का इस्तेमाल plausible targets का रूप धारण करने के लिए करता है। इससे scammers phone calls और online exchanges में उलझते हैं, उनका समय खर्च होता है और उनके operations के बारे में information जुटती है।
Australian company Apate इस strategy पर काम करने वाली संस्थाओं में शामिल है। पिछले दो वर्षों से वह ऐसा system विकसित कर रही है, जो phone scammers को ऐसे AI bots की ओर मोड़ सके जो money या sensitive information दिए बिना बातचीत जारी रखें। विचार सीधा है: synthetic victim को मनाने में बिताया गया हर minute वह समय है जिसे scammer किसी वास्तविक व्यक्ति तक पहुँचने में इस्तेमाल नहीं कर रहा।
यह premise महत्वपूर्ण है क्योंकि बड़े fraud operations automated dialing और high-volume messaging पर निर्भर हो सकते हैं। एक convincing conversational exchange scam network को खत्म नहीं कर सकता, लेकिन वह उस efficiency में बाधा डाल सकता है जो ऐसे networks से निपटना कठिन बनाती है। इससे ऐसी intelligence भी मिल सकती है जो banks, telecommunications providers और investigators को active campaigns पहचानने में मदद करे।
विश्वसनीय लेकिन असुरक्षित न होने वाले targets बनाना
Apate के founder और chief executive Dali Kaafar का कहना है कि लक्ष्य scammer के नजरिए से “perfect victims” बनाना है: ऐसे targets जो बातचीत जारी रखने लायक persuadable दिखें, लेकिन वास्तव में fraud का शिकार न हों। Bots callers को यह उम्मीद दिलाने के लिए बनाए गए हैं कि payment, account detail या कोई अन्य outcome उनकी पहुँच में हो सकता है, जिससे system उनका ध्यान बनाए रख सके।
Company का कहना है कि उसका platform banks इस्तेमाल करते हैं और telecommunications companies इसका support करती हैं, तथा इसके लगभग 350,000 bots हैं। Kaafar के अनुसार ये bots केवल phone calls का जवाब नहीं देते। वे scam chat groups में शामिल होकर text messages का reply भी कर सकते हैं, जिससे यही delaying और intelligence-gathering approach अलग-अलग channels में लागू होती है।
System में अलग-अलग personalities, language abilities और user profiles का इस्तेमाल किया जाता है ताकि responses repetitive या आसानी से पहचाने जाने योग्य न हों। कुछ bot personas WhatsApp इस्तेमाल कर सकते हैं, कुछ नहीं। कुछ call का जवाब देंगे, जबकि कुछ call समाप्त कर बाद में लौटने का सुझाव देंगे। यह variation tactic का केंद्र है: anti-scam bot को argument जीतने की जरूरत नहीं; उसे इतना credible बने रहना है कि potential victims से scammers का ध्यान हटे।
Intelligence delay जितनी ही महत्वपूर्ण
Time-wasting model का केवल एक हिस्सा है। Apate का कहना है कि उसने fraudsters के बारे में real-time information के 250,000 से अधिक items जुटाए हैं, जिनमें scam URLs, money-mule accounts और bank details शामिल हैं। यह information उपयोगी हो सकती है क्योंकि fraud operations अक्सर phone numbers, payment routes, links और messaging accounts के बदलते network पर निर्भर करती हैं।
सिद्धांत रूप में live interactions के दौरान जुटाई गई intelligence defensive systems को अधिक responsive बना सकती है। Bank किसी suspicious payment destination की पहचान कर सकता है; telecom provider recurring number या pattern पहचान सकता है; platform scam link पर action ले सकता है। Article यह नहीं बताता कि हर item कैसे verify या share किया जाता है, इसलिए data के scale और operational impact को company के account के रूप में देखा जाना चाहिए। लेकिन यह दिखाता है कि defenders ऐसे conversational systems में क्यों रुचि रखते हैं जो engage भी कर सकें और observe भी।
यह model traditional public-awareness campaigns से अलग है, जो लोगों से warning signs पहचानने और suspicious requests ठुकराने को कहती हैं। Education महत्वपूर्ण है, लेकिन इससे burden काफी हद तक individual users पर रहता है। AI decoys इस burden का कुछ हिस्सा attackers की ओर वापस ले जाने की कोशिश करते हैं, ऐसे targets के जरिए जो चौबीसों घंटे उपलब्ध हों और scale पर engage कर सकें।
Realism की प्रतिस्पर्धा
इस approach की usefulness एक कठिन सवाल पर निर्भर है: क्या bots professional scammers के लिए believable बने रह सकते हैं? Fraudsters जल्दी adapt करते हैं और कई anxious या distracted लोगों को scripted interactions से guide करने का अनुभव रखते हैं। यदि वे bot को आसानी से पहचान लें, तो deterrent effect कम हो जाएगा और operation अपने methods के बारे में information उजागर कर सकता है।
इसीलिए persona design, language variation और imperfect human-like behavior महत्वपूर्ण हैं। बहुत polished voice या repeated response pattern भी obvious refusal जितना suspicious हो सकता है। Effective decoys को continued engagement प्रोत्साहित करने लायक convincing होना चाहिए, लेकिन firm safety boundaries के भीतर रहना चाहिए: वे वास्तविक credentials नहीं दे सकते, money transfer नहीं कर सकते या legitimate लोगों के लिए नए risks पैदा नहीं कर सकते।
Deceptive defensive systems का इस्तेमाल कहाँ और कब किया जाए, इसे लेकर व्यापक सवाल भी हैं। वे valuable intelligence जुटा सकते हैं, लेकिन deploying organizations को data handling, authorities के साथ collaboration और real users के साथ unintended interactions से बचने के लिए controls चाहिए। Article technology की potential बताता है, पर governance या independent effectiveness testing का पूरा विवरण नहीं देता।
Generative AI का उभरता defensive उपयोग
AI-enabled fraud के बढ़ने से technology को केवल cybercrime amplifier के रूप में देखना आसान हो गया है। Scam operations automation से reach बढ़ा सकते हैं और realistic text तथा voice manipulation को पहचानना कठिन बना सकते हैं। AI decoys का उपयोग इसका counterpoint प्रस्तुत करता है: natural-seeming conversations करने की वही क्षमता defense की ओर मोड़ी जा सकती है।
हर malicious call को किसी तक पहुँचने से पहले रोकने की कोशिश करने के बजाय, ये systems contact होने के बाद scams की economics बदलने का लक्ष्य रखते हैं। यदि fraudster bot और prospective victim में जल्दी अंतर न कर सके, तो हर false lead operation की productivity घटा सकती है। पर्याप्त scale पर इससे high-volume scam campaigns अधिक महंगी और कम rewarding हो सकती हैं।
इस tactic को enforcement, stronger platform safeguards या consumer protection का substitute मानना अभी जल्दबाजी होगी। लेकिन यह cyber defense में passive filtering से active engagement की ओर बदलाव दिखाती है। इस बदलाव में AI केवल suspicious activity screen नहीं कर रही; वह उसके पीछे मौजूद लोगों को व्यस्त रखने की कोशिश भी कर रही है।
अगली कसौटी measurable impact है
Conversational anti-scam systems के पक्ष में मजबूत तर्क results के evidence पर निर्भर करेगा: कम successful scams, campaigns की छोटी lifetimes, अधिक उपयोगी intelligence और false positives या unintended consequences का स्पष्ट हिसाब। Companies, banks और telecoms को यह भी तय करना होगा कि ये systems existing reporting और fraud-response processes में कैसे फिट होते हैं।
फिलहाल Apate का काम दिखाता है कि AI scammer के मुख्य resource—time—को vulnerability में बदल सकती है। Cybercriminals outreach को तेजी से automate कर रहे हैं, तो defenders उन्हें busy रखने के काम को भी automate करना शुरू कर रहे हैं।
यह लेख Wired की reporting पर आधारित है। मूल लेख पढ़ें।
Originally published on wired.com
