Zum Hauptinhalt springen
OpenAI

1. Juni 2025

Sicherheit

Operation „Wrong Number“: KI-gestützte Betrugsmasche mit Aufgaben

OpenAI sperrte Konten, die wahrscheinlich aus Kambodscha stammten und KI zur Unterstützung von Betrugsabläufen gegen Menschen im Vereinigten Königreich einsetzten.

Laden …

Diese Fallstudie wurde ursprünglich in OpenAIs Bericht vom Juni 2025⁠(wird in einem neuen Fenster geöffnet) veröffentlicht.

Akteur

Wir sperrten ChatGPT‑Konten, die kurze Nachrichten im Stil von Stellenangeboten auf Englisch, Spanisch, Swahili, Kinyarwanda, Deutsch und Haitianisch-Kreolisch erstellten. Diese Nachrichten boten den Empfängerinnen und Empfängern hohe Vergütungen für einfache Aufgaben wie das Liken von Beiträgen in sozialen Medien und forderten sie auf, weitere Personen anzuwerben. Die Operation wirkte stark zentralisiert und ging wahrscheinlich von Kambodscha aus.

Mithilfe KI-gestützter Übersetzungswerkzeuge konnten wir die Nutzung der Dienste von OpenAI durch diese Kampagne schnell untersuchen und unterbinden.

Verhalten

Die meisten Beiträge des Netzwerks betrafen Übersetzungsaufgaben. Das Netzwerk nutzte ChatGPT, um Sätze aus Unterhaltungen zwischen Chinesisch und mehreren anderen Sprachen zu übersetzen, insbesondere Englisch, Spanisch, Kinyarwanda, Swahili, Deutsch und Haitianisch-Kreolisch. Dabei wurde üblicherweise abwechselnd eine eingehende Nachricht ins Chinesische und eine Antwort aus dem Chinesischen zurück in die Ausgangssprache übersetzt.

Ein Teil dieser Nachrichten ähnelte unaufgeforderten Stellenanzeigen, die eine hohe Stundenvergütung für minimalen Aufwand versprachen. Eine solche Nachricht wurde per SMS an eine offenbar zufällig ausgewählte Gruppe britischer Mobilfunknummern gesendet. Eine davon gehörte einer ermittelnden Person von OpenAI. In Anlehnung an die erste SMS nannten wir diese Operation „Wrong Number“.

SMS an eine ermittelnde Person von OpenAI.

Zufällig an eine ermittelnde Person von OpenAI gesendete SMS, die mit ChatGPT erstellt wurde.

Die Bedrohungsakteure nutzten offenbar mehrere Messaging-Plattformen. Die erste SMS forderte die empfangenden Personen auf, über WhatsApp Kontakt aufzunehmen. Wer antwortete, wurde dort an einen „Mentor“ auf Telegram weitergeleitet. Bei einigen Aktivitäten wurde auch die Messaging-App BonChat erwähnt. Die ersten einleitenden Nachrichten über diese Kanäle wurden offenbar nicht mit unseren Modellen erstellt. Es handelte sich um routinemäßige Nachrichten, die wahrscheinlich in jeder Unterhaltung verwendet werden konnten.

WhatsApp-Folgenachricht von Operation „Wrong Number“.

WhatsApp-Nachricht, die im Anschluss an die SMS gesendet wurde. Diese Nachricht wurde offenbar nicht mit unseren Modellen erstellt.

Viele Übersetzungsaufgaben betrafen Mitteilungen, die angeblich von Personen stammten, die vermeintliche „Arbeitgeberunternehmen“ vertraten. In zahlreichen für diese Untersuchung relevanten ChatGPT‑Unterhaltungen tauchten wiederholt dieselben Unternehmensnamen auf. Dazu gehörten Hyesung Advertising⁠(wird in einem neuen Fenster geöffnet) und Lightning Shared Scooter Co (LSSC)⁠(wird in einem neuen Fenster geöffnet). Öffentliche Berichte bringen Hyesung und LSSC mit mutmaßlichen Betrugsmaschen rund um Aufgaben in Verbindung. Wir haben die Art dieser Organisationen nicht unabhängig überprüft. Unsere Untersuchung ergab jedoch, dass angeblich von ihnen stammende Nachrichten von chinesischsprachigen Personen mit ChatGPT erstellt wurden, die wahrscheinlich von Kambodscha aus agierten.

Modellergebnisse

Die Unternehmen, die das Netzwerk angeblich vertrat, deckten zahlreiche Branchen ab: vom Aktienhandel über die Vermietung von Motorrollern bis zum Verkauf von Likes in sozialen Medien. Ein klares Warnsignal war das Angebot, mehr als 5 USD für ein einziges TikTok-Like zu zahlen. Unsere manuelle Prüfung von Online-Marktplätzen ergab dagegen, dass einige Anbieter von Likes für soziale Medien weniger als 10 USD für 1.000 Likes verlangen.

Durch die Kombination externer Indikatoren mit internen Beobachtungen erkannten wir ein wiederkehrendes Ablaufmuster. Um das Verständnis dieser Taktik zu fördern und ihre Einordnung zu vereinfachen, beschreiben wir dieses Muster als Ping (unaufgeforderte Kontaktaufnahme), Zing (Begeisterung wecken) und Sting (Geld abschöpfen):

  1. Der Ping (unaufgeforderte Kontaktaufnahme): Das Netzwerk erstellt Inhalte für die Kaltakquise. Üblicherweise verspricht es ungewöhnlich hohe Vergütungen für minimale Arbeit oder hohe Renditen auf Aktienanlagen. Diese Angebote umfassen hohe Vergütungen für einfache Aufgaben wie das Liken von Beiträgen in sozialen Medien oder lukrative Anlagemöglichkeiten.

  2. Der Zing (Begeisterung wecken): Das Netzwerk übersetzt Unterhaltungen, wahrscheinlich zwischen dem Operator und dessen „Beschäftigten“. Dieser Austausch enthält organisatorische Angaben zu den Aufgaben, wird jedoch häufig durch motivierende Nachrichten über Verdienstmöglichkeiten und mögliche Boni ergänzt.

  3. Der Sting (Geld abschöpfen): Das Netzwerk erstellt und/oder versendet Inhalte, die „Beschäftigte“ oder „Anlegende“ dazu drängen, Geld einzuzahlen, um höhere Belohnungen freizuschalten. Dies geschieht auf unterschiedliche Weise, darunter eine erste „Einzahlung“, der Kauf von Kryptowährungen und „Bearbeitungsgebühren“.

Mit ChatGPT erstellte und von Operation „Wrong Number“ verbreitete Kaltakquise-Nachricht.

Beispiel für eine mit ChatGPT erstellte und von diesem Netzwerk verbreitete Kaltakquise-Nachricht. Die Nachricht wurde gleichzeitig an acht Telefonnummern gesendet, von denen keine in der Kontaktliste der empfangenden Person stand. Eine Person verließ die Gruppe sofort.

Telegram-Nachricht mit der Aufforderung an ein potenzielles Opfer, Kryptowährung zu kaufen.

Telegram-Nachricht des Netzwerks an ein potenzielles Opfer mit der Aufforderung, Kryptowährung im Wert von 20 GBP zu kaufen und an einen nicht genannten Händler zu überweisen.

Öffentliche Berichte⁠(wird in einem neuen Fenster geöffnet) deuten darauf hin, dass einige dieser Unternehmen von neuen Mitgliedern hohe Aufnahmegebühren verlangten und einen Teil davon nutzten, um bestehende „Beschäftigte“ gerade ausreichend zu bezahlen, damit sie weiterhin mitwirkten. Diese Struktur ist typisch für Betrugsmaschen mit Aufgaben⁠(wird in einem neuen Fenster geöffnet).

Auswirkungen

Aufgrund unseres eingeschränkten Einblicks lässt sich die tatsächliche Reichweite dieses Netzwerks nur schwer beziffern. Externe Berichte⁠(wird in einem neuen Fenster geöffnet) und Unterhaltungen, in denen „Beschäftigte“ Rückzahlungen forderten, deuten jedoch darauf hin, dass zumindest einige Personen Geld an diese vermeintlichen Arbeitgeberunternehmen zahlten. Wir beobachteten außerdem reale Personen, die die Unternehmen in sozialen Medien verteidigten. Dies deutet auf ein gewisses Maß an tatsächlicher Beteiligung hin.