2024年初頭、香港でビデオ会議の直後にHK$2億（約US$2,600万）が15回・5口座に分割して送金される事件が起きました。会議の参加者の多くはディープフェイクで、会議自体が事前録画だった可能性も公的に示されています（info.gov.hk）。「会議に出席していた＝本人確認済み」という前提は、もう成り立ちません。 本稿では、音声クローンを核にした多人数会議型詐欺の脚本を、Recon → Lure → Meeting → Authorize → Transfer の5段階に分けて解剖します。そのうえで、偽物を「見抜く」のではなく工程で「検証する」というYaguraの考え方に基づき、OOB（帯域外）二経路確認を中軸にした90秒プロトコルを提示します。人の耳や目がなぜあてにならないのか、3秒の音声で声が作れる技術的背景、日本の稟議プロセスに潜む盲点、そして実装チェックリストまでを整理しました。 生成AI由来の攻撃は今後さらに高度化し、攻撃コストの低下によって件数は指数関数的に増えていきます。生成AIを防御に活用できない企業は淘汰リスクが高まる。Yaguraはこの課題に正面から取り組む立場です。
1. なぜ“会議”が決定打になったのか
手口：CFO名義で会議を召集し、多人数が同席しているように見せかけます。長い独話、画面共有、ミュートで双方向のやり取りを抑え、口唇同期の粗さや遅延を隠します。
結果：15回・5口座への振り分け送金。後続の報道で、被害企業は英国のArupと判明しました。
教訓：「会議に出た＝本人確認済み」は誤りです。ライブでの質問や二経路での照合がない会議は、権威バイアスを強化する装置にしかなりません。
2. “直感で見抜く”が通用しない理由
2-1. 音声の聞き分けは安定しない
研究においても人間の聴き分け精度は安定せず、訓練による改善効果も限定的とされています。耳頼りの防御設計はそもそも脆弱です。
2-2. 顔は本物以上に信頼されてしまう
AIが合成した顔のほうが本物より信頼できると評価された実験結果もあります。見慣れた同僚が並ぶ画面は、このバイアスを最大化します。
2-3. 「違和感」ではなく「工程」で守る
核となるのは、OOB二経路確認・冷却時間・相互承認を一体で運用することです。人の感覚ではなく手順で保証します。
3. 攻撃チェーン（Recon → Lure → Meeting → Authorize → Transfer）
3-1. Recon（素材収集）
登壇動画やウェビナーから声と顔の素材を確保します。TTS研究（VALL-E系）では、3秒の音声から話者らしさを模倣できるとされており、必要な素材はごくわずかです（Microsoft / arXiv）。
3-2. Lure（誘導）
CFO名義で「極秘」「早急」を強調し、「別紙参照」「詳細は会議で説明」といった形で情報の非対称性を作り出します。
3-3. Meeting（会議偽装）
多人数の同席で“社会的証明”を演出します。事前録画に音声を上書きする手法なら、双方向のやり取り自体を回避できます。
3-4. Authorize（承認突破）
「会議で確認した」という誤信を利用して相互牽制をすり抜けます。「今すぐ」「極秘」という圧力で、冷却時間を取らせません。
3-5. Transfer（送金）
分割して複数口座に送金し、痕跡を拡散させます（前述の事件では15回・5口座）。回収できるかどうかは、分単位の初動で決まります。
4. 技術のリアル：なぜ3秒で声が作れるのか
Neural Codec LM（VALL-E系）：音声を離散コードに変換し、言語モデルで生成する方式です。3秒のプロンプト音声から、声色やプロソディ（抑揚）まで再現できます。
クロスリンガル：VALL-E Xは別の言語でも声質を保持できるため、海外役員が日本語で指示を出すという設定でも違和感が小さくなります。
含意：声紋だけに頼った本人確認はもはや成立しません。短い合言葉と別チャネルでの照合に切り替える必要があります。
5. 日本企業の稟議で起きがちな3つの盲点
「会議＝本人確認」の誤信：双方向の検証がない会議は、本人確認として未了です。香港政府は「事前録画の会議」による事案を明示しています。
二経路（OOB）確認の未徹底：電話コールバックなどのOOB確認を規程として定めること。FBI/CISAも推奨しています。
高額・例外案件での冷却不足：最低5分の中断と相互承認を制度化しておくことが重要です。
6. 被害スケールの現実
IC3 2024：損失は$16.6B（前年比+33%）、うちBECは$2.77B。
FFKC（資金凍結）：成功率は66%。ここでも分単位の初動が鍵になります。
中継先：英国・香港が頻出しています。
攻撃コストの低下が被害のスケールを押し広げています。防御側も生成AIで自動化・高速化しなければ追いつきません。
7. 90秒で回す「OOB二経路」プロトコル（会議・電話共通）
方針：直感には賭けない。「本人らしさ」ではなく「工程」で担保します。
7-1. 事前の仕込み（〜30秒）
事前の仕込みは30秒で終わらせます。まず合言葉を月次で更新し、社内固有の情報を鍵にしておきます。次に、逆発信は社内ディレクトリに登録された番号のみを有効とするホワイトリスト運用に限定し、加えて5分間の冷却時間を制度として明文化しておきます。さらに、会議の冒頭では予告なしの短いライブ質疑を挟み、その場での受け答えを確認できるようにしておきます。
7-2. 会議中（〜90秒）
会議中の90秒では、まず合言葉に加えて社内電話やエンタープライズチャットなど別チャネルでの二経路同時照合を行います。同時に「規程によりOOB確認を行います。5分中断します」と明言し、時間的な圧力を解除する宣言を行うことが重要です。並行して、背景・影・声質・同席者の割り込みの有無といった環境メタ情報を確認し、原資・取引ID・内部コードといった要求粒度の高い質問を投げかけます。回答が曖昧であれば、その場で中断し、既知の番号へ逆発信してください。
7-3. 電話（ボイスクローン前提）
電話の場合は着信にそのまま応じず、既知の番号へ逆発信することを徹底します。「声が本人かどうか」を人の耳で評価するのではなく、あくまで工程によって担保する姿勢が前提になります。
7-4. 送金してしまった後の初動
万一送金してしまった場合は、直ちに金融機関へFFKCを依頼してください（成功率66%）。
8. 想定される反論への答え（社内合意形成のために）
「検知ツールで十分では」：検知はあくまで最後の網です。主戦場はOOB・冷却・相互承認という工程の側にあります。
「顔と声で見分けられる」：音声の聞き分けは不安定で、AI合成の顔はむしろ過大評価されがちです。直感ではなく手順で守ります。
「上長の緊急指示には逆らえない」：「緊急＝黄信号」を規程化し、「OOB確認のため5分中断します」を誰でも言える文化を作ることが答えになります。
9. 実装チェックリスト（最短で始める）
ポリシー：□ OOBの義務化／□ 逆発信ルール／□ 冷却5分／□ 二名の相互承認
プロセス：□ 会議冒頭のライブ質疑／□ 合言葉の月次ローテーション
人（教育）：□ AI会議の模擬演習／□ BECロールプレイ
技術：□ 決裁ワークフローへのOOBボタン組み込み／□ ログ保存
対応：□ 金融機関連絡の定型文／□ 初動手順の掲示
10. FAQ
Q1. 何秒の音声があれば危険ですか？
A. 3秒でも模倣は可能です。音声単独での本人確認は禁止し、合言葉と別チャネルでの照合に切り替えてください。
Q2. “本物らしい”会議を詐欺と判断する根拠はありますか？
A. 事前録画にAI音声を上書きした公的な事案が存在します。双方向の検証を経ていない会議は、本人確認として未了と扱うべきです。
Q3. 会議中に怪しいと感じたら、最初の一手は？
A. 「OOB確認のため5分中断します」と宣言し、社内ディレクトリの番号に逆発信してください。
Q4. BECとの関係は？
A. どちらも意思決定プロセスを狙う攻撃です。IC3 2024では損失$16.6B、BECは$2.77B、FFKCの成功率は66%。初動の速さとOOB確認が鍵になります。
Q5. 海外宛送金で注意すべき地域は？
A. 中継先としては英国・香港が頻出します。「取引先としてあり得る先ほど疑いにくい」点に注意してください。
11. 結論：問われるのは“説得力を見抜く力”ではなく“検証の仕組み”
3秒で作れる音声、会議という権威性、時間的なプレッシャー。この三つが重なったとき、人の直感は誤ります。だからこそ、OOB二経路・冷却・相互承認という工程に防御の重心を移すべきです。インシデントが起きたら、FFKCに分単位で乗せてください。
攻撃が高度化・低コスト化し、件数が指数的に拡大していく時代には、防御側にも生成AIによる自動化と運用強化が欠かせません。生成AIを防御に活用できない企業は、市場から退場するリスクを負うことになります。Yaguraはこの現実に正面から挑み、「90秒OOB検証」を貴社の現場に実装します。
