Операция «Неверный номер»: мошенничество с заданиями с использованием ИИ

OpenAI заблокировала учетные записи, которые, предположительно, происходили из Камбоджи и использовали искусственный интеллект для поддержки мошеннических схем, нацеленных на жителей Великобритании.

Этот тематический анализ был изначально опубликован в отчете OpenAI за июнь 2025 года.

Субъект

Мы заблокировали учетные записи ChatGPT, которые генерировали короткие сообщения вербовочного характера на английском, испанском, суахили, киньяруанда, немецком и гаитянском креольском языках. В этих сообщениях получателям предлагалась высокая зарплата за выполнение тривиальных задач, таких как проставление лайков под публикациями в социальных сетях, а также содержался призыв привлекать других участников. Данная операция выглядела высоко централизованной и, вероятно, исходила из Камбоджи.

Используя инструменты перевода на базе искусственного интеллекта, мы смогли оперативно расследовать и пресечь использование сервисов OpenAI в этой кампании.

Поведение

Большая часть активности этой сети была связана с задачами по переводу. Они использовали ChatGPT для перевода разговорных фраз между китайским и несколькими другими языками, в первую очередь английским, испанским, киньяруанда, суахили, немецким и гаитянским креольским. Обычно эти задачи чередовались: перевод входящего сообщения на китайский и перевод ответа с китайского обратно на исходный язык.

Часть этих сообщений напоминала холодные рассылки с предложениями о работе, сулящие высокую почасовую оплату за минимальный объем труда. Одно из таких сообщений было разослано по SMS на случайно выбранные британские мобильные номера, один из которых принадлежал сотруднику OpenAI, проводившему расследование. Мы назвали эту операцию «Неверный номер» в честь того самого первого SMS.

SMS sent to an OpenAI investigator.

SMS-сообщение, случайно отправленное исследователю OpenAI и сгенерированное с помощью ChatGPT.

Злоумышленники использовали несколько платформ для обмена сообщениями. Первоначальное SMS направляло получателей в WhatsApp, откуда ответивших перенаправляли к «наставнику» в Telegram. В некоторых случаях также упоминалось приложение для обмена сообщениями BonChat. Ранние вводные сообщения в этих каналах, по всей видимости, не генерировались с помощью наших моделей. Они состояли из стандартных фраз, которые подошли бы практически для любого разговора.

WhatsApp follow-up message from Operation Wrong Number.

Сообщение в WhatsApp, отправленное в качестве продолжения SMS. Это сообщение, судя по всему, не было сгенерировано нашими моделями.

Многие задачи по переводу касались коммуникаций, которые якобы исходили от представителей предполагаемых «компаний-работодателей». В ходе этого расследования в многочисленных диалогах в ChatGPT неоднократно всплывали одни и те же названия компаний. Среди них — Hyesung Advertising и Lightning Shared Scooter Co (LSSC). В общедоступных отчетах Hyesung и LSSC фигурируют как предполагаемые схемы по выполнению заданий за деньги. Хотя мы не проводили независимую проверку природы этих организаций, наше расследование показало, что сообщения, якобы исходившие от них, были сгенерированы китайскоязычными пользователями ChatGPT, предположительно действующими из Камбоджи.

Генерация контента

Компании, которые эта сеть якобы представляла, охватывали широкий спектр отраслей — от биржевой торговли и проката самокатов до продажи лайков в соцсетях. Явным тревожным звоночком было предложение платить более 5 долларов за один лайк в TikTok; для сравнения, наш ручной анализ онлайн-площадок показал, что некоторые продавцы лайков в соцсетях берут менее 10 долларов за 1 000 лайков.

Сопоставив внеплатформенные индикаторы с внутренними наблюдениями, мы выявили повторяющийся рабочий паттерн. Для лучшего понимания этой тактики и упрощения ее классификации мы описываем этот паттерн следующим образом: контакт (холодный контакт), воодушевление (подогрев энтузиазма) и вымогательство (извлечение денег):

  1. Контакт (холодный контакт): сеть генерирует контент, предназначенный для холодной рассылки, обычно предлагая необычно высокую зарплату за минимальную работу или обещая высокую доходность от инвестиций на фондовом рынке. Эти предложения включают высокую оплату за простые задачи (например, проставление лайков под постами в соцсетях) или прибыльные инвестиционные возможности.
  2. Воодушевление (подогрев энтузиазма): сеть переводит диалоги, предположительно происходящие между оператором и его «сотрудниками». Эти переписки включают в себя логистические детали задач, но часто перемежаются мотивирующими сообщениями о заработке и потенциальных бонусах.
  3. Вымогательство (извлечение денег): сеть генерирует и/или отправляет контент, оказывающий давление на «сотрудника» или «инвестора», с тем чтобы заставить его внести деньги для разблокировки более крупных вознаграждений. Это принимает различные формы, включая первоначальный «депозит», покупку криптовалюты и «комиссионные сборы».
Cold-call message generated using ChatGPT and distributed by Operation Wrong Number.

Пример холодного сообщения, сгенерированного с помощью ChatGPT и распространенного этой сетью. Сообщение было отправлено одновременно на восемь телефонных номеров, ни один из которых не был внесен в список контактов получателя. Один из получателей сразу же покинул группу.

Telegram message instructing a potential victim to purchase cryptocurrency.

Сообщение в Telegram от участников сети потенциальной жертве с инструкцией приобрести криптовалюту на сумму 20 фунтов стерлингов и перевести ее неназванному торговцу.

Из публичных источников следует, что некоторые из этих компаний работали по схеме взимания с новых рекрутов значительных вступительных взносов, после чего часть этих средств использовалась для выплаты существующим «сотрудникам» ровно такой суммы, которая необходима для поддержания их вовлеченности. Такая структура характерна для мошенничества с заданиями.

Масштаб влияния

Из-за ограниченной видимости оценить истинный охват этой сети непросто. Тем не менее внеплатформенные отчеты и разговоры, в которых «сотрудники» требовали возврата средств, свидетельствуют о том, что по крайней мере некоторые люди перевели деньги этим мнимым работодателям. Мы также зафиксировали реальных пользователей, защищавших компании в социальных сетях, что указывает на определенный уровень вовлеченности в реальном мире.

Автор

OpenAI

Полный текст статьи читайте на OpenAI