摘要:2025 年,一家托管服务提供商的前台在冒充首席执行官的来电指示下,几乎完成了五百美元礼品卡的采购,而同一攻击者此前已用伪装发件地址的邮件作过铺垫。这一未完成的案件比一起既遂的诈骗更有分析价值,因为它留下了可观察的防守动作。本文以该案的事实链条为起点,说明语音渠道在入侵构成中占比上升的技术与心理动因,指出主叫号码认证体系的覆盖盲区、组织授权边界对口头指令的失守、以及语音交互不留痕这三项结构性缺陷;进而讨论以网络源为锚点的拦截策略为何能在号码轮换面前保持效力,同时又受制于云呼叫平台的共享出口与代理网络;最后分析回拨验证、双人复核、收款账户变更冷却期等流程控制在合成语音条件下的必要性。结论认为,语音钓鱼的防线不应建立在 "听出声音真假" 之上,而应建立在 "任何单一通道的请求都无法独立触发资金或权限变更" 的制度设计之上。
关键词:语音钓鱼;主叫号码欺骗;商业电子邮件欺诈;回拨验证;合成语音
1 引言
社会工程的成本结构在过去十年发生了明显位移。发送一封钓鱼邮件的边际成本已经接近于零,但让这封邮件穿过企业邮件网关的概率也在持续下降。反垃圾邮件、发件域认证、链接重写与点击时判定、附件沙箱、以及常年不断的员工演练,共同压缩了邮件渠道的成功率。防守方在这条渠道上投入的资金、人力与流程改造,远超其他任何一条社工渠道。
语音渠道的处境恰好相反。一通电话不需要通过任何内容检查点,不需要与黑名单比对,不会在邮件系统里留下可检索的副本,也不会被终端检测代理看见。它直接抵达一个人的听觉,并在几十秒内要求一个决定。曼迪安特在 2026 年 3 月发布的趋势报告中给出的分布是:2025 年的入侵事件中,语音社工占百分之十一,仅次于利用软件漏洞的百分之三十二,而邮件钓鱼占百分之六;克劳德斯特赖克的狩猎报告则记录了语音钓鱼事件在 2025 年下半年至 2026 年上半年之间翻倍。两组数据指向同一个事实:攻击者正在把执行环节从可被检查的文本信道,迁移到无法被检查的语音信道。
这一迁移带来的问题不是 "检测模型不够强",而是防守方长期把邮件侧的机制当作通用方案。邮件是存储转发系统,内容在静态时可被反复检查,因此可以设置隔离区、可以做投递后撤回、可以要求用户确认。语音是实时流,没有静态副本可供检查,唯一的 "隔离区" 只能由流程人为制造,也就是让请求在时间上被迫暂停。理解这一差异,是讨论语音防御的前提。
本文选取的案例具有一定的典型性:受害组织本身是一家托管服务提供商,前台人员日常处理大量技术支持请求,对社工手法并不陌生;攻击者的诉求金额很小,只有五百美元礼品卡;攻击在最后执行环节被阻断,阻断手段不是识别声音,而是封锁网络来源。技术素养、金额规模与拦截方式这三个变量,恰好构成了对现有防御假设的逐一否证。芦笛在评述此类事件时提到,语音钓鱼之所以难防,不是因为它更隐蔽,而是因为组织把 "身份确认" 这件事交给了一个在几十秒内必须给出答复的人。
2 案件的事实链条
2.1 铺垫:用邮件预设一个无法回拨的理由
案件发生在 2025 年。攻击的第一阶段沿用了商业电子邮件欺诈的经典开局:以伪装或仿冒的发件地址向公司内部发送邮件,自称是首席执行官,并强调自己 "正在路上"。这一句话看似只是交代行程,实际承担着关键的战术功能。它为后续所有异常提供了一个自洽的解释:既然人在旅途中,那么无法通过办公室座机联系、无法参加例行审批、无法在内部系统里签批,都变得合理。防守方最有价值的一条控制措施 —— 用已知号码回拨核实 —— 在被实施之前,就已经被这句话预先消解。
这一手法在社会工程研究中被称为预设性免疫:攻击者不回避验证机制,而是提前给出一个让验证显得多余或不近人情的理由。它针对的不是技术漏洞,而是人的判断成本。当一个人已经被说服 "对方现在不方便接电话",再坚持回拨,就需要承担打扰领导的心理压力。
2.2 施加:从文字转向声音
邮件铺垫之后,攻击者拨通了电话,以高管的口吻要求前台代为采购五百美元的礼品卡。与常见的电汇诈骗相比,这个诉求显得琐碎:金额不高,物品普通,理由可以是客户答谢或团队激励。正是这种琐碎降低了执行者的警惕,因为多数组织的审批矩阵是按金额设定的,五百美元通常落在免审区间。金额小、任务具体、权威明确、时限紧迫,四个条件叠加,构成了一次几乎不需要思考的请求。
据公开报道,前台人员已经准备执行这笔采购,也就是说,防线在事实层面已经失守,只是尚未完成交付。案件最终没有造成损失,原因不在识别,而在通信层面的阻断。该公司的电话系统能够看到每一通来电背后的网络地址,运营团队据此按来源地址封锁,而未按显示号码封锁。攻击者不断更换主叫号码,却没有更换其网络出口,于是来电不再抵达员工。
2.3 制度补丁:从侥幸拦截到规则
拦截之后,该公司补充了两条规则。第一条是回拨核实:员工在接到涉及资金或敏感操作的请求时,必须通过内部的、有录音的第二通道回拨确认身份。第二条是资金纪律:任何情况下都不得仅凭一通电话或一条短信变更收款账户。
值得注意的是这两条规则的形成方式。它们不是风险评估的产物,而是一次未遂事件的副产品。组织的制度记忆往往由 "差点出事" 驱动,这在中小企业与托管服务商中相当普遍:没有专职的威胁情报团队,没有足够的预算做红蓝对抗,改进的触发器只能是惊出一身冷汗的瞬间。这种学习方式有效,但不可持续,因为它依赖于运气 —— 下一次未必停在执行之前。
2.4 案例的三点可迁移结论
第一,技术素养不构成免疫。托管服务商的前台每天都在处理外部来电与远程支持请求,识别可疑话术的能力强于普通行政人员,仍然在权威与紧迫的组合下准备执行。第二,小额请求是被低估的攻击面。风控与审批通常围绕大额设计,攻击者对此有清晰认知,礼品卡、预付费卡、小额充值正是为绕开阈值而生。第三,阻断发生在承载层而非应用层。号码可以任意填写,网络位置却与运营商互联、线路落地、账号归属绑定,这个不对称是防守方少有的结构性优势。
3 渠道迁移的动因
3.1 邮件侧的边际收益递减
邮件渠道的防守密度已经很高。发件域认证使伪造发件人变得困难,链接重写在用户点击时插入一次判定,附件沙箱在隔离环境中执行宏与脚本,网关对首次出现的域名做实时信誉查询,再加上定期的钓鱼演练,邮件钓鱼的成功率被系统性压低。攻击者因此面临一个简单的成本计算:继续在邮件上投入更多伪装技巧,收益有限;换一条几乎没有检查点的信道,收益陡增。
3.2 语音侧的结构性空白
语音信道缺少三类基础设施。其一是内容可见性:实时通话没有可供扫描的静态文本,语音转写即便可行,也存在延迟,等转写完成,请求已经被执行。其二是留痕能力:邮件天然留副本,通话只留下通话详单,即主叫号码、被叫号码、起始时间与时长,不记录内容。其三是隔离能力:邮件可以把可疑邮件放进隔离区等待释放,通话无法 "暂存",只能挂断或转接。这三项空白决定了语音防御不能照搬邮件防御的技术路线,只能依赖流程与承载层控制。
3.3 心理与社交成本的不对称
语音的说服力来自它的人际属性。文字可以被反复阅读、截图转发、交给同事一起判断;声音是一次性的,听者必须在当下回应。更重要的是拒绝的社会成本:面对一个自称上级的来电,让对方等待、要求其走正式流程、甚至直接质疑身份,都需要承受关系上的压力。莱蒙斯在受访时给出的解释相当直白:电话更私人,当员工听到像同事或客户的声音,会更愿意帮忙把事情办成,而不愿意让对方等待。这句话点出了语音钓鱼的真正杠杆 —— 它利用的不是信息不对称,而是礼貌与责任感的可预测性。
3.4 变现路径的选择
礼品卡在这一生态中具有特殊地位。它的兑付不可撤销,卡号与密码一旦交出即被迅速转售或充值,没有拒付、没有回溯、没有银行侧的欺诈拦截介入。相比之下,电汇虽然金额更大,但受收款账户尽职调查、异常交易监测与跨境资金审查的多重约束,成功率和变现速度都不如礼品卡。这也解释了为什么本案的诉求是五百美元礼品卡而非一笔转账:攻击者选择的是阻力最小的变现通道,而不是收益最大的通道。
3.5 多渠道组合的放大效应
单一渠道的攻击容易被单点防御化解,多渠道攻击则让各条防线的判断相互背书。邮件先建立情境,电话再完成执行,前者为后者提供了 "确有此事" 的依据,后者为前者补上了邮件无法完成的即时指令。防守方若按渠道划分团队与工具,就会在渠道之间的缝隙处失守。这也是近年来安全运营中反复出现的问题:邮件团队看到的是可疑邮件,话务系统看到的是一个陌生号码,两端的数据没有关联,事件在拼接完成之前就已经结束。
4 防御失效的结构性原因
4.1 标识层:号码与声音都不是身份
主叫号码在网络中是应用层字段,呼叫发起方可以自行填写,这在传统电路交换与 IP 语音环境中都成立。国际上推行的通话身份认证框架,通过在运营商互联环节对呼叫来源签发数字证书并分级标注可信程度,确实提升了境内互通场景下的可追溯性。但它的覆盖面存在明确边界:认证只在采用 IP 互联且完成证书部署的网络之间生效;来自境外的呼叫通常在落地网关处被降级标注,甚至不带认证信息;仍在运行的传统电路交换链路无法参与;企业自建的语音交换与 SIP 中继若未正确传递身份头域,也会使认证链断裂。更根本的是,来电显示的名称比号码更不可信,它往往由接收端本地的通讯录匹配生成,攻击者只要让号码落入某个已被保存的联系人条目,显示出来的就是那个名字。
4.2 组织层:前台被当成一道网关
在很多组织中,前台或客服事实上承担着 "人肉网关" 的职能:过滤来访、转接请求、代收信息、代办琐事。这个角色被赋予了大量裁量权,却没有被赋予相应的验证工具与拒绝授权。当一通电话要求采购礼品卡,前台需要同时判断三件事:对方是否确为高管、这个请求是否在授权范围内、自己是否有权拒绝。三件事都不在她的职权内,但都必须在一分钟内完成。组织把裁决责任下沉到了最不具备裁决条件的位置。
4.3 流程层:口头指令没有对应的控制
审批矩阵通常以金额与事项类型为维度,覆盖的是书面提交的申请。口头指令天然绕开了这一矩阵,因为它不进入任何工单系统。收款账户变更尤其危险:即便采购流程合规,只要账户信息在最后一刻被口头更正,资金仍然会流向攻击者。这类变更缺少双人复核与冷却期,是商业电子邮件欺诈长期得手的核心原因,在语音场景下同样成立。
4.4 技术层:端点安全看不见人体信道
终端检测与响应、邮件网关、数据防泄漏,这些工具的观测面是设备、文件与网络流量。语音社工不落地任何文件,不产生可执行代码,不触发任何一条终端告警。它不是 "绕过" 了这些工具,而是从未进入它们的观测范围。防守方需要的观测面对话务系统、身份系统与邮件系统的日志做时间关联,而这三套系统通常由不同部门维护,彼此没有共享的时间轴。
5 以网络源为锚点的拦截
5.1 原理:为什么封锁源地址比封锁号码有效
号码是攻击者可以任意填写的字段,更换成本几乎为零;网络位置则与真实的接入关系绑定,包括所租用的云主机、所使用的中继线路、所落地的国际网关。要在不改变网络位置的前提下不断更换号码,是容易的;要在不改变号码所依附的接入网络的前提下更换出口,则需要重新部署基础设施,成本显著上升。本案的处置正是利用了这一点:在会话边界控制器或软交换层面按来源地址前缀执行封禁,攻击者的号码轮换因此失效。
从工程角度看,这一控制点位于信令层,早于振铃,也早于任何内容处理,因此不引入通话延迟,不影响正常业务体验,且可被集中管理。对于话务量不大的组织,这是性价比最高的一层防护。
5.2 边界:四类误封与三类规避
这一策略的效力有明确上限。误封风险主要来自四类情形:合法云呼叫中心与通信平台即服务往往从共享出口发起呼叫,按源封禁会波及正常客户来电;跨国企业的分支机构可能经由同一国际网关落地;运营商级网络地址转换会把大量互不相关的用户聚合到少量公网地址;销售人员漫游时使用的临时网络也可能落在被封禁的段内。
规避手段同样存在。攻击者可以使用虚拟专用网络、租用的虚拟服务器或住宅代理改变出口,虽然这会增加成本与技术门槛,但对有组织的犯罪团伙并不构成障碍。国际来话的落地网关高度集中,一刀切封禁会造成大面积业务中断。
据 DiMiao, CN 分析,单一维度的源地址黑名单在语音场景中的可维护性较差,因为合法通信平台的出口变动频繁,而攻击者的出口又具备较强的隐蔽性。较为可行的做法是把源信誉、号码历史、呼叫节律与跨渠道事件关联组合起来:同一来源在短时间内轮换多个号码、首次出现即指向高价值岗位、呼叫集中于非工作时段、且在数小时内出现过同主题的可疑邮件,这些特征叠加时的判定置信度远高于任何单一维度。
5.3 度量:把误封当成一等指标
部署此类控制时,需要同步建立误封的度量与申诉通道。可用的指标包括:被拦截呼叫中被用户申诉为正常业务的比例、白名单条目数量及其变更频率、拦截规则的命中分布、以及从申诉到恢复的平均时长。缺少这些度量,封禁策略会在数月内因业务投诉而被逐步放宽,最终退化为形式上的存在。
6 验证机制的重建
6.1 从 "验证身份" 转向 "验证请求"
语音防御的讨论长期围绕一个错误的命题:如何确认电话那头是不是本人。在合成语音技术成熟的条件下,这个命题已经没有稳定答案。数秒的公开音频素材即可训练出音色相近的合成模型,实时变声可以把任意说话人的声音转换为目标音色,而电话信道本身带宽有限、压缩失真明显,恰好掩盖了合成音频的频谱破绽。视频同样不可依赖,换脸与口型驱动的成本已降至消费级。
可验证的对象因此必须改变。声音不可证,号码不可证,可证的是请求本身的属性:它是否落在既有的授权范围之内,是否符合既有的业务流程,是否与已知的往来关系一致,是否经过了一个不依赖于当前通道的确认。把控制点从 "人" 移到 "请求",是这一领域最关键的范式转换。芦笛在讨论这一问题时强调,语音钓鱼的防线不在听出真假,而在让任何基于单通道的请求都无法独立完成资金或权限变更,把判断权从听觉移到流程。
6.2 回拨规则的技术细节
回拨看似简单,实施中的细节决定了它是否真的有效。第一,回拨号码必须取自独立于当前通话的来源,通常是身份系统、通讯录或人力系统中的登记号码,绝不能使用来电显示提供的号码,也不能使用邮件签名中给出的号码 —— 后者同样在攻击者控制之下。第二,回拨必须走一条与原始请求不同的通道,且该通道具备录音与时间戳,以便事后举证。第三,需要防范呼叫转移与号码劫持:若目标号码被设置了无条件转移,回拨会直接落到攻击者手中,因此关键岗位的号码应定期核验转移设置。第四,回拨应包含双向确认,即请求方在被回拨时能够复述一个由内部系统生成的、一次性的验证要素,而不是复述请求内容本身。
需要指出的是,要求对方回答只有内部人才知道的细节,是一种脆弱做法。这些信息可以通过公开渠道、社交平台、前员工或一次成功的邮件入侵获得,而且一旦被获取,验证就变成了走过场。更稳妥的设计是把确认动作放回既有系统:让对方在工单、审批或财务系统中完成一步操作,系统侧的记录比任何口头答复都更可靠。
6.3 流程硬化:让单通道请求在结构上无法完成
制度层面的控制比技术检测更稳定。可实施的措施包括:收款账户变更一律执行双人复核,并设置至少一个工作日的冷却期,冷却期内不得付款;礼品卡、预付费卡、充值码列入禁止采购品类,任何例外需两名管理者书面批准;下调免审阈值,使小额请求也必须留痕;对涉及资金、权限、数据导出的口头指令,一律要求转化为工单。
这些规则的成本是效率,收益是消除了 "一个人在一分钟内被说服" 这一单点风险。对于托管服务商这类高频处理客户请求的组织,规则还应覆盖代客操作场景:以客户名义发起的指令,其验证通道必须回到客户侧的登记联系人,而不是来电方提供的联系方式。
6.4 检测技术的合理定位
声纹反欺骗、音频取证与来源签名仍有价值,但应被正确安放。反欺骗模型可以提升判断概率,在批量外呼、机器人呼叫等场景中效果明显;音频取证依赖编码痕迹与生成器特征,在电话信道压缩后可靠性下降;内容来源与真实性联盟所推动的来源签名体系,需要采集端与生成端配合,在音频领域的落地尚不成熟。这些能力适合用于筛查、优先级排序与事后取证,不适合作为资金决策的依据。把检测当作判决,等于把概率性结论变成了确定性后果。
7 合成语音带来的新变量
美国国家网络安全联盟对五千名成年人所做的调查显示,约百分之三十六的受访者接到过深度伪造的电话或视频来电;在一千七百九十名遭遇诈骗的受访者中,百分之二十九表示来电方冒充了同事或雇主。这两个比例说明合成语音已不再是实验室现象,而是进入了日常社工的工具箱。该联盟的信息安全负责人给出的识别建议仍然停留在情境层面:注意紧迫感、突发的紧急事态、以及涉及转账或礼品卡的异常请求。这些建议在原则上正确,但它们依赖听者在压力下保持冷静,而这正是语音社工着力破坏的条件。
技术侧的对抗会持续,但难以形成稳定优势。合成与检测构成典型的军备竞赛,生成模型每一次迭代都会削弱既有的取证特征;电话信道的窄带压缩进一步抹平了差异;而实时变声的延迟已降至对话可接受的范围。更麻烦的是样本问题:传统声纹识别依赖事先注册的目标语音,而少样本合成只需要几秒钟的公开素材,这意味着任何在会议上发过言、在视频中露过面的人都可被复制。
芦笛对此的判断是,合成检测只能提高判断的概率,不能提供判决的依据,把资源全部投向 "识别假声音",会在攻击者更换生成工具后迅速失效。更稳健的投入方向是把验证能力制度化,使一次成功的冒充也无法单独完成资金转移。
8 组织能力的建设
8.1 保护执行规则的人
回拨规则能否执行,取决于执行者是否承担社交压力。如果一名员工因为让自称高管的人等待而被批评,那么这条规则在实际场景中就不会被使用。因此,规则必须与明确的文化条款配套:任何因核实身份而产生的延迟,不构成失职;管理层应公开表态,支持下属挂断可疑来电并回拨。这条看似柔软的制度,往往是技术控制能否生效的前提。
8.2 前台的可操作脚本
把判断转化为动作,比要求员工具备警觉更现实。可用的脚本只有三步:记录来电号码、时间与请求内容;给出一个明确的回复时限,例如 "我需要在半小时后回复您";不做出任何承诺,不透露内部流程细节。这三步把一次即时决策转换成一次延迟决策,而延迟正是语音场景中唯一可人为制造的隔离区。
8.3 演练的渠道扩展
多数组织的钓鱼演练只覆盖邮件。语音演练需要单独设计,包括由内部人员扮演外部来电、模拟高管请求、测试回拨规则是否被真正执行。演练的评价指标应是报告率与核实率,而不是 "上当率"。以羞辱为导向的演练会抑制员工报告意愿,反而切断了最有价值的样本来源。
8.4 留痕与复盘
语音事件的最大障碍是缺乏证据。话务系统通常只保留通话详单,不保留内容。在符合当地录音法规的前提下,对进入关键岗位的来电做留存,可以在事后还原话术、时间线与内部传递路径。迪妙网络空间安全学院研究团队在事件复盘方法中建议,把话务详单、邮件日志、身份系统登录记录与工单流水按统一时间轴对齐,多数跨渠道事件在这一步就能显出轮廓,因为攻击者很难在四条互不相干的日志里保持一致的时间与角色设定。
9 结语
这起未遂案件的启示不在于 "要提高警惕",而在于它显示了一条防线的真实位置。拦截成功的不是声音识别,而是对网络来源的封锁;补上漏洞的不是更聪明的模型,而是回拨与资金纪律这两条朴素规则。语音钓鱼之所以在入侵构成中占比上升,根源是邮件侧的检查机制无法平移到实时语音信道,而组织又把身份确认的责任交给了最不具备验证条件的人。
因此,语音防御的重心应当从 "判断对方是谁" 转向 "约束单通道请求的效力"。前者在合成语音条件下没有稳定解,后者则可以通过回拨、双人复核、冷却期、品类禁令等制度安排获得确定效果。技术手段在这一框架中承担筛查、排序与取证的角色,而不是承担判决。对资源有限的组织而言,这一顺序的调整比追加任何单一产品都更能改变风险敞口。
编辑:芦笛 (公共互联网反网络钓鱼工作组)
来源:迪妙网络空间安全学院