Oszustwa z klonowaniem głosu przez AI: fałszywy telefon o „nagłym wypadku w rodzinie”

Anatomia fałszywego telefonu alarmowego

Fałszywy telefon o nagłym wypadku w rodzinie to scenariusz złożony z czterech odsłon: głos brzmiący dokładnie jak Pana lub Pani dziecko w rozpaczy, obcy, który przejmuje telefon, ekstremalna presja, by działać natychmiast i nikomu nie mówić, oraz metoda płatności, której nie da się odwrócić. Cała reszta — wypadek, aresztowanie, porwanie — to tylko dekoracja wokół tych czterech ruchów.

Oto jak to przebiega. Telefon dzwoni, czasem z numeru, który wygląda znajomo, ponieważ identyfikację dzwoniącego można sfałszować. Słychać nastolatka — płacz, strach, szybki potok słów: „Mamo, mam kłopoty”. Zanim zdąży Pan lub Pani o cokolwiek zapytać, telefon przejmuje dorosły: policjant, który mówi, że doszło do wypadku, prawnik potrzebujący pieniędzy na kaucję albo porywacz każący nikogo nie zawiadamiać. Potem pada żądanie — tysiące dolarów, natychmiast, przelewem, kartami podarunkowymi, kryptowalutą lub przez kuriera, który już jest w drodze do domu.

Najlepiej udokumentowany jest przypadek Jennifer DeStefano. 20 stycznia 2023 roku ta matka z Arizony odebrała telefon i usłyszała szloch swojej 15-letniej córki — „Mamo, narobiłam kłopotów” — po czym mężczyzna oświadczył, że porwał dziewczynkę, i zażądał 1 miliona dolarów, a następnie obniżył żądanie do 50,000 dolarów w gotówce. Oszustwo runęło po jakichś czterech minutach, gdy osoby z otoczenia dodzwoniły się do jej męża i potwierdziły, że córka jest bezpieczna na wyjeździe narciarskim. Nie stracono żadnych pieniędzy, a DeStefano później opowiedziała tę historię pod przysięgą przed Senatem USA.

Nie możemy już ufać temu, że widzieć znaczy wierzyć, ani temu, że słyszałam to na własne uszy.

— Jennifer DeStefano, zeznanie przed senacką Podkomisją ds. Praw Człowieka i Prawa, 13 czerwca 2023

Nie każda rodzina dostaje te cztery minuty. W lipcu 2025 roku matka z Florydy przekazała 15,000 dolarów w gotówce kurierowi po telefonie, który brzmiał dokładnie jak jej córka opisująca wypadek samochodowy, a następnie po rozmowie z fałszywym obrońcą z urzędu; rodzina jest przekonana, że głos sklonowano z filmów w mediach społecznościowych, a pieniędzy nie odzyskano. Przypadki zażegnane są równie pouczające: prawnik z Filadelfii zeznał przed Senatem, że powstrzymał płatność 9,000 dolarów w kryptowalucie, dzwoniąc najpierw do swojej synowej, a para z Kalifornii zachowała swoje 15,000 dolarów, ponieważ ojciec zadzwonił do aresztu, w którym rzekomo przetrzymywano jego syna, i nie znalazł tam żadnego śladu po nim. W każdym uratowanym przypadku ktoś to sprawdził.

Jedno uczciwe zastrzeżenie: w większości pojedynczych przypadków nikt nigdy nie potwierdza kryminalistycznie, że użyto AI — jedyną pewnością jest ucho ofiary, w panice. Kilka dużych, osądzonych grup działających w schemacie „nagłego wypadku w rodzinie” korzystało z ludzkich naśladowców, a nie z oprogramowania. Dla Pana lub Pani rodziny nie robi to różnicy: obrona przed sklonowanym głosem i przed utalentowanym naśladowcą jest dokładnie taka sama i nie polega na uważniejszym słuchaniu.

Skala nie jest już anegdotyczna. Raport FBI o przestępczości internetowej za 2025 rok po raz pierwszy w historii wyodrębnił oszustwa wspomagane przez AI: 22,364 zgłoszenia i około 893 milionów dolarów zgłoszonych strat, przy czym telefony „alarmowe” z klonowaniem głosu, naśladujące bliskich, przyniosły ponad 5 milionów dolarów — liczbę, którą samo FBI uznaje za zaniżoną, ponieważ ofiary często nie potrafią stwierdzić, czy w grę wchodziła AI. W siedmiokrajowym badaniu McAfee jedna czwarta dorosłych stwierdziła, że doświadczyła głosowego oszustwa z AI albo zna kogoś takiego — a 77% osób, w które wymierzono atak, straciło pieniądze.

Dlaczego głos nastolatka jest surowcem

Ponieważ sklonowanie głosu wymaga dziś sekund nagrania, a głos przeciętnego nastolatka jest już publiczny w dziesiątkach miejsc — filmy, na których mówi, Stories, transmisje na żywo, czat w grach. Badacze z McAfee ustalili, że darmowe narzędzie internetowe potrzebowało zaledwie trzech do czterech sekund nagrania, aby uzyskać 85-procentowe dopasowanie głosu; badawczy model VALL-E firmy Microsoft zademonstrował klonowanie z trzysekundowej próbki. Narzędzia komercyjne wymagają ledwie więcej — około minuty czystego nagrania, w abonamentach kosztujących kilka dolarów miesięcznie.

Zabezpieczenia są cienkie. Gdy Consumer Reports ocenił sześć konsumenckich produktów do klonowania głosu w marcu 2025 roku, okazało się, że cztery z sześciu nie wymagały niczego poza zaznaczeniem pola, aby oświadczyć, że ma się prawo do sklonowania głosu — bez żadnej technicznej weryfikacji, czy mówiący kiedykolwiek wyraził zgodę. Innymi słowy: ktokolwiek dysponuje nagraniem głosu Pana lub Pani nastolatka, może go w praktyce sklonować.

A tych nagrań jest wszędzie pełno. Według badania Pew Research Center z 2025 roku mniej więcej dziewięciu na dziesięciu amerykańskich nastolatków korzysta z YouTube, a około sześciu na dziesięciu z TikToka i Instagrama — i każdy film, na którym ktoś mówi, każde Story, transmisja na żywo, występ w podcaście, wiadomość głosowa na publicznym czacie grupowym czy wycięty fragment rozmowy podczas gry to potencjalna próbka. Do tego dochodzi to, o czym dorośli zapominają: powitanie na poczcie głosowej nagrane własnym głosem nastolatka, odtwarzane automatycznie każdemu, kto zadzwoni. Jak ujęła to edukatorka technologiczna Sinéad Bovell po sprawie DeStefano: większość ludzi została już gdzieś w sieci nagrana — „zwłaszcza jeśli ma się mniej niż 25 lat”.

Dlatego wytyczne FBI uderzają w stronę podażową. Ogłoszenie tej agencji z grudnia 2024 roku dotyczące oszustw z użyciem generatywnej AI radzi rodzinom, aby „ograniczyć internetowe treści ze swoim wizerunkiem lub głosem, ustawić konta w mediach społecznościowych jako prywatne i ograniczyć obserwujących do osób, które się zna”. Nie da się usunąć każdego nagrania, a nastolatek z publicznym kontem twórczym może mieć dobre powody, by pozostać widocznym. Ale większość rodzin może znacząco zmniejszyć cel:

• Domyślnie ustawić konta prywatne na TikToku, Instagramie i YouTube tam, gdzie nastolatek nie potrzebuje publiczności, i przejrzeć obserwujących, zostawiając tylko osoby, które faktycznie zna.
• Wspólnie przejrzeć stare publiczne nagrania — wczesne filmy, transmisje i publiczne wiadomości głosowe, o których nastolatek zapomniał, wciąż da się pozyskać.
• Zastąpić samodzielnie nagrane powitania na poczcie głosowej domyślnym, robotycznym głosem operatora — badacze bezpieczeństwa zwracają uwagę, że spersonalizowane powitanie oddaje czystą, automatycznie odtwarzaną próbkę.
• Wyrobić nawyk cichego odbierania: przy telefonach z nieznanych numerów pozwolić mówić najpierw dzwoniącemu i powiedzieć jak najmniej — niektórzy oszuści nagrywają odpowiedzi, by pozyskać próbkę.

Nie chodzi w tym wszystkim o ukrywanie nastolatka przed internetem; chodzi o to, by wiedzieć, jaka część jego głosu jest publiczna, i decydować świadomie. W przypadku młodszych nastolatków niektórzy rodzice włączają ten przegląd w szersze, otwarcie omawiane monitorowanie dostosowane do wieku tego, co i gdzie jest publikowane — prowadzone w sposób przejrzysty, jako rusztowanie, a nie inwigilacja, zamienia kwestię ekspozycji w stałą rodzinną rozmowę zamiast jednorazowego wykładu.

Dlaczego nie można ufać uszom — ani identyfikacji dzwoniącego

W kontrolowanych badaniach ludzie nie potrafią niezawodnie odróżnić sklonowanej mowy od prawdziwej — a oprogramowanie stworzone do wykrywania klonów wypada jeszcze gorzej. Badanie University College London opublikowane w PLOS ONE w 2023 roku wykazało, że słuchacze wychwytywali mowę deepfake tylko w 73% przypadków, a szkolenie ledwie pomagało. Do 2025 roku margines się załamał: badacze z UC Berkeley ustalili, że ludzie poprawnie oznaczali głosy AI tylko w około 60% przypadków — a porównując prawdziwy głos z jego własnym klonem obok siebie, uznawali je za różnych mówców jedynie w 20% przypadków. Badanie Queen Mary University of London opisane pod koniec 2025 roku wykazało, że słuchacze nie potrafią już statystycznie odróżnić komercyjnych klonów głosu od prawdziwych ludzkich głosów.

A teraz proszę dołożyć to, co robi prawdziwy telefon: skompresowane audio z linii telefonicznej, szum tła, płaczliwy głos i rodzica zalanego adrenaliną. Jeśli spokojni ochotnicy w cichych laboratoriach mylą się raz na cztery razy, przestraszony rodzic o 5 po południu we wtorek nie prześcignie maszyny w słuchaniu. Oprogramowanie wykrywające też nie jest ratunkiem — w teście porównawczym rzeczywistych deepfake'ów dźwiękowych z 2025 roku najlepsze detektory open source traciły niemal połowę mierzonej skuteczności poza warunkami laboratoryjnymi.

Numer telefonu nie jest żadną kotwicą. Fałszowanie identyfikacji dzwoniącego pozwala oszustowi sprawić, by telefon wyglądał, jakby pochodził ze znanego numeru — łącznie z numerem samego nastolatka. A więc dwa sygnały, po które spanikowany umysł sięga najpierw, głos i numer, to dokładnie te dwa, które oszust potrafi sfałszować.

Prawo się tym zajmuje, powoli i z daleka. FCC orzekła w lutym 2024 roku, że głosy generowane przez AI w automatycznych połączeniach są „sztuczne” w rozumieniu Telephone Consumer Protection Act; stanowa ustawa ELVIS Act z Tennessee dała jednostkom prawną podstawę do roszczeń wobec nieautoryzowanego klonowania ich głosu; federalna NO FAKES Act przeszła przez komisję senacką w czerwcu 2026 roku, ale nie jest prawem. Nic z tego nie zatrzymuje telefonu w trakcie dzwonienia: wiele takich połączeń pochodzi z zagranicy, poza praktycznym zasięgiem amerykańskich organów, a nawet głośne kary pozostały niezapłacone. Prowadzi to do jedynego wniosku, na którym opiera się ten artykuł: proszę przestać próbować wykrywać klon — proszę zweryfikować osobę. Protokół weryfikacji to jedyna obrona, którą Pana lub Pani rodzina w pełni kontroluje, i działa niezależnie od tego, czy głos na linii to AI, naśladowca, czy naprawdę własne dziecko.

Rodzinne hasło — ustalone z nastolatkiem, nie za niego

Aby ustalić rodzinne hasło, proszę wspólnie wybrać jedno niemożliwe do odgadnięcia słowo lub frazę, umówić się, że każdy, kto dzwoni w sytuacji kryzysowej, musi je podać, i przećwiczyć je kilka razy w roku. To dziś oficjalna wytyczna: FBI w sprawie oszustw z generatywną AI radzi, aby „stworzyć z rodziną tajne słowo lub frazę do potwierdzania tożsamości” — powtórzoną niemal dosłownie w jej ostrzeżeniu z 2025 roku dotyczącym telefonów o pozorowanych porwaniach.

Proszę zaprojektować je jak hasło do konta, które da się wypowiedzieć na głos. National Cybersecurity Alliance i badacze bezpieczeństwa zbiegają się w tych samych regułach: nic, co da się wyszukać — żadnych imion zwierząt, dat urodzenia, nazw ulic, drużyn ani niczego, co kiedykolwiek pojawiło się w podpisie czy opisie profilu; proszę przekazać je wyłącznie osobiście lub kanałem, któremu się ufa, i nigdy nigdzie nie publikować. Eksperci ds. bezpieczeństwa dodają, że krótka fraza z co najmniej czterech słów jest lepsza niż pojedyncze słowo i że powinna być na tyle łatwa, by przestraszone dziecko zapamiętało ją w stresie. Wewnętrzny żart, który nigdy nie opuścił rodzinnego stołu — „fioletowe naleśniki zjadły moje zadanie domowe” — ma właściwy kształt.

Jedna zasada niesie większość ochrony: to dzwoniący musi podać hasło — nigdy się go nie podpowiada. Eva Velasquez, dyrektor generalna Identity Theft Resource Center, ostrzega, że oszuści grają na emocjach, twierdząc, że są zbyt roztrzęsieni, by pamiętać, i podpuszczając, by wypowiedzieć je za nich („czy chodzi o te naleśniki?”) — w którym to momencie hasło jest spalone. Jeśli głos brzmiący jak własne dziecko nie potrafi podać hasła, proszę się rozłączyć i wybrać jego prawdziwy numer. To cały protokół, a prawdziwego dziecka nie kosztuje nic: ono zna hasło.

Teraz część, której nie zrobi za Pana lub Panią żadna agencja bezpieczeństwa: skłonienie piętnastolatka, by potraktował to poważnie. Proszę przedstawić to jako infrastrukturę rodzinną, a nie bezpieczeństwo dziecka — bo nie chodzi wyłącznie o nie. Ta rozmowa brzmi mniej więcej tak: „Oszuści potrafią teraz podrobić czyjkolwiek głos z klipu na TikToku — łącznie z moim. Jeśli kiedyś odbierzesz telefon, w którym słychać, jak błagam o pieniądze, chcę, żebyś miał sposób, by to sprawdzić. Dlatego potrzebujemy słowa-klucza działającego w obie strony. Ty je wybierz.” Pozwolenie nastolatkowi na wybór hasła robi dwie rzeczy naraz: daje mu poczucie odpowiedzialności za protokół zamiast kolejnej rodzicielskiej zasady i po cichu uczy go modelu zagrożenia. Większość nastolatków, którym daje się szansę ochrony rodziców, a nie bycia chronionymi, podejmuje się tego zadania.

Podoba mi się pomysł ze słowem-kluczem, bo jest prosty i — o ile dzwoniący zachowają na tyle jasność umysłu, by pamiętać, żeby o nie zapytać — nietrywialny do obejścia.

— Hany Farid, badacz kryminalistyki cyfrowej z UC Berkeley, w Scientific American, maj 2024

Zastrzeżenie Farida z tego samego wywiadu to krok, który rodziny pomijają: w przeciwieństwie do hasła do konta rodzinnego hasła prawie nigdy się nie używa, więc się je zapomina. Proszę je ćwiczyć — poprosić o nie znienacka przy kolacji mniej więcej co pół roku, zmierzyć, jak szybko każdy je podaje, pozwolić nastolatkowi samemu zaskoczyć Pana lub Panią próbą. Dwie minuty, dwa razy w roku, i odruch jest na miejscu, gdy staje się potrzebny.

Gdy telefon odbiera nastolatek — i gdy odbiera go babcia

To samo oszustwo może działać w drugą stronę: spanikowany głos brzmiący jak Pan lub Pani, wymierzony w nastolatka. Aby zachować precyzję co do dowodów — udokumentowane przypadki w USA przebiegają dotąd od głosu dziecka do rodzica i nie znaleźliśmy zweryfikowanego zdarzenia, w którym sklonowany głos rodzica użyto wobec nastolatka. Ale język ostrzeżeń FBI jest niezależny od kierunku („podszyć się pod bliskiego krewnego”), firmy bezpieczeństwa wprost zalecają dzielenie się słowem-kluczem z dziećmi, aby mogły podważyć telefon, a numer nastolatka często łatwiej znaleźć niż numer rodzica. Wyposażenie ich w to nic nie kosztuje i korzysta z protokołu, który już mają.

Proszę nauczyć nastolatka tej procedury w tych samych słowach, w których Pan lub Pani się jej nauczyli. Sygnałem jest sytuacja, nie dźwięk: pośpiech, tajemniczość i pieniądze pojawiające się razem w jednym telefonie. Reakcja jest mechaniczna — rozłączyć się, zadzwonić na zapisany numer mamy lub taty, a jeśli to zawiedzie, napisać wiadomość, potem spróbować drugiego rodzica, rodzeństwa albo miejsca pracy rodzica — a jeśli w ogóle nie da się dotrzeć do żadnego dorosłego, zadzwonić na 911. I jedna zasada, którą warto im przekazać: dzwoniący, który żąda tajemnicy — zostań na linii i nikomu nie mów, schowaj się, wyłącz telefon — nie próbuje ci pomóc. Samo to połączenie jest sygnałem — edukatorzy ds. bezpieczeństwa dzieci ujmują to wprost: prośba, by z nikim się nie kontaktować, jest oszustwem. Ma to znaczenie, bo nastolatki bywały celem bezpośrednio: w jednym szeroko opisywanym „cyberporwaniu” — bez żadnego klonowania głosu, przy samym telefonicznym przymusie — oszuści trzymali 17-letniego ucznia z wymiany odizolowanego w namiocie, wymuszając na jego rodzicach 80,000 dolarów.

Potem jeszcze jeden telefon — do dziadków. Telefoniczne oszustwo „wnuczek w tarapatach” wyprzedza AI o całe dekady, a pozyskany klip głosu nastolatka ulepsza je dokładnie tam, gdzie było najsłabsze: w głosie. Washington Post udokumentował rodziny po obu stronach wyniku — babcię zatrzymaną w banku przez czujnego kierownika i inną rodzinę stratną o 21,000 dolarów kanadyjskich w Bitcoinie po tym, jak usłyszała pozorny głos syna. Komisariaty policji przyjmują dziś liczne zgłoszenia sklonowanych głosów dzieci w fałszywych telefonach o wypadkach i uprowadzeniach kierowanych do rodziców i dziadków. Dziadkowie nie potrzebują modelu zagrożenia — potrzebują dwóch zdań: „Jeśli ktoś zadzwoni i będzie brzmiał jak ktoś z nas w tarapatach, poproś o rodzinne hasło. Potem rozłącz się i oddzwoń do nas na nasz zwykły numer, cokolwiek dzwoniący powie.”

Gdy telefon zadzwoni — i gdy pieniądze już wypłynęły

Jeśli nadejdzie podejrzany telefon, proszę najpierw zweryfikować, zanim cokolwiek innego; jeśli pieniądze już wypłynęły, liczy się przede wszystkim szybkość. W trakcie rozmowy rada FTC jest bezceremonialna: nie ufać głosowi.

• Nie zdradzać niczego. Nie potwierdzać imion ani pokrewieństw — „Który wnuczek? Tomek?” podaje oszustowi gotowy scenariusz.
• Poprosić o hasło i pozwolić, by cisza się przeciągnęła. Zwłoka, unik albo „jestem zbyt zdenerwowany” to Pana lub Pani odpowiedź.
• Rozłączyć się i oddzwonić na zapisany numer — nigdy na ten, z którego właśnie dzwoniono, bo może być sfałszowany. Nie da się dodzwonić? Proszę spróbować wiadomości, innego członka rodziny albo pytania, na które może odpowiedzieć tylko prawdziwa osoba.
• Nie da się potwierdzić, że są bezpieczni? Proszę zadzwonić z innego telefonu na 911 lub lokalną policję i opowiedzieć o rozmowie — sprawdzenie możliwego porwania czy wypadku to dokładnie to, do czego są powołani.
• Metodę płatności proszę potraktować jako wyrok: przelew, karty podarunkowe, kryptowaluta, aplikacje płatnicze lub kurier przyjeżdżający do domu oznaczają oszustwo — żadna prawdziwa policja, szpital ani sąd nie żąda w ten sposób zapłaty podczas niezamówionego telefonu alarmowego.

Jeśli pieniądze już wypłynęły, proszę działać w tej kolejności. Karty podarunkowe: natychmiast zadzwonić do firmy, która je wydała, zachować kartę i paragon — niektórzy wydawcy potrafią zwrócić środki z niewykorzystanych kart. Przelew: od razu zadzwonić do firmy realizującej przelew i do swojego banku, zgłosić przelew jako oszukańczy i poprosić o jego cofnięcie. Kryptowaluty zwykle nie da się odzyskać — mimo to proszę ją zgłosić. Następnie proszę złożyć zawiadomienie do FBI na ic3.gov — i napisać w zgłoszeniu, że w grę wchodziło klonowanie głosu przez AI, ponieważ statystyki FBI dotyczące oszustw z AI liczą tylko przypadki, które ofiary tak oznaczą — oraz do FTC na ReportFraud.ftc.gov, a także na lokalną policję. Każde zgłoszenie wyostrza też publiczny obraz przestępstwa, które samo FBI uznaje za niedoszacowane.

Na koniec proszę zadbać o rodzinne następstwa. Rodzic lub dziadek, który zapłacił, nie jest łatwowierny — usłyszał głos swojego dziecka, spreparowany tak, by ominąć dokładnie ten rozsądek, którego brak mu wypominamy. A jeśli pozyskane nagranie pochodziło z publicznych filmów nastolatka, to również nie jest wina nastolatka; wina leży po stronie narzędzi, które klonują czyjkolwiek głos po zaznaczeniu jednego pola. Proszę omówić sprawę bez obwiniania, zaktualizować protokół i potraktować tę próbę tak, jak potraktowałoby się włamywacza sprawdzającego klamki: niepokojąco, pouczająco i możliwie do przetrwania. Szersza mapa tego, jak media syntetyczne docierają do nastolatków — łącznie z fałszywymi zdjęciami i filmami — znajduje się w naszych przewodnikach o tym, czym są deepfake'i, oraz o zagrożeniach AI dla nastolatków.

Często zadawane pytania