服务台代理接起电话，声音自我介绍是 Sara 的，看起来很匆忙，提到了最近发生的事件，引用了内部项目，同时采用了 Sara 常用的熟悉表达方式。她请求重置一个简单的密码，看起来没什么异常，但电话里不是莎拉。
欺骗仍然是社会工程的核心机制。近 60% 的此类攻击依赖于模仿员工、服务提供商或直线经理。今天发生的变化是制作这些仿制品的速度和精度。攻击者利用人工智能工具聚合语音、语言、行为和内部参考元素。他们并不总是需要一个声音克隆，他们只需要在听起来很普通的交流中是可信的。
最近的数据揭示了这一发展。 2024/25 数据泄露调查报告表明，68% 的泄露涉及非恶意人为因素，约 17% 的已确认泄露依赖于社会工程。攻击者利用协作环境的碎片化，针对的目标不是系统，而是交互。
因为我们通过电子邮件、Slack、Teams、Zoom、WhatsApp 和内部票务系统同时工作。信任标记分散在这些空间之间：引发紧急情况的 Slack DM、使用停用的摄像头进行的 Teams 通话、混合内部参考和熟悉语气的消息可以通过检查，从技术上讲，这些检查尚未检测到任何异常情况。 DBIR 还指出，近 30% 与第三方或供应链相关的事件现在出现在这些协作工具中，而不是消息传递中。
现有的防御措施很难检测到这些攻击，因为它们旨在分析内容（链接、附件、恶意负载），而不是交互的身份一致性。通信平台没有集成强大的机制来验证用户的真实身份。因此，被泄露的帐户、接近现有身份的别名、被劫持的会话或新创建的帐户都是可以混入正常流量的手段，并且当前的攻击通常结合了多个向量，这些向量结合了自动收集信息、模仿员工，然后冒充 IT 部门以让员工安装远程访问工具。
声音不再是可靠的基准，因为模仿者再现了节奏、犹豫，甚至收集了音频片段，对音频流的分析不再足以区分交互的真实性。
这种信任信号的碎片化应该让我们问的不是“这条消息可疑吗？”，而是“这段对话可以被认为是可靠的吗？”。正是这个问题指导了以色列初创公司 Imper.ai 的做法。该公司的目标是提供基于难以伪造的指标的实时风险信号：设备指纹、网络动态、行为一致性。
Imper.ai 宣布完成 1870 万欧元（2200 万美元）A 轮融资，由 Redpoint Ventures 和 Battery Ventures 领投，Maple VC、Vesey Ventures 和 Cerca Partners 参与。六个月前，该公司筹集了 550 万欧元（650 万美元）。 Imper.ai 由来自 Unit 8200 的 Noam Awadish、Anatoly Blighovsky 和 Rom Dudkiewicz 于 2024 年创立，开发了一个基于上下文、行为和网络信号的实时欺骗预防平台。
