Den Pindrops rapport om stemmeinformasjon og sikkerhet i 2025 sier at forsøk på deepfake-svindel i kontaktsentre økte med mer enn 1,300% i 2024.
Det er ikke engang overraskende, for alt et stemmekloningsverktøy trenger er så lite som tre sekunder av en lydkilde for å produsere en overbevisende kopi av en hvilken som helst høyttaler.
Og.., 68% av kunder tar en telefonsamtale når de har et problem og trenger hjelp. Dette volumet av ekte, engasjerte innringere utgjør kjernen i kontaktsentrenes oppgave.
Men også sosial manipulering og AI-klonede stemmer når kontaktsenteret ditt via samme kanal som de lojale kundene dine.
Autentisering av innringere skiller mellom de to gruppene av samtaler du mottar. Hvis du gjør det riktig, kan du beskytte kundeservicekanalen din uten å forringe opplevelsen for de som virkelig ringer.
I denne bloggen diskuterer vi hvordan innringerverifisering i kontaktsentre må se ut i 2026.
Det viktigste å ta med seg
- Autentisering av oppringere i 2026 må forsvare seg mot en økning på 1300% i forsøk på deepfake-svindel ved å verifisere både opprinnelsen til telefonnummeret og den biologiske autentisiteten til stemmen til den som snakker.
- Moderne verifisering kombinerer aktive metoder som sikkerhetsspørsmål og engangskoder med passiv AI-stemmeanalyse som oppdager syntetisk tale og stemmekopiering i sanntid.
- STIR/SHAKEN-rammeverket fungerer som en grunnlinje for nettverkssikkerhet ved å forhindre forfalskning av anroper-ID og sikre at telefonnummeret som vises, gjenspeiler anropets opprinnelse.
- Effektiv forebygging av svindel innebærer å overvåke atferdsavvik som uvanlige pauser eller sosial manipulering, og eskalere mistenkelige interaksjoner til seniorspesialister for verifisering utenfor båndet.
- TruthScan gir et kritisk forsvarslag ved å bruke dyplæringsmodeller til å identifisere AI-generert lyd med 99% nøyaktighet, noe som beskytter kontaktsentre mot avanserte etterligningsverktøy.
Hva er en guide for anropsautentisering?
Alle innkommende samtaler som når et kontaktsenter, har en innringer-ID. Ved hjelp av innringerautentisering verifiseres det om nummeret som vises som opprinnelsen til en samtale, faktisk er det nummeret som samtalen ble ringt fra.
Det verifiserer også at personen som ringer er en ekte, tiltenkt kontaktperson, og ikke en syntetisk stemme som brukes i svindeløyemed.
Den STIR/SHAKEN-rammeverket er bransjestandarden for autentisering av anroper-ID.
Aldri bekymre deg for AI-svindel igjen. TruthScan Kan hjelpe deg:
- Oppdage AI generert bilder, tekst, tale og video.
- Unngå stor AI-drevet svindel.
- Beskytt dine mest følsom virksomhetens eiendeler.
Det er et sett med tekniske protokoller som gjør det mulig å autentisere og verifisere anroper-ID-informasjon for samtaler som overføres over IP-nettverk (Internet Protocol).
Autentisering av innringere opprettholder kontaktsenterets sikkerhet mot falske robocall-svindelanrop, siden falske innringere ikke kan forfalske numrene som vises.
Truecallers amerikanske spam- og Scam Report fant at 78% av amerikanerne ville være mer tilbøyelig til å svare på en samtale hvis den viste verifisert innringerinformasjon.
Treparts autentiseringsprosess
Autentisering av innringere er et delt ansvar mellom kunden, kontaktsenterets driftsprotokoller og agentene som utfører verifiseringen.
Trinn for kundeverifisering
På nettverksnivå evaluerer STIR/SHAKENs attestasjon samtalens opprinnelse når den kommer inn i køen på kontaktsenteret. Men den kan ikke ta stilling til identiteten til personen som ringer.
Når samtalen kobles til, blir kunden bedt om å bekrefte identiteten sin ved hjelp av legitimasjonen sin. Automatisk nummeridentifikasjon (ANI) brukes til å kryssreferere det innkommende nummeret mot den registrerte kontoen.
På samme måte ber kunnskapsbasert autentisering (KBA) innringeren om å bekrefte kontospesifikk informasjon.
Engangskoder kan sendes på SMS eller e-post for å bekrefte om en innringer har tilgang til en enhet som er knyttet til den verifiserte identiteten.
Protokoller for kontaktsentre
Kontaktsenteret må håndheve retningslinjer for verifisering av innringer-ID for hver innkommende interaksjon.
Kontaktsentrene etablerer nivådelte tilgangsmodeller som samsvarer med sensitiviteten til den forespurte handlingen. De er kodifisert på ulike måter, slik at agentene vet hvilket nivå av bekreftet identitet som kreves før en gitt handling kan autoriseres.
Hvis det ikke er mulig å verifisere innringeren, eskalerer samtalen til en overordnet. Det finnes også sikre prosedyrer for tilbakeringing, slik at kunden kan fullføre verifiseringen via en alternativ kanal.
System- og agentroller
Automatiserte systemer håndterer stort sett alle de dataintensive komponentene i autentiseringen.
Interactive Voice Response (IVR) fanger opp de første innringerne for å matche dem mot CRM-systemet.
Dataene går gjennom STIR/SHAKEN-attesteringsnivåene, der algoritmer for vurdering av svindelrisiko evaluerer dem for potensiell svindelatferd.
En agent i kontaktsenteret må bruke skjønn med veiledning i sanntid fra autentiseringsplattformen.
Systemet genererer en risikoscore, men det er opp til agentens skjønn å avgjøre om samtalen kan fortsette.
Hva innringere opplever under autentisering
Innringeren får ikke oppleve noen av prosessene som skjer i STIR/SHAKEN-attestering før en samtale når køen i kontaktsenteret.
I stedet blir de møtt av en automatisk melding i det øyeblikket en samtale kobles til. Anropsbekreftelse kan være:
- Aktiv, der innringeren blir bedt om å bekrefte kontospesifikk informasjon gjennom noen spørsmål. Hvor nøyaktige svarene er, avgjør om de blir verifisert.
- Passiv, en mer avansert form for verifisering der innringeren egentlig ikke gjør noe annet enn å snakke naturlig inn i IVR, og et stemmebiometrisk program verifiserer dem
Den Forbrukererfaringsrapporten fant at 85% av kundene misliker den aktive identifiserings- og verifiseringsprosessen og synes den er frustrerende. Kontaktsentrene liker den heller ikke særlig godt fordi den er tidkrevende.
Seks trinn for effektiv autentisering av innringere
Identitetskontroll før oppringing
En del av innringerautentiseringen skjer ved hjelp av data som er tilgjengelige fra selve det innkommende anropet, blant annet
- Omdømmescore for telefonnummer
- Metadata om transportøren
- Signal for anropsopprinnelse
- Fingeravtrykk av enheter
Et IVR-system kryssrefererer det innkommende nummeret mot en CRM-database.
Agenter får et tillitssignal ved siden av samtalen, og de numrene som ikke stemmer overens, blir flagget slik at agentene er oppmerksomme på potensielle risikoer.
Kontaktsentre med velutviklede systemer for pre-call rapporterer kortere gjennomsnittlig håndteringstid.
Kontroll av flerfaktorautentisering
Når en samtale er koblet til, brukes multifaktorautentisering (MFA) for talekanaler til å verifisere innringeren.
Kunnskapsbasert autentisering (KBA) er den grunnleggende metoden der innringeren blir bedt om å svare på sikkerhetsspørsmål.
Det er alltid best å kombinere KBA med en engangskode (OTP) som sendes til en registrert enhet, og som innringeren bekrefter muntlig eller ved å trykke på en tast under samtalen.
MFA kan også integrere biometrisk verifisering av innringerens stemme. Innringerens aktuelle stemmeegenskaper sammenlignes med historiske interaksjonsdata som fastslår hvordan en legitim versjon av denne kunden faktisk høres ut når han eller hun ringer inn.
AI-stemmeanalyse
AI-stemmeanalyse er en passiv form for verifisering av innringer. Den bruker AI-autentiseringsløsninger som undersøker akustiske signaler fra en direktesamtale for å skille mellom en direkte menneskestemme og en syntetisk samtale.
Stemmebiometriske motorer er trent på dyplæringsmodeller. De bekrefter at stemmen på linjen produseres i sanntid i stedet for å spilles av fra et opptak.
AI-en sporer i utgangspunktet resonansmønstre i stemmebåndene, pust og formantfrekvenser, som er forskjellige for hver enkelt person.
Generativ AI har gjort det mulig å utvikle over 350 verktøy for stemmekloning. Dermed har terskelen for etterligning sunket til bare noen få sekunder med lyd som hvem som helst kan skrape fra en telefonsvarer eller en video fra sosiale medier.
AI-stemmeanalyse på samtalelaget er det primære mottiltaket mot generative AI-stemmeverktøy.
TruthScans AI Voice Detector er et spesialutviklet verktøy for å identifisere forsøk på spoofing gjennom manipulering av innringerens stemme i sanntid.
Avviksvarsler i sanntid
Det er mulig at en samtale som er verifisert før samtalen og har bestått MFA-kontrollene, kan oppføre seg unormalt midt i samtalen.
Signaler som utløser avviksvarsler, inkluderer
- Lange, uvanlige pauser før du svarer på sikkerhetsspørsmål (som kan tyde på at innringeren leser fra et manus eller konsulterer stjålne registre)
- Forespørsler om å endre for mange kontoattributter i ett enkelt anrop
- Geografiske uoverensstemmelser mellom den registrerte kontoens lokasjon og den tilsynelatende opprinnelsen til samtalen
- Ordforråd eller formuleringer som stemmer overens med sosial manipulering
Igjen, en AI-detektor i sanntid brukes til å identifisere slike avvik. Varslingssystemer som er rettet mot agenten, viser disse flaggene som fargekodede risikoindikatorer som får agenten til å stille ytterligere verifiseringsspørsmål.
Eskalering ved mistenkelige anrop
Protokoller for oppringerautentisering har en eskaleringsvei når avvikssignaler krysser en definert risikoterskel.
Samhandlingen kan overføres til en senior svindelspesialist.
Den kan utløse en stille overvåkingsmodus, slik at et annet teammedlem kan observere interaksjonen uten å varsle innringeren.
Ved behov kan det iverksettes en ytterligere bekreftelse utenfor båndet, for eksempel ved å sende en bekreftelsesforespørsel til kontoinnehaverens registrerte e-postadresse eller sekundære telefonnummer.
Hver eskalerte samtale bør generere en hendelsesregistrering som inkluderer de utløsende signalene, agentens observasjoner, autentiseringstrinnene som er fullført, og resultatet.
Revisjonsgjennomgang etter oppringning
Etter at en samtale er avsluttet, analyseres den for å identifisere hvilken type interaksjon og hvilke beslutninger som ble tatt.
Revisjonsgjennomganger har to funksjoner.
- For å finne ut om en gjennomført samtale var svindel, og hvordan den i så fall omgikk tidligere autentiseringskontroller
- For å identifisere eventuelle hull i rammeverket for innringerautentisering som gjorde det mulig å omgå
Data om kontoaktivitet etter samtalen må også overvåkes nøye. En samtale som virket ren under direkte interaksjon, kan avsløre sin sanne natur gjennom en tilbakestilling av passord eller falske fondsbevegelser umiddelbart etter at samtalen er avsluttet.
Slik styrker TruthScan autentisering av anropere
TruthScan har en rekke verktøy for forebygging av telefonsvindel som verifiserer tekst, bilder, stemme og multimedieinnhold for originalitet. Våre AI Voice Detector kan være en direkte del av arbeidsflyten for innringerautentisering.
Deteksjonsmotoren vår er opplært til å identifisere syntetisk tale laget av ElevenLabs, Murf, Speechify, Descript og andre generative AI-verktøy.
Den oppdager også mer subtile former for stemmemanipulasjon, som tonehøydeforskyvning, hastighetsendring, aksentendring og stemmemorphing.
Og på tvers av alle disse angrepstypene opprettholder TruthScan en deteksjonsnøyaktighet på 99%+.
TruthScan kan analysere MP3, WAV, FLAC, AAC, OGG, M4A og videoformater, inkludert MP4, MOV, AVI og WebM for lydekstraksjon.
Alt i alt verifiserer den at samtalen faktisk kommer fra den innringeren utgir seg for å være, og om stemmen som sier dette, er ekte.
Snakk med TruthScan om hvordan du kan forhindre svindel fra innringere
TruthScan har behandlet over 2 milliarder dokumenter, noe som gir deteksjonsmodellene våre en enorm mengde treningsdata, noe som gjenspeiles i nøyaktighetsgraden på >99%.
Systemet bruker et ensemble av spesialiserte AI-modeller som jobber parallelt for hver samtale. De analyserer akustiske fingeravtrykk og bølgeformstrukturer for hver samtale du møter.
Etter å ha sammenlignet dem med de spektrale egenskapene til ekte menneskelig tale og AI-generert lyd, får samtalen en tillitsscore på mellom 0 og 100.
Poengsummen forteller teamet ditt hvor sannsynlig det er at stemmen på linjen ble generert (eller manipulert) av AI.
Se demoen vår eller snakk med salgsteamet vårt på TruthScan i dag for å bygge en autentiseringsstack som kontaktsenteret ditt kan stole på.