Vishing
KI übernimmt den Phishing-Anruf: Vishing wird zur automatisierten Cybercrime-Maschine
Wenn der Phishing-Anruf keinen menschlichen Angreifer mehr braucht
Von Dr. Martin J. Krämer, CISO Advisor bei KnowBe4
Voice-Phishing steht vor einem Skalierungssprung: Mit KI lassen sich betrügerische Telefongespräche inzwischen weitgehend autonom führen, personalisieren und parallelisieren. Was bislang menschliche Call-Operatoren erforderte, kann eine neue Generation von Phishing-as-a-Service-Plattformen automatisieren. Damit droht Vishing vom aufwendigen Social-Engineering-Angriff zum industriell skalierbaren Geschäftsmodell der Cyberkriminalität zu werden.
Sicherheitsforscher von Group-IB haben mit „CallFlow“ ein System analysiert , das zeigt, wohin sich Voice-Phishing entwickeln könnte. Die Anwendung ist Bestandteil der Phishing-as-a-Service-Plattform (PhaaS) „Balonx“ und kombiniert mehrere KI-Dienste, um betrügerische Telefongespräche weitgehend ohne menschliche Beteiligung zu führen.
Aktuell konzentrieren sich die beobachteten Angriffe vor allem auf Mexiko. Das zugrunde liegende Modell lässt sich jedoch grundsätzlich auf andere Regionen, Sprachen und Angriffsszenarien übertragen. Genau darin liegt die eigentliche Brisanz: Automatisiertes Vishing könnte Cyberkriminellen ermöglichen, wesentlich mehr potenzielle Opfer gleichzeitig anzusprechen.
Phishing-as-a-Service wird professioneller
Plattformen wie Balonx stellen Cyberkriminellen vorgefertigte Phishing-Seiten, Infrastruktur und weitere Dienstleistungen zur Verfügung. Der Professionalisierungsgrad solcher Angebote hat inzwischen ein Niveau erreicht, das in Teilen an legitime Software-as-a-Service-Plattformen erinnert.
Beworben werden entsprechende Dienste unter anderem über Facebook-Gruppen mit Namen wie „Base de Datos“ oder „Bases de datos Negocios Serios“. Sie fungieren als Handelsplätze für gestohlene Informationen und als Einstiegspunkt in das kriminelle Ökosystem.
Balonx nutzt darüber hinaus Telegram sowie Demonstrationsvideos, um die eigenen Fähigkeiten zu vermarkten. Gleichzeitig rotiert der Anbieter seine Domains kontinuierlich. Werden einzelne Internetadressen gesperrt, kann die Infrastruktur dadurch vergleichsweise schnell unter neuen Domains weiterbetrieben werden.
CallFlow automatisiert den menschlichen Betrüger
Eine zentrale Erkenntnis der Untersuchung ist das eigenständige Modul CallFlow. Es übernimmt wesentliche Aufgaben, die bei klassischen Vishing-Angriffen bislang von menschlichen Call-Operatoren erledigt werden mussten.
Damit verändert sich das wirtschaftliche Modell hinter dem Angriff. Aus einem personalintensiven Social-Engineering-Szenario wird eine zunehmend automatisierbare Infrastruktur.
CallFlow kombiniert dafür vier KI-Komponenten: GPT-4o-mini, ElevenLabs mit der synthetischen Stimme „Carolina“, OpenAI Whisper sowie OpenAI Voice.
Im Zusammenspiel entsteht eine kontinuierliche Konversationsschleife. Die künstlich erzeugte Stimme führt das Gespräch mit dem potenziellen Opfer. Dessen Antworten werden über Whisper transkribiert und an das Sprachmodell weitergeleitet, das wiederum passende Reaktionen generiert. OpenAI Voice dient nach Angaben der Forscher als zusätzliche Komponente für Sprachprozesse.
Das Ergebnis ist ein dynamischer Dialog, der sich in Echtzeit an die Antworten des Opfers anpassen kann.
Vishing wird zum skalierbaren Angriff
Die entscheidende Veränderung liegt weniger in einer einzelnen KI-Funktion als in deren Orchestrierung. CallFlow zeigt, wie Sprachgenerierung, Speech-to-Text und generative KI zu einer automatisierten Social-Engineering-Kette verbunden werden können.
Über die Benutzeroberfläche der Plattform lassen sich unter anderem aktive Gespräche, Erfolgsquoten und durchschnittliche Gesprächsdauern verfolgen. Ein Operator muss damit nicht mehr jeden Anruf selbst führen, sondern kann theoretisch eine Vielzahl paralleler Gespräche überwachen und erst eingreifen, wenn die Automatisierung an ihre Grenzen stößt.
Für Cyberkriminelle verändert das die Kostenstruktur erheblich. Weniger Personal kann mehr potenzielle Opfer erreichen. Gleichzeitig lassen sich Kampagnen länger betreiben und einfacher skalieren.
Gerade diese Kombination macht KI-gestütztes Vishing gefährlich: Automatisierung reduziert die Kosten eines einzelnen Angriffs, während Personalisierung dessen Erfolgschancen erhöhen kann.
Bankkunden offenbar gezielt im Visier
Bei der Untersuchung der Infrastruktur fanden die Forscher zudem Hinweise auf Kampagnen gegen mehrere Banken. Entdeckt wurde unter anderem eine Datenbank mit Telefonnummern, die einer bestimmten Bank zugeordnet waren.
Das deutet darauf hin, dass solche Datensätze unmittelbar als Ausgangsbasis automatisierter Anrufkampagnen dienen können. Werden Telefonnummern mit weiteren kompromittierten personenbezogenen Informationen kombiniert, können Angreifer ihre Gesprächsführung zusätzlich personalisieren.
Damit verschwimmt zunehmend die Grenze zwischen klassischem Datenhandel, Phishing-as-a-Service und automatisiertem Social Engineering.
Security Awareness muss auf synthetische Gesprächspartner reagieren
Für Unternehmen bedeutet diese Entwicklung, dass klassische Warnsignale bei betrügerischen Anrufen an Aussagekraft verlieren können. Schlechte Aussprache, unnatürliche Gesprächsführung oder offensichtlich vorformulierte Skripte werden mit leistungsfähigeren Sprachmodellen und synthetischen Stimmen zunehmend schwieriger als Erkennungsmerkmale nutzbar.
Security Awareness muss deshalb stärker darauf ausgerichtet werden, Mitarbeitende nicht anhand der vermeintlichen Authentizität eines Gesprächspartners entscheiden zu lassen. Entscheidend sind überprüfbare Prozesse: sensible Informationen nicht telefonisch preisgeben, ungewöhnliche Anweisungen über einen unabhängigen Kommunikationskanal verifizieren und insbesondere bei dringenden Zahlungs-, Zugriffs- oder Identitätsanfragen konsequent Rückfragen stellen.
KI kann dabei auch auf der Verteidigungsseite eingesetzt werden. Personalisierte und automatisierte Awareness-Trainings ermöglichen es, Beschäftigte gezielt mit den Angriffsmustern zu konfrontieren, die für ihre Rolle und ihr individuelles Risikoprofil besonders relevant sind.
CallFlow verdeutlicht damit eine grundsätzliche Entwicklung: Generative KI macht Social Engineering nicht zwangsläufig völlig neu – sie verändert vor allem dessen Skalierbarkeit. Wenn ein Angreifer nicht mehr selbst sprechen muss, wird der betrügerische Telefonanruf vom manuellen Angriff zur automatisierbaren Cybercrime-Dienstleistung.
