Խարդախներն ավելի ու ավելի ակտիվ են օգտագործում սովորական թվային ծառայությունները՝ մարդկանց խաբելու համար։ Կեղծ բնակչական շենքի չատը, սոցիալական ցանցում համոզիչ պրոֆիլը կամ նեյրոցանցի առաջարկությունը կարող են հանգեցնել փողի և անձնական տվյալների կորստի։ Արհեստական բանականությունը օգնում է հանցագործներին ստեղծել հավաստի հաղորդագրություններ, նմանակել ձայներ և առաջ մղել խարդախ կայքեր։ Միևնույն ժամանակ խաբեության հիմնական գործիքը մնում է նույնը՝ մարդու վստահությունը այն ամենի նկատմամբ, ինչ ծանոթ և հուսալի է թվում։

Կեղծ շենքային չատեր․ խարդախները՝ հարևանների անվան տակ

Չարագործները ստեղծում են բնակիչների կեղծ չատեր կամ միանում իրական խմբերին, հատկապես նոր բնակելի համալիրներում, որտեղ հարևանները դեռ լավ չեն ճանաչում միմյանց։ Շփման առիթը սովորաբար լիովին առօրեական է թվում՝ քվեարկություն բարեկարգման համար, տան չատում գրանցում, կառավարման ընկերության կողմից տվյալների ստուգում կամ домофոնի նոր բանալի ստացում։

Այնուհետև մասնակիցներին առաջարկում են անցնել հղումով, սկանավորել QR կոդը, տեղադրել հավելված կամ հայտնել SMS-ից ստացված կոդը։ Ինքնությունը հաստատելու պատրվակով խարդախները փորձում են մուտք ստանալ զոհի հաշիվ։ Կախված իրավիճակից՝ դա կարող է լինել մեսենջերի կամ այլ ծառայության հաշիվ։

Ստանալով վերահսկողություն հաշվի նկատմամբ՝ հանցագործները կարող են դրա տիրոջ անունից գրել ծանոթներին, տարածել վնասակար հղումներ և գումար խնդրել։ Այդպես հարձակումը տարածվում է ավելի հեռու․ ծանոթ մարդուց եկած հաղորդագրությունները ավելի քիչ կասկած են առաջացնում, քան անհայտ համարից դիմումները։

Վստահության ֆաբրիկաներ․ ԱԲ-ն օգնում է ստեղծել համոզիչ ինքնություններ

Խարդախները նաև ավելի նրբորեն են սկսել օգտագործել կեղծ պրոֆիլներ, որոնք իրական մարդկանց էջերի տեսք ունեն։ Դրանցում կարող են լինել լուսանկարներ, հրապարակումներ, մեկնաբանություններ, կարծիքներ և ակտիվության պատմություն։ Այդպիսի հաշիվները ստեղծվում են, որպեսզի աստիճանաբար շահեն պոտենցիալ զոհի վստահությունը։

Գեներատիվ արհեստական բանականությունը պարզեցնում է այս աշխատանքը։ Դրա օգնությամբ կարելի է արագ պատրաստել հավաստի տեքստեր, պատկերներ, ավատարներ և ձայնային հաղորդագրություններ։ Հանցագործների համար ավելի հեշտ է դառնում պահպանել շփումը, հարմարեցնել հաղորդագրությունները կոնկրետ մարդու համար և միաժամանակ վարել մի քանի խարդախ արշավներ։

F-Secure Scam Intelligence & Impacts Report 2026 զեկույցում նշվում է, որ խարդախների կողմից ԱԲ-ի օգտագործման դեպքերի 89%-ը կապված է «խայծի»՝ հաղորդագրությունների, պատկերների, աուդիոյի և տեսանյութերի կատարելագործման հետ, որոնք կոչված են համոզելու պոտենցիալ զոհին։ Սա F-Secure-ի հետազոտության ցուցանիշն է, այլ ոչ թե բոլոր խարդախ գործողությունների բաժինը, որոնցում օգտագործվում է արհեստական բանականություն։

Առանձին սպառնալիք են ներկայացնում կեղծ ձայները։ ԱԲ-ի օգնությամբ հանցագործները կարող են նմանակել ազգականի, գործընկերոջ կամ այլ ծանոթ մարդու ձայնը՝ շտապ դրամական փոխանցման հասնելու կամ գաղտնի տեղեկություն ստանալու համար։ 2026 թվականի փետրվարին բրիտանական National Trading Standards ծառայությունը հայտնել է խարդախ սխեմայի մասին, որի շրջանակում հանցագործները օգտագործել էին ձայնի կլոնավորում՝ հաշիվներից չարտոնված պարբերական գանձումներ ձևակերպելու համար։

Երբ ԱԲ-ն խորհուրդ է տալիս խարդախներին․ կեղծ կայքեր նեյրոցանցերի պատասխաններում

Եվս մեկ, թերևս ամենաարդիական զարգացող սպառնալիքը կապված է այն բանի հետ, որ մարդիկ ավելի ու ավելի հաճախ են դիմում ԱԲ-օգնականներին՝ խորհուրդների, ընկերությունների կոնտակտների և ապրանքների առաջարկությունների համար։ Հանցագործները փորձում են օգտվել այս վստահությունից՝ հասնելով նրան, որ նեյրոցանցերը հղվեն կեղծ կայքերին և տրամադրեն անարժանահավատ տեղեկություններ։

Դրա համար կարող են օգտագործվել հայտնի ընկերությունների կայքերի պատճեններ, բնօրինակներին նման հասցեներ, կեղծ կարծիքներ և հատուկ պատրաստված նյութեր։ Եթե օգտատերը նման ռեսուրս է գտնում ԱԲ-ի պատասխանի միջոցով, նա կարող է առաջարկությունը ընկալել որպես վաճառողի հուսալիության հաստատում։

2026 թվականի հունիսին բրիտանական National Trading Standards-ը նախազգուշացրել էր, որ կեղծ կայք-կլոնները հայտնվում էին ԱԲ-որոնման պատասխաններում և օրական հարյուրավոր այցելու էին ստանում։ Այդպիսի կայքերը նմանակում էին իրական խանութները, ընդունում էին ապրանքների վճարումները, որոնք գնորդները հետագայում չէին ստանում։

F-Secure-ը նաև նկարագրում է տվյալների մանիպուլյացիայի ռիսկը, որոնց վրա հենվում են ԱԲ համակարգերը՝ պատասխաններ ձևավորելիս։ Այս ոլորտում օգտագործվում է AI data poisoning տերմինը՝ «ԱԲ տվյալների թունավորում»։ Կախված կոնկրետ մեթոդից՝ խոսքը կարող է գնալ մոդելի կողմից օգտագործվող տվյալներին միջամտելու կամ այն տեղեկության վրա ազդելու փորձերի մասին, որը այն գտնում և օգտագործում է պատասխան տալիս։