Impressão digital acústica em fintech: detetar vozes sintéticas

Pela equipa da IdentityCall AI | Fintech | 6 min de leitura

O problema da “fraude do CEO”

Em 2024, uma multinacional de Hong Kong perdeu 25 milhões de dólares depois de um funcionário ter sido enganado numa videochamada em que todos os outros eram deepfakes.
As fintechs são agora o alvo principal dos “ataques de voz sintética”, em que os fraudadores usam vozes clonadas para autorizar transferências de elevado valor.

As palavras-passe tradicionais e a 2FA (SMS) estão a falhar porque a engenharia social as contorna. A última linha de defesa é a própria voz. Mas os humanos já não conseguem notar a diferença.

Chega a impressão digital acústica

A impressão digital acústica vai além da “biometria de voz” (identificar quem fala) para realizar uma “análise de artefactos” (identificar o que gerou a fala).

Como funciona

Os geradores de deepfakes (GANs, modelos de difusão) deixam vestígios microscópicos no sinal de áudio: artefactos que o ouvido humano não deteta, mas que os algoritmos conseguem ver.

1. Continuidade de fase: as cordas vocais reais produzem sinais de fase contínuos. A geração sintética introduz muitas vezes “descontinuidades de fase” nos pontos onde as tramas de áudio são unidas.
2. Queda nas altas frequências: muitos modelos de TTS (texto para voz) têm dificuldade em gerar harmónicos de alta frequência realistas (>8kHz), deixando uma assinatura reveladora de “abafamento” no espectrograma.
3. Análise do padrão de respiração: os humanos respiram de forma irregular. Os modelos ou se esquecem de respirar ou inserem sons de respiração em intervalos matematicamente perfeitos (não naturais).

A pontuação de “liveness”

A IdentityCall fornece uma pontuação de probabilidade sintética (0-100) para cada chamada.

• Pontuação < 20: provavelmente humana.
• Pontuação > 80: provavelmente sintética.

Implementação em fintech:
Em vez de bloquear a chamada (o que gera fricção), as pontuações de alto risco acionam uma escalada silenciosa:

1. A transferência é colocada em pausa.
2. É acionada uma autenticação secundária robusta (por exemplo, uma notificação push para um dispositivo verificado).
3. Um analista de fraude humano revê o espectrograma visual.

Confie, mas verifique

Na era da IA, ouvir já não é acreditar. As fintechs têm de verificar a física da voz, não apenas o som.

Proteja as suas transferências bancárias com uma análise acústica de nível militar.