2024 年初，Arup 香港分公司被一場全是 AI 生成假高層的視訊會議騙走約 2,500 萬美元——詐騙方用 AI 生成的影像與聲音冒充公司高層，誘使員工分多筆把款項匯出。當時這是孤例，現在它是一套被反覆複製的標準劇本。
FBI 在 2025 年 5 月的公告講得很白：AI 生成內容「已經進步到經常難以辨識」的程度，而且已經被用來冒充特定人士對目標下指令。
更值得擔心的不是技術，是業界把錢與精力大量壓在「靠 AI 偵測 AI」這條死巷。這篇拆給你看。
📊 為什麼規模一定會失控
網路上流傳的深偽詐騙統計，多半查不到原始出處，所以這裡不放任何無法點開驗證的數字。但這件事的方向，其實不需要統計就能推論：
- 生成端的成本在崩跌——開源的臉部替換與語音複製模型加上一張消費級高階顯示卡，就足以做出可即時運算的替身，而且門檻每年都在往下掉
- 查核端的成本是固定的——一個財務人員一天能打幾通確認電話、能開幾場會議，這個上限十年來沒有改變過
當一邊的邊際成本趨近於零、另一邊維持不變，「攻擊次數」會變成無限，而「人力查核」永遠是有限資源。這場戰爭從一開始就不對等——這不是統計問題，是結構問題。
🔍 標準詐騙劇本（2026 版本）
過去深偽詐騙是「Email + 偽造文件」，現在進化成多階段：
階段 1：資料蒐集 攻擊方從 LinkedIn、公司網站、財報視訊、Podcast 抓目標 CFO 的：
- 至少 3 分鐘清晰人臉影像（用於即時 face-swap 訓練）
- 30 秒以上聲音樣本（用於 voice clone）
- 公開場合的肢體 / 講話風格
階段 2：即時深偽建模 用開源的臉部替換與口型同步模型，配一張消費級高階顯示卡，就能建出可即時運算的個人化 face-swap 模型。聲音複製需要的樣本更短——一段公開演講或 Podcast 通常就夠。
階段 3：社交工程約會議 用 phishing email 邀目標（通常是公司財務 / 子公司負責人）參加「緊急視訊會」。會議連結是攻擊方控制的 Zoom / Teams 仿冒網域。
階段 4：多人深偽會議 會議裡通常有 3-5 個「高層」深偽——CFO、CEO、法務長、外部稽核——強化說服力。會議目的是「緊急款項授權」，話術都是「保密、限時、不能走 email 紙本」。
階段 5：資金流轉 款項一旦匯出，會經多道跨境帳戶迅速轉換、拆分——一旦進到這個階段，追回的機會非常低。Arup 案就是分成多筆匯出的。
整套劇本不需要天才——公開影音素材、開源模型、一張顯示卡、一份社工腳本，就是全部的原料。
❌ 為什麼「AI 偵測 AI」是死巷
資安業界在「深偽偵測」上投了非常多錢。但這條路的天花板，其實早就被量出來了。
Meta 舉辦的 Deepfake Detection Challenge 是這個領域規模最大的公開競賽之一。冠軍模型面對「沒看過的樣本」時，準確度只有 65.18%。對照組更難堪：一般人用肉眼判斷同一批影片，準確度是 69-72%——當時最強的偵測模型，打不贏人眼。
而那還是 2020 年的生成技術。原因有三：
1. 軍備競賽天然不對稱 偵測方的訓練資料來自過去的深偽——生成方一定領先一個版本。維基百科對這個領域的形容是「移動的球門」：偵測演算法每進步一次，深偽的製作方式就跟著改變。偵測方是反應方，永遠晚一步。
2. 即時視訊的偵測時間窗太短 人類察覺「這個人講話有點怪」大約需要 5-15 秒——但偵測模型要在這個時間內做決策、還要跑在會議軟體上，效能與準確度雙重妥協。離線跑分的成績，不等於會議中即時判斷的成績。
3. 「真假合成」的灰色地帶 員工可能用 NVIDIA Maxine 美顏濾鏡、用 RTX Voice 降噪、用虛擬背景——這些技術跟深偽共用底層生成模型。偵測模型分不清「美顏」與「換臉」——標 false positive 太多，大家會關掉它。
結論：「靠 AI 偵測 AI」這個方向，本質上是把問題交給了一直輸的那一方。
✅ 真解：passkey + 數位憑證 + 流程隔離
防止深偽詐騙的真正方向不是判斷「畫面是真是假」，而是「即使畫面是假的也無所謂」。三個層面：
(1) 身份驗證走 passkey，不走「視訊本人確認」 所有重要決策（轉帳、授權、合約簽署），驗證身份用 passkey + FIDO2 硬體 token，不用「我在視訊裡看到他」。FIDO 聯盟的說法是 passkey「本質上就能抵抗釣魚」——因為它的保證來自公開金鑰密碼學，深偽模型再強，也偽造不出私鑰簽名。
實務上：CFO 要授權匯款，必須用他的 YubiKey 在公司系統上點擊——視訊裡他怎麼講都不算數。這個流程不需要任何人類判斷視訊真偽。
(2) 數位憑證(Digital Credentials)綁定關鍵動作 W3C 的 Verifiable Credentials 資料模型 2.0 已在 2025 年 5 月成為正式的 W3C Recommendation，允許每個人帶「數位身份證」——比 passkey 更進階，可以證明「我是某公司財務長 + 我授權這筆款項」。標準已經備好了，缺的是各國金融業把它接進流程。
(3) 流程隔離 + 二人複核 + 等待期 所有 $1M 以上款項，強制 24 小時等待 + 二人實體簽核。深偽詐騙最大破口是「緊迫感」——強制等待會讓攻擊鏈失效。
加上「反向驗證」：接到 CEO 視訊指示時，用一個雙方事先約定的暗號（可以是私訊 + 預設 challenge 字串）反向確認。深偽模型不知道你們的暗號。
💡 Mason 的判斷
這個議題台灣的討論完全跟不上現實。媒體還在報「怎麼用 AI 工具偵測深偽」這種已經失敗的方向，但政府、銀行、企業財務部門完全還沒導入 passkey + 強制等待期 + 二人複核這些真解。
實話說，這跟我們在資安其他議題上的習慣一樣——買「更聰明的防火牆」很容易，改流程很難。但深偽是一個完全打不過科技軍備競賽的議題，只有改流程才有用。
預測接下來 12-24 個月會發生：
- 多家上市公司會出深偽詐騙公告——金額會往 $50M-$100M 等級走，股價會跌 5-10%
- 保險公司開始拒保「沒有 passkey + 流程隔離的企業」——這會強迫業界導入
- 金融監管會強制大型轉帳走 W3C 數位憑證——歐盟 2027，美國 2028，亞洲 2028-2029
- 「我覺得他是本人」這種人類判斷會被法律否定——不再構成「合理盡責」標準
🎯 不同角色的建議
給企業財務 / CFO:
- 這週就把所有 $X 以上款項授權，改成 passkey + 二人複核——X 看你公司規模，通常 $50K-$1M 之間
- 不要再相信「我在視訊看到他」——把它從合規流程裡刪除
- 全公司財務人員強制觀看深偽案例（YouTube 上有 Arup 案後重現）,讓他們親眼看「假到看不出來」
給銀行 / 金融業:
- 客戶要求大額轉帳，強制 24 小時等待 + 客戶端 passkey 簽核——現在就做，不要等監管
- 反詐部門應該減少投資 AI 偵測，增加投資身份驗證流程——前者打不贏，後者打得贏
- 跟客戶溝通：「我們限制 = 保護你」——而不是把流程隔離當成 UX 問題
給個人 / 一般使用者:
- 接到「家人 / 老闆」視訊或語音電話要錢——永遠用第二管道驗證。FBI 的建議是用你「先前已確認過」的聯絡方式獨立查證，而不是用對方在這通電話裡給你的號碼
- 跟家人約「緊急情況的暗號」——這同樣是 FBI 明列的建議，也是孩子被綁架詐騙最有效的反制
- 你的 LinkedIn / 社群媒體上的影片素材，是攻擊方訓練深偽的原料——減少公開個人影片的清晰度與長度（尤其是 30 秒以上、正面、收音清楚的）
給政府 / 政策:
- 台灣金管會應在 2026 內強制金融業導入 passkey + 強制等待期——再晚就太遲
- 公部門應廢除「視訊驗證身份」這個做法，改用 W3C 數位憑證
- 學校應教「深偽社交工程」當作公民資安基礎課程
❓ FAQ
家人會被深偽冒充打電話嗎？
會，而且越來越普遍。你的孩子、配偶、父母只要有 30 秒以上的清晰錄音（YouTube、TikTok、Podcast、會議錄音），都可以被克隆出可即時對話的聲音。
對策是事先約暗號——一個只有家人之間知道的字句或問題。詐騙電話無論聲音多像，問不出暗號就是假。這個比任何科技偵測都管用。
passkey 是什麼？跟 2FA 有什麼不同？
passkey 是 FIDO2 標準的身份驗證——簡單說是「用你的硬體裝置（手機、YubiKey）做密碼學簽名」,不需要密碼，也不能被網路釣魚。傳統 2FA（簡訊、Authy）仍可被釣魚或 SIM swap 攻擊；passkey 的數學保證讓這些攻擊都失效。
Apple、Google、Microsoft 都已支援 passkey。個人使用至少把 Email、銀行、雲端帳號改用 passkey 登入——這對深偽 + 釣魚雙重防護有實質效果。
深偽偵測工具完全沒用嗎？
不是完全沒用，是不能當主要防線。對「事後鑑識」（法庭、媒體查證）仍有價值——可以提供「這段影片有 70% 機率是深偽」這種輔助判斷。
但對「即時防詐」幾乎沒用——攻擊速度遠快於偵測模型的更新速度。把預算 70% 投在偵測、30% 投在流程改造，順序應該對調。流程改造投了會永久有效，偵測投了 6 個月就要再投。
Sources:
- Arup 香港分公司深偽詐騙案（約 2,500 萬美元）— Wikipedia: Arup Group
- FBI IC3 公告 I-051525-PSA：AI 生成語音／影像冒充與查證建議（2025-05-15）— IC3.gov
- Deepfake Detection Challenge 結果：冠軍模型在未知樣本上準確度 65.18% — Meta AI
- 深偽偵測的「移動球門」問題與人眼 69-72% 對照 — Wikipedia: Deepfake
- Passkeys：抗釣魚的 FIDO 憑證 — FIDO Alliance
- Verifiable Credentials Data Model v2.0（W3C Recommendation，2025-05-15）— W3C
（2026-08-01 來源勘誤：本文原引用的 Sumsub、Help Net Security、Vectra AI、Malwarebytes、Fortune 五條連結經查證全數失效，相關的規模統計與偵測率數字因無法回溯原始出處已一併移除或改寫。）