Anatomie eines
Deepfake-Anrufs.
Der Arup-Fall aus Hongkong ist der teuerste dokumentierte Stimmklon-Angriff der Geschichte: 200 Millionen Hongkong-Dollar, 15 Transaktionen, ein einziger Video-Call. Er zeigt Schritt für Schritt, wie diese Angriffe funktionieren — und an welcher Stelle sie aufgehalten werden.
Was passiert ist: Ein Mitarbeiter des Ingenieurkonzerns Arup in Hongkong wird zu einer Video-Konferenz eingeladen. Am Call nehmen teil: der Finanzvorstand und mehrere bekannte Kollegen — alle nachgebaut. Der Mitarbeiter veranlasst anschließend 15 Überweisungen auf fünf Konten. Gesamtschaden: 25,6 Mio. USD. Quelle: CNN, 16.05.2024
Phase 1: Der Köder ist keine Technik, sondern Kalenderlogik
Der Angriff beginnt nicht mit KI, sondern mit etwas Alltäglichem: einer Einladung zu einem Meeting. Der Mitarbeiter äußerte später anfängliche Skepsis gegenüber der ersten Nachricht — doch die Einladung zu einem Videocall mit bekannten Gesichtern zerstreute die Zweifel und löste genau das aus, was jede Phishing-Mail auslösen soll: den Mechanismus „wichtig, offiziell, von oben". Die erste Lektion: Der Angriff zielt nicht auf Systeme, sondern auf die Stelle, an der Dringlichkeit Hierarchie schlägt.
Phase 2: Ein einzelner Klon reicht nicht — das gesamte Setting ist gefälscht
Entscheidend am Arup-Fall: Nicht eine Stimme war gefälscht, sondern alle Teilnehmer des Calls. Für den Mitarbeiter gab es keine „echte" Person im Meeting, die hätte widersprechen können. Jeder Zweifel, den er äußerte, wurde von weiteren synthetischen Kollegen bestätigt. Das erklärt, warum Schulungen allein hier versagen: Menschen prüfen Stimmen gegen andere Stimmen im Raum — und wenn alle Stimmen aus derselben Maschine kommen, bestätigt der Raum die Lüge.
Phase 3: Nach dem Call übernimmt die Routine
Die eigentlichen Überweisungen passierten nicht im Meeting, sondern danach — über die normalen internen Freigabewege. Die gefälschte Konferenz lieferte nur das eine, was diese Wege nicht prüfen: die verbale Anweisung einer vertrauten Stimme. Fünfzehn Transaktionen, verteilt auf mehrere Tage. Keine davon löste einen Alarm aus, weil der Prozess formal korrekt war — nur die Stimme war es nicht.
Die drei Stellen, an denen der Angriff hätte brechen müssen
- Vor dem Vertrauen: Eine technische Stimmprüfung am Eingang des Calls hätte die synthetischen Teilnehmer markiert, bevor Autorität entstehen konnte.
- Vor der Freigabe: Ein fail-closed Gate im Freigabeprozess — bei Unsicherheit Rückfrage über einen zweiten, unabhängigen Kanal — hätte jede der 15 Transaktionen gestoppt.
- Danach: Eine Archivprüfung der Call-Aufzeichnung hätte den Angriff spätestens vor der zweiten Transaktionswelle sichtbar gemacht.
Was das für Ihre Prozesse bedeutet
Keine dieser Organisationen war schlecht geschützt. Arup ist ein globaler Ingenieurkonzern mit etablierter Sicherheitsorganisation. Der Angriff lief über die eine Ebene, auf der jede Firewall blind ist: das Gehör. Die ehrliche Frage lautet daher nicht „sind unsere Mitarbeiter aufmerksam genug", sondern: wo in unseren Prozessen gilt eine Stimme als Beweis — und wer prüft sie technisch?
Genau das ist der Gegenstand des VeriGate-Pilots: eine Stapelprüfung vorhandener Aufzeichnungen zeigt in vier Wochen, an welchen Stellen Ihrer Prozesse synthetische Stimmen bereits heute durchkämen: schriftlich, nachvollziehbar, mit Empfehlung.