ディープフェイク音声詐欺とは？AIボイスクローン攻撃の手口と対策をSC試験目線で徹底解説

「電話の向こうの声が本物かどうか、あなたはどうやって確かめますか？」

生成AIの進化により、数秒の音声サンプルから本人そっくりの声を合成するボイスクローン（Voice Cloning）が誰でも使える時代になりました。上司の声で送金を指示され、ビデオ会議のCFOがディープフェイクだったという事件が、実際に数十億円規模の被害を生んでいます。

私はCIO時代、送金や契約に関わる業務プロセスの統制を設計する立場にありました。当時の脅威は「メールのなりすまし」や「紙の稟議書の偽造」でしたが、根本の考え方は今も同じです。**「依頼された経路とは別の経路で本人確認をする」**という原則が、AI時代にはむしろ重要性を増しています。実は2026年7月中旬、私自身のスマートフォンにも郵便局をかたる自動音声の詐欺電話がかかってきました。この実体験も本文で紹介します。

この記事で学べることは次の3点です。

• ディープフェイク音声詐欺（AIボイスクローン攻撃）の仕組みと、ビッシング・BECとの関係
• 実際に起きた事件（香港の約40億円被害、フェラーリCEOなりすまし未遂など）から学ぶ攻撃と防御のリアル
• コールバック検証・職務分離・従業員教育といった対策と、SC試験での出題ポイント

ディープフェイク音声詐欺（AIボイスクローン攻撃）とは何か

まず、攻撃の全体像を押さえましょう。ディープフェイク音声詐欺とは、AIで合成した本人そっくりの音声（場合によっては映像も）を使って別人になりすまし、送金や情報提供をだまし取る攻撃です。技術は新しくても、本質は昔からあるソーシャルエンジニアリング（人間の心理的な隙を突く攻撃）の延長線上にあります。

数秒の音声サンプルから声を複製できる仕組み

ボイスクローンの技術的なハードルは、ここ数年で劇的に下がりました。

• 学習データの入手が容易: 経営者や役員は、決算説明会・講演動画・インタビュー・ポッドキャストなど、公開されている音声素材が豊富です。攻撃者はこれらを収集するだけで学習データを確保できます
• 必要なサンプルはごく短い: 最近の音声合成モデルは、数秒から数十秒程度のサンプルで声質・話し方の特徴を再現できます。SNSに投稿した動画の声だけでも十分な場合があります
• リアルタイム変換も可能: 事前に録音した音声を再生するだけでなく、攻撃者が話した内容をリアルタイムでターゲットの声に変換する技術も存在します。これにより「会話が成立してしまう」なりすましが可能になりました

学び始めの人がつまずきやすいのは、「ディープフェイクは映像技術」という思い込みです。ディープフェイク（deepfake）は深層学習（deep learning）と偽物（fake）を組み合わせた言葉で、映像・音声・画像のすべてを含む概念です。音声だけのなりすましは、映像よりも生成が容易で、電話という日常的なチャネルに乗せられるため、むしろ実害が先行しています。

ビッシング（vishing）との関係を整理する

ビッシング（vishing：voice + phishing）は、電話や音声通話を使ったフィッシング詐欺の総称です。従来のビッシングは「攻撃者本人が演技する」か「機械的な自動音声を流す」手口でした。ここにボイスクローンが加わることで、次のような進化が起きています。

• 従来型: 攻撃者が銀行員や公的機関を「演じる」。声が本人と違うため、知人へのなりすましは困難だった
• 自動音声型: 「荷物が届いています。1を押してください」のような自動音声で誘導し、オペレーターや偽サイトにつなぐ
• AIボイスクローン型: 実在する特定個人（上司・同僚・家族）の声そのものでなりすます。声による本人確認が根本から無効化される

つまりディープフェイク音声詐欺は、ビッシングの最も高度な形態と位置づけられます。SC試験では、ビッシングはソーシャルエンジニアリングの一手法として整理されることを押さえてください。

BEC（ビジネスメール詐欺）との違いと融合

BEC（Business Email Compromise：ビジネスメール詐欺）は、経営者や取引先になりすましたメールで送金をだまし取る攻撃です。当ブログでもBECは別記事で詳しく解説していますが、ディープフェイク音声詐欺との関係は「対立」ではなく「融合」です。

• メールだけのBECは、SPF/DKIM/DMARCなどの送信ドメイン認証や、従業員の「怪しいメールを疑う」意識の向上で検知されやすくなった
• そこで攻撃者は、メールで布石を打ち、電話やビデオ会議のディープフェイクで信頼を上書きする多チャネル型に進化した
• 「メールは疑うが、声を聞けば信じる」「顔を見れば信じる」という人間の心理を突くのが狙いです

攻撃の典型的な流れは次のとおりです。

1. 偵察: SNS・公開動画・企業サイトから、なりすます人物の音声サンプルと組織情報（役職、決裁フロー、取引先）を収集する
2. クローン生成: AIで対象者の声を複製する
3. 布石: メールやチャットで「後で電話する」「極秘案件だ」と予告し、心理的な準備をさせる
4. なりすまし: 電話やビデオ会議で対象人物になりすまし、緊急性（今日中・極秘・上層部案件）を演出する
5. 送金指示: 送金や機密情報の提供を指示する
6. 被害発生: 送金された資金は多段階で移動され、追跡が困難になる

「極秘案件だから他の人に相談するな」という指示は、組織の相互チェックを無効化するための常套句です。ここは後述する対策とSC試験の午後問題の両方で重要な着眼点になります。

実際に起きたディープフェイク詐欺事件から学ぶ

理論だけでは脅威の実感が湧きません。ここでは実際に報道された代表的な事件を時系列で見ていきます。攻撃の進化と、防げたケース・防げなかったケースの分かれ目に注目してください。

2019年：英国エネルギー企業の22万ユーロ被害（音声クローン詐欺の先駆け）

2019年、英国のエネルギー企業のCEOが、ドイツにある親会社のCEOになりすました電話を受け、ハンガリーの取引先への送金を指示されて約22万ユーロ（当時のレートで約2,600万円）を送金してしまった事件が報じられました。AI音声クローンが企業詐欺に使われた初期の代表例とされています。

この事件のポイントは次の3つです。

• 被害者は「上司のわずかなドイツ語訛りと声の抑揚」まで認識しており、声で本人だと信じ込んだ
• 「1時間以内に送金しないと罰金が発生する」という緊急性の演出が使われた
• 被害者が不審に気づいたきっかけは、声ではなく「返金が実行されていない」「発信元の電話番号がオーストリアだった」という周辺の矛盾だった

声そのものの真偽を人間の耳で判定するのは困難であり、検証は別の情報に頼るしかない。この教訓は7年後の今も変わっていません。

2024年：香港の多国籍企業で約40億円のビデオ会議詐欺

2024年に発覚した香港の事件は、ディープフェイク詐欺の被害規模を一気に押し上げました。英国のエンジニアリング大手Arup（アラップ）の香港拠点の財務担当者が、本社のCFO（最高財務責任者）を名乗るメールで「極秘取引」への協力を求められました。担当者は当初フィッシングを疑いましたが、その後のビデオ会議にCFOや同僚など複数の「見知った顔」が出席していたため信用し、指示に従って15回に分けて総額2億香港ドル（当時のレートで約40億円）を送金してしまいました。

しかし、ビデオ会議に映っていた参加者は、担当者本人を除いて全員がディープフェイクで生成された偽物でした。公開されている過去の会議映像や動画から、複数人の顔と声が再現されていたと報じられています。

この事件から学ぶべき点は明確です。

• 「複数人が出席している会議」ですら信頼の根拠にならない時代になった
• 最初にフィッシングを疑った健全な警戒心が、「見た目と声」で上書きされてしまった
• 高額送金であるにもかかわらず、別経路での確認（コールバック）や複数人の承認というプロセスの防波堤が機能しなかった

2024年：フェラーリCEOなりすまし未遂と「本の質問」

同じ2024年には、防御が機能した好例も報じられました。イタリアの自動車メーカー、フェラーリの幹部に、CEOのベネデット・ヴィーニャ氏を名乗るWhatsAppメッセージと電話が届きました。電話の声はヴィーニャ氏の南イタリア訛りまで再現した精巧なもので、「極秘の買収案件のため通貨ヘッジ取引が必要だ」と持ちかけてきました。

しかし幹部は不審な点に気づき、こう切り返しました。「本人確認をさせてほしい。数日前にあなたが勧めてくれた本のタイトルは何でしたか？」。攻撃者はこの質問に答えられず、電話は切れました。

これはセキュリティ用語でいえば、本人しか知り得ない情報（記憶による知識）を使ったチャレンジレスポンス的な検証です。AIは公開情報から声や顔を複製できても、当事者間の私的な会話までは再現できません。高度な技術による攻撃を、費用ゼロの「質問ひとつ」で無力化した事例として広く知られています。

身近な入り口：郵便局をかたる自動音声電話（筆者の実体験）

大企業の話だけではありません。2026年7月中旬、私のスマートフォンに郵便局を名乗る自動音声の電話がかかってきました。不在票は入っていませんでしたが、念のため案内に従って番号を押してみると、いきなり個人情報の入力・提供を要求されました。さすがに怪しすぎたので、「本当に郵便局員ですか」「どこから電話をかけていますか」としつこく確認したところ、電話は一方的に切れました。後で日本郵便の公式Webサイトを確認すると、まさにこの手口が「郵便局を装った不審な自動音声電話」として注意喚起されていました。日本郵便は、自動音声で個人情報を尋ねることはないと公式に案内しています。

この体験から得た教訓は2つあります。

• 日頃わざわざ調べないからこそ、かかってきた瞬間の対応力が問われる。事前に手口を知らなくても、「個人情報を求められたら一度切って公式窓口に確認する」という原則さえ持っていれば防げます
• 今回は機械的な自動音声でしたが、これが家族や上司のクローン音声に置き換わったらどうか。「声を信じない」のではなく、「声だけを信じない」習慣が、個人にも組織にも必要です

組織と個人でどう守るか：プロセス・教育・技術の多層防御

ディープフェイク対策の核心は、意外かもしれませんが技術ではありません。「声や顔による本人確認を信頼の根拠にしない」業務プロセスの再設計です。ここでは組織的対策を中心に、技術的対策の位置づけと限界まで整理します。

コールバック検証と合言葉：別経路での本人確認

最も費用対効果が高い対策がコールバック検証（callback verification）です。

• 送金や機密情報の提供を依頼された場合、かかってきた電話にそのまま応じず、いったん切る
• あらかじめ登録された正規の電話番号（社内電話帳・公式サイト記載の番号）に、自分からかけ直して依頼内容を確認する
• 相手が「この番号にかけ直して」と指定してきた番号は使わない（攻撃者の番号に誘導されるため）

ここで学び始めの人が混同しやすいのは、「着信番号の表示を確認すればよい」という誤解です。発信者番号は偽装（スプーフィング）できるため、表示された番号への信頼と、自分からかけ直す行為はセキュリティ上まったく別物です。検証の主導権を自分側に取り戻すことがコールバックの本質です。

フェラーリの事例のような合言葉・私的な共有知識による確認も有効です。経営層と財務部門の間で、送金指示の際に確認する合言葉を事前に決めておく運用は、コストゼロで導入できます。ただし合言葉が漏えいすれば無効になるため、定期的な変更と、合言葉だけに依存しない多層化が前提です。

送金プロセスの職務分離と閾値ルール

CIO時代の経験からいえば、人の注意力に頼る統制は必ずどこかで破られます。だからこそ、プロセスとして例外を許さない仕組みが必要です。

• 職務分離（Segregation of Duties）: 送金の申請者と承認者を必ず分離する。1人の判断で送金が完結する状態を作らない
• 金額閾値による多段承認: 一定金額以上の送金には複数役職者の承認を必須にする。香港の事件では15回に分割して送金されており、分割送金で閾値を回避するパターンも想定したルール設計（累計額での判定など）が必要です
• 緊急時の例外手続きを作らない: 攻撃者は必ず「緊急」「極秘」「CEO案件」を演出します。「緊急だから承認を飛ばす」抜け道が存在する限り、そこを突かれます。緊急案件ほど通常より厳格な検証を課すのが正しい設計です
• 口座変更手続きの厳格化: 取引先の振込口座変更は、登録済みの連絡先への確認を必須にする。BECとディープフェイクに共通する狙い目だからです

従業員教育と訓練：疑うことを組織文化にする

プロセスを作っても、従業員が「上司の指示を疑うなんて失礼だ」と感じて例外を許せば意味がありません。教育のポイントは次のとおりです。

• 「声や映像はもはや本人性の証明にならない」という事実を全社で共有する。香港やフェラーリの実例は教材として説得力があります
• 確認行動を推奨し、評価する文化を作る。フェラーリの幹部はCEO本人に対して「本人確認をさせてほしい」と言いました。この一言を「無礼」ではなく「模範行動」と位置づけるトップのメッセージが重要です
• 訓練に音声・ビデオ会議のシナリオを含める。標的型メール訓練だけでは、電話経由の攻撃への耐性は身につきません
• 経営層自身が「自分が電話で送金を指示することはない。あったら詐欺だと思え」と宣言しておくのも実効的です

技術的対策の可能性と限界

技術的対策も進んでいますが、現時点では決定打になりません。

• ディープフェイク検知技術: 音声や映像の不自然さをAIで検知する製品が登場しています。ただし生成技術と検知技術は「いたちごっこ」の関係にあり、検知率100%は期待できません
• 声紋認証（音声による生体認証）の限界: 声で本人確認を行うシステムは、ボイスクローンによってなりすまされるリスクがあります。生体認証を使う場合は、提示された生体情報が本物の人間から取得されたことを確認するライブネス検出（生体検知）や、他要素との組み合わせが必要です
• コンテンツの来歴証明: 生成AI由来のコンテンツに電子透かしや来歴情報を付与する標準化（C2PAなど）が進んでいますが、攻撃者が規格に従う義務はなく、詐欺電話への直接の対策にはなりません

結論として、技術は補助輪であり、最後の防波堤は「別経路での確認」と「職務分離」という人的・組織的プロセスです。この構図は、SC試験の午後問題で問われる「技術と運用の組み合わせ」の典型例でもあります。

SC試験での出題パターンと対策

ディープフェイクやAIを悪用した攻撃は、IPAの「情報セキュリティ10大脅威 2026」（組織編）で「AIの利用をめぐるサイバーリスク」が初めて3位にランクインした注目領域です。試験での問われ方を午前・午後に分けて整理します。

午前II：用語の定義と分類を正確に

午前IIでは、ソーシャルエンジニアリング関連の用語の定義・分類が繰り返し出題されています。本記事の範囲では次の対応関係を正確に押さえてください。

• ビッシング: 電話・音声を使ったフィッシング。ディープフェイク音声詐欺はその高度化形態
• スミッシング: SMSを使ったフィッシング。ビッシングとの区別が定番の引っかけ
• BEC: 経営者や取引先になりすまして送金をだまし取る詐欺。メールが起点だが、音声・ビデオ会議と組み合わせた多チャネル化が進む
• ソーシャルエンジニアリング: 人間の心理的な隙を突く攻撃の総称。ビッシングもBECもこの中に含まれる

引っかけとして、「ディープフェイク対策＝検知ソフトの導入」という技術偏重の選択肢が出た場合は注意してください。出題者が正解に据えるのは、別経路での確認や職務分離といったプロセス面の対策であることが多いです。

午後：事例文の中の「プロセスの穴」を見つける

午後問題では、なりすましによる不正送金の事例が題材になった場合、次の観点で事例文を読み解きます。

• 送金指示の受付経路と検証経路が同一になっていないか（かかってきた電話にそのまま応答して確認した気になっていないか）
• 申請と承認の職務分離が機能しているか。「緊急」を理由に承認プロセスが省略されていないか
• 取引先の口座変更時の確認手続きが定められているか
• 従業員教育・訓練の範囲に音声・ビデオ会議経由の攻撃が含まれているか

「本人の声だったので本人と判断した」という記述が事例文にあれば、それはほぼ確実に出題者が用意した脆弱性です。改善策として「登録済みの連絡先へのコールバックによる確認」「複数人による承認」を記述できるようにしておきましょう。

【演習】ディープフェイク音声詐欺理解度チェック（全10問）

ビッシングやBECなどソーシャルエンジニアリング関連の用語は午前IIで定義・分類が問われ、午後では不正送金事例の「プロセスの穴」を指摘させる形で出題されます。定番の引っかけは、スミッシングとビッシングの取り違えや、技術的対策だけを正解に見せかける選択肢です。以下の練習問題で本記事の理解度を確認してみましょう。

まとめ：声も顔も証明にならない時代の本人確認を設計する

ディープフェイク音声詐欺の本質は、「声と顔」という人類が何万年も使ってきた本人確認の手段が、AIによって複製可能になったことです。最後に要点を整理します。

• ボイスクローンは数秒の音声サンプルから生成でき、ビッシング・BECと融合して多チャネル型のなりすまし攻撃に進化している
• 香港の約40億円事件は「複数人のビデオ会議」すら信用できないことを、フェラーリの未遂事件は「本人しか知らない質問」の有効性を示した
• 対策の核心は技術ではなく、コールバック検証・合言葉・職務分離・多段承認という業務プロセスの再設計と、確認行動を推奨する組織文化
• SC試験では、ビッシング等の用語分類（午前II）と、事例文中の「本人の声だから信用した」というプロセスの穴の指摘（午後）が問われる

CIOとして統制を設計していた頃、「性悪説でプロセスを作り、性善説で人と接する」ことを心がけていました。ディープフェイク時代の統制もまったく同じです。上司の声を疑うのは失礼ではなく、上司を守る行為です。私自身、郵便局をかたる自動音声への対応で痛感しましたが、手口を事前に知らなくても「別経路で確認する」原則さえ体に染み込んでいれば防げます。試験勉強で学ぶ知識は、明日あなたのスマートフォンに鳴る1本の電話への備えそのものです。

本記事は情報処理安全確保支援士（SC）試験対策を目的として作成しています。

参考資料

• IPA 情報セキュリティ10大脅威
• 日本郵便 郵便局を装った不審な電話への注意喚起（公式X）
• Fortune: Ferrari exec foils deepfake attempt by asking the scammer a question only CEO Benedetto Vigna could answer
• 日本経済新聞: テレビ会議でディープフェイク 英大手、40億円詐欺被害
• Forbes: A Voice Deepfake Was Used To Scam A CEO Out Of $243,000