ऑस्ट्रेलियाई कंपनी धोखेबाजों को गैर-मौजूद पीड़ितों पर समय बर्बाद करने के लिए आर्टिफिशियल इंटेलिजेंस का उपयोग करती है। कंपनी Apate ने ऐसे रोबोट बनाए हैं जो फोन और इंटरनेट के माध्यम से अपराधियों से बात करते हैं, धोखाधड़ी के बारे में डेटा एकत्र करते हैं और नए धोखे के प्रयासों को मुश्किल बनाते हैं।
इस तकनीक का उपयोग डिजिटल जाल में भी किया जाता है, जो हैकर्स को आकर्षित करने के लिए डिज़ाइन किए गए हैं। इसका उद्देश्य इन रक्षात्मक रणनीतियों की प्रभावशीलता बढ़ाने के लिए मानव व्यवहार की नकल करने की एआई की क्षमता का उपयोग करना है।
Apate दो साल से इस प्लेटफॉर्म पर काम कर रही है। कंपनी के संस्थापक और सीईओ, Dali Kaafar के अनुसार, सिस्टम में लगभग 350 हजार रोबोट शामिल हैं और इसका उपयोग दूरसंचार कंपनियों के समर्थन से बैंकों द्वारा किया जाता है। ये प्रोग्राम कॉल का जवाब देते हैं, टेक्स्ट संदेशों को संसाधित करते हैं और उन ऑनलाइन समूहों में भाग लेते हैं जिनका उपयोग धोखाधड़ी करने के लिए किया जाता है। बातचीत के दौरान, वे आपराधिक गतिविधियों के बारे में जानकारी एकत्र कर सकते हैं।
कंपनी का दावा है कि उसने वास्तविक समय में 250 हजार से अधिक रिकॉर्ड एकत्र किए हैं, जिसमें धोखाधड़ी वाली वेबसाइटों के पते, बैंक विवरण और अवैध धन हस्तांतरण के लिए उपयोग किए जाने वाले खाते शामिल हैं। संदेह पैदा न करने के लिए, रोबोट विभिन्न प्रोफाइल और व्यवहार मॉडल अपनाते हैं; कुछ व्हाट्सएप का उपयोग करते हैं, जबकि अन्य नहीं करते हैं। कुछ रोबोट कॉल का जवाब देते हैं, और कुछ बातचीत समाप्त करके बाद में संपर्क करने का दावा करते हैं।
Dali Kaafar ने Wired को बताया: 'हमें यह सोचना पसंद है कि हम धोखेबाजों के लिए आदर्श शिकार बना रहे हैं।'
उनके अनुसार, अपराधी द्वारा रोबोट से बातचीत में बिताया गया हर मिनट उसी धोखेबाज द्वारा सैकड़ों या हजारों लोगों से संपर्क करने को रोक सकता है, जो स्वचालित डायल करने की प्रणालियों का उपयोग कर सकता है।
प्लेटफ़ॉर्म के कामकाज का परीक्षण Kernel Panic वेबसाइट के पत्रकारों ने किया, जिन्होंने कृत्रिम शिकार को क्रिप्टोकरेंसी में निवेश करने के लिए मनाने की कोशिश की। हालांकि बातचीत स्वाभाविक थी, प्रयास विफल रहा: छह मिनट के बाद भी सिस्टम प्रस्ताव को अस्वीकार करता रहा।
Kaafar ने उल्लेख किया कि कुछ कॉल दो घंटे से अधिक चलती हैं। जब तक धोखेबाज एक गैर-मौजूद शिकार को मनाने की कोशिश करते हैं, तब तक वे अन्य लोगों से संपर्क करना बंद कर देते हैं।
हालांकि, इस रणनीति की पहुंच की अपनी सीमाएं हैं। अपराधी हर साल अरबों कॉल करते हैं और अरबों संदेश भेजते हैं, और कुछ ऑपरेशन बड़े भौतिक केंद्रों में किए जाते हैं। रोबोट की गतिविधि विभिन्न कार्यों को जोड़ती है। वही तर्क तथाकथित 'हनीपॉट' (honeypots) में लागू होता है - ऐसी प्रणालियाँ जो हमलावरों को आकर्षित करने और उनकी विधियों की निगरानी के लिए वास्तविक कंप्यूटरों और सेवाओं का अनुकरण करती हैं। शोधकर्ता इन जाल में बड़ी भाषा मॉडल (LLMs) को एकीकृत करते हैं ताकि उन्हें अधिक विश्वसनीय बनाया जा सके।
ETH Zurich के डॉ. मार्क वेरो और उनके सहयोगियों द्वारा किए गए एक हालिया अध्ययन में पाया गया कि LLMs से लैस जाल ने हमलों में उपयोग किए जाने वाले एआई एजेंटों को अनुमानित व्यवहार वाली प्रणालियों की तुलना में अधिक समय तक रोका। वेरो ने कहा: 'हमलावर एजेंट LLMs द्वारा बनाए गए हनीपॉट सिमुलेशन पर बहुत अधिक भरोसा करते हैं और उन्हें जाल के रूप में पहचानने की संभावना बहुत कम होती है।' शोधकर्ता के अनुसार, अच्छी तरह से डिज़ाइन की गई प्रणालियाँ सुरक्षा में लगे लोगों को लाभ दे सकती हैं।
डिजिटल अपराधों से लड़ना कानून प्रवर्तन एजेंसियों, बैंकों, दूरसंचार कंपनियों और सोशल नेटवर्कों के बीच सहयोग पर भी निर्भर करता है। सूचनाओं का आदान-प्रदान पैटर्न का पता लगाने और संचालन को रोकने में मदद कर सकता है, लेकिन एआई अभी तक धोखेबाजों को नए पीड़ितों को धोखा देने की कोशिश करने से पूरी तरह से नहीं रोक सकता है।