کلاهبرداری وظیفه‌محور: مشاغل جعلی ثبت نظر با کمک هوش مصنوعی

این مطالعه موردی نخستین بار در گزارش فوریه ۲۰۲۵⁠(در یک پنجره جدید باز می‌شود) OpenAI منتشر شد.

ما مجموعه‌ای از حساب‌های ChatGPT را مسدود کردیم که نظرات کوتاهی را میان اردو و انگلیسی ترجمه می‌کردند و فعالیتشان با یک کلاهبرداری «وظیفه‌محور⁠(در یک پنجره جدید باز می‌شود)» مطابقت داشت. در این نوع کلاهبرداری، شغلی با درآمد بالا به قربانیان پیشنهاد می‌شود، اما پیش از دسترسی به «درآمد» ادعایی خود باید از پول شخصی‌شان به سامانه واریز کنند. به نظر می‌رسید منشأ این فعالیت کامبوج باشد. در این کلاهبرداری‌ها، قربانیان معمولاً هم «درآمد» و هم پول خودشان را از دست می‌دهند. بررسی این فعالیت را پس از دریافت گزارشی از متا آغاز کردیم.

این شبکه عمدتاً از مدل‌های ما برای ترجمه نظرات کوتاه میان اردو و انگلیسی استفاده می‌کرد؛ محتوایی که با گفت‌وگوهای میان کلاهبردار و قربانیانش مطابقت داشت. به اشاره‌هایی به پیام‌رسانی در تلگرام ــ که ظاهراً پلتفرم اصلی آن‌ها بود ــ واتس‌اپ، پیامک و طیف گوناگونی از انجمن‌ها و گروه‌های کاریابی برخوردیم که امکان انتشار پیشنهادهای شغلی در آن‌ها وجود داشت.

به نظر می‌رسید کلاهبرداران عمدتاً خود را در قالب دو شخصیت جا می‌زدند. یکی «استخدام‌کننده» بود: پیام‌های او نوعی ارتباط‌گیری بدون هماهنگی قبلی و شامل انتشار آگهی‌های دورکاری با درآمد بالا بود. شخصیت دیگر که حجم بیشتری از فعالیت‌ها را ایجاد می‌کرد، «مربی» بود؛ او ارتباط‌گیری «استخدام‌کننده» را پیگیری می‌کرد و به فرد هدف شیوه انجام کار را آموزش می‌داد. مربیان اغلب به جلسات آموزشی در تلگرام اشاره می‌کردند.

کلاهبرداران گاهی از مدل‌های ما برای نمونه‌خوانی متن وب‌سایت‌ها نیز استفاده می‌کردند. به نظر می‌رسید این وب‌سایت‌ها نام و ظاهر برندهای لوکس طراحی، مد و سفر را جعل کرده بودند. شخصیت‌های «مربی» ادعا می‌کردند که از طرف آن برندها نیرو جذب می‌کنند؛ موضوعی که نشان می‌دهد احتمالاً از این وب‌سایت‌ها برای معتبرتر جلوه‌دادن کلاهبرداری استفاده می‌شد.

با توجه به دید محدود ما، به نظر می‌رسد کلاهبرداران برای هدایت افراد هدف از تعامل اولیه تا گرفتارشدن در کلاهبرداری، روند رایج زیر را دنبال می‌کردند:

1. انتشار آگهی شغلی: بر اساس درخواست‌ها و خروجی‌هایشان، به نظر می‌رسد کلاهبرداران کار را با انتشار پیشنهادهای شغلی در انجمن‌های آنلاین مختلف آغاز می‌کردند. این آگهی‌های استخدام معمولاً به دورکاری اشاره داشتند و در برابر کار اندک، دستمزدی نسبتاً بالا پیشنهاد می‌کردند؛ برای نمونه، روزی ۳۰۰ دلار به‌علاوه پاداش در ازای چند ساعت کار. این آگهی‌ها معمولاً از سوی شخصیت «استخدام‌کننده» منتشر می‌شدند.

2. جذب نیرو: سپس کلاهبرداران با استفاده از شخصیت «مربی» پیام‌هایی تولید می‌کردند تا از طریق طیف گوناگونی از برنامه‌های پیام‌رسان با کارکنان احتمالی تماس بگیرند و بگویند با «استخدام‌کننده» همکاری می‌کنند. «مربی» ادعا می‌کرد برای یکی از برندهای لوکسی کار می‌کند که این شبکه برای آن وب‌سایتی راه‌اندازی کرده بود. آن‌ها وظیفه را ثبت نظرهای پنج‌ستاره در سایت‌های آن برندهای لوکس توصیف می‌کردند؛ ظاهراً با هدف افزایش امتیاز مشتریان آن‌ها.

3. اطمینان‌بخشی: کلاهبرداران در خروجی‌ها اغلب به افراد هدف اطمینان می‌دادند که این کار قانونی و معتبر است، چون از طرف شرکتی باسابقه انجام می‌شود. اگر فرد هدف ابراز نگرانی می‌کرد، کلاهبردار ادعا می‌کرد که خودش نیز قبلاً قربانی کلاهبرداری شده، اما این فرصت امن است.

4. آموزش: اگر فرد هدف همچنان علاقه نشان می‌داد، خروجی‌ها حاکی از آن بود که «مربی» معمولاً در تلگرام به او آموزش پیشنهاد می‌کرد. در ابتدا به فرد هدف اجازه دسترسی به یک «حساب آموزشی» داده می‌شد که انتظار می‌رفت روزانه ۲۵ تا ۳۵ وظیفه ثبت نظر را در آن تکمیل کند. «حساب آموزشی» افزایش سریع «درآمد» فرد هدف را نمایش می‌داد.

5. ایجاد هیجان: اگر فرد هدف آموزش را ادامه می‌داد، خروجی‌ها اغلب نشان می‌دادند که وظیفه ثبت نظر «ویژه» یا «نهایی» با پاداشی بیشتر به او پیشنهاد می‌شود. «مربی» تأکید می‌کرد که چنین فرصتی بسیار کمیاب است و فرد هدف چقدر خوش‌شانس بوده است.

6. «هزینه فعال‌سازی»: وقتی «درآمد» فرد هدف به سطح مشخصی می‌رسید، در خروجی‌ها «مربی» به او می‌گفت که برای برداشت «درآمد» خود باید «هزینه فعال‌سازی» بپردازد. کلاهبردار در صورت لزوم او را ترغیب می‌کرد که این پول را از دوستان یا خانواده قرض بگیرد.

7. اعمال فشار: خروجی‌ها نشان می‌دادند که اگر فرد هدف از پرداخت پول سر باز بزند، کلاهبردار به‌تدریج پرخاشگرتر می‌شود؛ او را با کارکنان کارآمدتر مقایسه می‌کند و می‌گوید اگر پول را واریز نکند، درآمدش را از دست خواهد داد.

8. بهانه‌تراشی: اگر خروجی‌ها نشان می‌دادند که فرد هدف پولی پرداخت کرده است، کلاهبردار بهانه‌های پی‌درپی می‌آورد که چرا او نمی‌تواند درآمدش را برداشت کند و اغلب می‌گفت باید پول بیشتری واریز کند.

برخی گفت‌وگوها نشان می‌دادند که افراد هدف بسیار بدبین بودند. بعضی از پیام‌های تولیدشده از سوی کلاهبرداران نیز از زبان مربی‌ای نوشته شده بودند که می‌پرسید چرا فرد هدف دیگر پیام نمی‌دهد. این موارد نشان می‌دهد که احتمالاً نرخ موفقیت کلی این کلاهبرداری پایین بوده است. بااین‌حال، برخی گفت‌وگوها و گزارش‌های آنلاین نشان می‌دهند که دست‌کم بعضی از قربانیان واقعاً در این کلاهبرداری‌ها پول واریز کرده‌اند. ما نمی‌توانیم فعالیت‌هایی را که خارج از ابزارهایمان رخ می‌دهند، به‌طور مستقل راستی‌آزمایی کنیم.

سیاست‌های OpenAI استفاده از خروجی ابزارهای ما برای تقلب یا کلاهبرداری را اکیداً ممنوع می‌کند. ما متعهدیم با همتایان صنعتی و مقامات همکاری کنیم تا دریابیم هوش مصنوعی چگونه بر رفتارهای مخرب تأثیر می‌گذارد و فعالانه فعالیت‌های کلاهبردارانه‌ای را که از خدمات ما سوءاستفاده می‌کنند، مختل کنیم. در راستای این تعهد، اطلاعات مربوط به شبکه‌های کلاهبرداری مختل‌شده را با همتایان صنعتی و مقامات ذی‌ربط به اشتراک گذاشته‌ایم تا امنیت جمعی خود را ارتقا دهیم.