Μαρίσια Στουραίτη, Κοινωνιολόγος- Ψυχολόγος
Ένα μήνυμα από την τράπεζά σου. Ένα email από το Instagram. Μια ειδοποίηση ότι ο λογαριασμός σου κινδυνεύει. Ένα link που σε καλεί να επιβεβαιώσεις τα στοιχεία σου «άμεσα».
Το μήνυμα φαίνεται οικείο. Το λογότυπο είναι σωστό. Η γλώσσα μοιάζει επίσημη. Και κάπου μέσα σου εμφανίζεται η σκέψη: «Ας το ανοίξω, για να αποφύγω τα χειρότερα».
Μόνο που αυτό ακριβώς μπορεί να περιμένει ο άνθρωπος που βρίσκεται στην άλλη πλευρά της οθόνης.
Δεν χρειάζεται να παραβιάσει το σύστημά σου. Δεν χρειάζεται απαραίτητα να «σπάσει» τον υπολογιστή σου. Χρειάζεται να σε κάνει να τον εμπιστευτείς.
Και αν μέχρι σήμερα το phishing μπορούσε να ξεγελάσει έναν άνθρωπο, η τεχνητή νοημοσύνη έρχεται να το μετατρέψει σε κάτι πολύ πιο ισχυρό με τη δυνατότητα να εξατομικευτεί η προσέγγιση.
Και κάπου εδώ τίθεται το ερώτημα: Το phishing καθαυτό είναι η πραγματική απειλή ή το γεγονός ότι αρχίζει να προσωποποιείται με τρόπο ύπουλο και αόρατο μπροστά σε μάτια μάλλον… ανυποψίαστα;
Άρα ίσως η υποβόσκουσα απειλή είναι πιο επικίνδυνη από αυτή που θα σε κάνει έστω και δευτερόλεπτα να αναρωτηθείς ότι κάτι δεν πάει καλά με το μήνυμα που μόλις έλαβες.
Πρακτικά τι σημαίνει αυτό όμως;
Μέχρι τώρα είναι ευρέως γνωστό ότι το phishing διεξάγεται μαζικά στον κυβερνοχώρο. Ένας δράστης δηλαδή μπορεί να στείλει χιλιάδες παρόμοια μηνύματα:
«Ο λογαριασμός σας έχει πρόβλημα. Πατήστε εδώ.»
Η AI όμως μπορεί να βοηθήσει έναν επιτιθέμενο να κάνει την εξαπάτηση πιο εξατομικευμένη άρα αυτομάτως και πιο πειστική. Κι εδώ έρχεται το spear phishing.είδος αυτό του phishing που στοχεύει συγκεκριμένο άτομο ή οργανισμό, αντί να απευθύνεται αδιακρίτως σε χιλιάδες ανθρώπους. Παραλείποντας το τετριμμένο << Αγαπητέ πελάτη>>, ο δράστης μπορεί να χρησιμοποιήσει πληροφορίες που έχει συγκεντρώσει για ένα άτομο και να δημιουργήσει ένα μήνυμα που φαίνεται να έχει γραφτεί ειδικά για εκείνο.
Το ερώτημα που προκύπτει με βάση αυτά τα νέα δεδομένα δεν είναι αν μπορεί η τεχνητή νοημοσύνη να κάνει phishing ; αλλά αντίθετα τι συμβαίνει όταν μια κυβερνοεπίθεση μπορεί να προσαρμόζεται στον άνθρωπο που έχει απέναντί της;
Για χρόνια, ένα phishing μήνυμα μπορούσε να προδίδει τον απατεώνα από την πρώτη ματιά. Αδέξια διατυπωμένα emails, ορθογραφικά λάθη, γενικόλογες προσφωνήσεις και εμφανώς ύποπτοι σύνδεσμοι αποτελούσαν συχνά τα σημάδια που μας προειδοποιούσαν ότι κάτι δεν πάει καλά. Όμως αυτή η εικόνα αλλάζει.
Η τεχνητή νοημοσύνη μπορεί πλέον να χρησιμοποιηθεί για τη δημιουργία πιο φυσικού και πειστικού περιεχομένου, μειώνοντας πολλά από τα σημάδια που στο παρελθόν αποκάλυπταν μια απόπειρα phishing. Και το σημαντικότερο δεν είναι απλώς ότι ένα μήνυμα μπορεί να γίνει καλύτερα γραμμένο. Είναι ότι μπορεί να γίνει πιο προσωπικό. Εκεί ακριβώς βρίσκεται η μεγαλύτερη αλλαγή. Το phishing του μέλλοντος δεν χρειάζεται απαραίτητα να απευθύνεται σε χιλιάδες ανθρώπους με το ίδιο μήνυμα. Μπορεί να προσαρμόζεται στον εκάστοτε στόχο, αξιοποιώντας διαθέσιμες πληροφορίες για τα ενδιαφέροντα, τις συνήθειες, τις σχέσεις ή τον τρόπο επικοινωνίας του.
Με άλλα λόγια, η επίθεση δεν προσπαθεί πλέον μόνο να βρει ποιον τρόπο θα χρησιμοποιήσει για να ξεγελάσει κάποιον. Προσπαθεί να καταλάβει ποιος είναι αυτός ο άνθρωπος. Και στη συνέχεια να αξιοποιήσει αυτό το δεδομένο σε βάρος του.
Κι αν το μήνυμα δεν είναι απλώς προσωπικό, αλλά μοιάζει να έχει γραφτεί από κάποιον που γνωρίζουμε;
Η τεχνητή νοημοσύνη έχει κάνει δυνατή τη δημιουργία συνθετικών φωνών, οι οποίες μπορούν να μιμηθούν τα χαρακτηριστικά μιας πραγματικής φωνής. Αυτό δημιουργεί μια νέα διάσταση στην ψηφιακή εξαπάτηση: δεν χρειάζεται πλέον να πειστείς μόνο από ένα όνομα, ένα λογότυπο ή ένα email. Μπορεί να ακούσεις τη φωνή ενός ανθρώπου που εμπιστεύεσαι και να θεωρήσεις ότι επικοινωνεί πράγματι μαζί σου.
Φανταστείτε ένα τηλεφώνημα από ένα αγαπημένο σας πρόσωπο που ζητά επειγόντως βοήθεια ή από έναν συνεργάτη που ζητά μια άμεση μεταφορά χρημάτων. Η φωνή είναι γνώριμη, το αίτημα μοιάζει επείγον και ο χρόνος για να το αμφισβητήσεις είναι ελάχιστος.
Εδώ το phishing συναντά μια βαθύτερη μορφή κοινωνικής μηχανικής. Η επίθεση δεν εκμεταλλεύεται μόνο μια τεχνολογική αδυναμία, αλλά έναν από τους πιο βασικούς μηχανισμούς της ανθρώπινης συμπεριφοράς: την εμπιστοσύνη και δη προς τη φωνή ενός ατόμου που μάλλον φαίνεται οικεία και αρκετά ‘’ αναστατωμένη’’ ώστε να ζητά την παρέμβασή σου.
Και ίσως αυτό να είναι το πιο ανησυχητικό στοιχείο του phishing του μέλλοντος. Όσο περισσότερο η τεχνολογία μπορεί να μιμηθεί τον τρόπο με τον οποίο επικοινωνούμε, τόσο δυσκολότερο γίνεται να ξεχωρίσουμε το αυθεντικό από το κατασκευασμένο.
Το phishing δεν πρόκειται να εξαφανιστεί επειδή θα μάθουμε να αναγνωρίζουμε τα ύποπτα emails. Αντίθετα, όσο οι επιθέσεις γίνονται πιο εξατομικευμένες, το ζητούμενο δεν είναι απλώς να γίνουμε καλύτεροι στο να αναγνωρίζουμε μια απάτη. Είναι να μάθουμε να αμφισβητούμε αυτό που φαίνεται αυτονόητα αξιόπιστο.
Η μεγαλύτερη πρόκληση του phishing του μέλλοντος, επομένως, μπορεί να μην είναι το αν θα καταφέρουμε να προστατεύσουμε καλύτερα τις συσκευές μας. Μπορεί να είναι το αν θα μπορέσουμε να διατηρήσουμε την κρίση μας σε έναν ψηφιακό κόσμο όπου ένα μήνυμα, μια εικόνα ή ακόμη και μια γνώριμη φωνή δεν αποτελούν πλέον από μόνα τους απόδειξη ότι αυτό που βλέπουμε ή ακούμε είναι αληθινό. Κοινός άξονας σε κάθε μορφή phising είναι να προκαλέσει στο εν δυνάμει θύμα το αίσθημα ‘’ επείγοντος’’ και ‘’ αναγκαιότητας’’. Η AI μειώνει το κόστος και τον χρόνο που απαιτούνται για να παραχθεί πειστικό, προσαρμοσμένο περιεχόμενο σε μεγάλη κλίμακα. Το μόνο βέβαιο είναι ότι με την εισχώρηση της τεχνητής νοημοσύνης σε όλους τους τομείς της ζωής, η φωνή δεν αποτελεί πλέον απόδειξη ταυτότητας. Ενώ, είναι επίσης φανερό ότι η πραγματική απειλή δεν αποτελεί τόσο το ίδιο το phishing αλλά το voice cloning κάτι δηλαδή πιο σκοτεινό κ πιο υποχθόνιο.
Πηγές
ENISA – European Union Agency for Cybersecurity. (2025). ENISA Threat Landscape 2025.
https://www.enisa.europa.eu/publications/enisa-threat-landscape-2025
ENISA – European Union Agency for Cybersecurity. (2025). EU consistently targeted by diverse yet convergent threat groups – ENISA Threat Landscape 2025 Highlights.
https://www.enisa.europa.eu/news/etl-2025-eu-consistently-targeted-by-diverse-yet-convergent-threat-groups
Europol – European Union Agency for Law Enforcement Cooperation. (2026). Social engineering: when trust is exploited.
https://www.europol.europa.eu/operations-services-and-innovation/public-awareness-and-prevention-guides/social-engineering-when-trust-exploited
NIST – National Institute of Standards and Technology. (n.d.). Phishing.
https://www.nist.gov/itl/smallbusinesscyber/guidance-topic/phishing