Deepfake Anthony Albanese used in celebrity scams duping Australians out of $7.4m, Asic warns
La Comisión Australiana de Valores e Inversiones (Asic) ha advertido sobre un alarmante aumento en el uso de deepfakes de celebridades y políticos para atraer a víctimas a oportunidades de inversión fraudulentas. El primer ministro Anthony Albanese es la figura más comúnmente utilizada en estos engaños. En un video, se superpone un audio falso al metraje real del primer ministro, prometiendo a los australianos que pueden invertir $4,000 para ganar $40,000 al mes.
Según Asic, el año fiscal pasado se trataron más de 19,400 estafas, casi el triple que el año anterior. La inteligencia artificial facilita cada vez más la generación de deepfakes, advirtió la comisión. Las pérdidas reportadas a Scamwatch del Centro Nacional Anti-Estafas indican que los australianos perdieron $7.4 millones debido a las 10 figuras públicas más suplantadas, siendo Albanese el principal objetivo.
Además de Albanese, otros objetivos comunes incluyen al periodista financiero de ABC Alan Kohler y a los políticos Jacqui Lambie y Angus Taylor. Los estafadores han creado redes de marcas, sitios web, reseñas, artículos de noticias y videos falsos que trabajan juntos para convencer a las víctimas de entregar su dinero, que finalmente termina en manos de criminales en el extranjero.
El año pasado, Asic eliminó 5,476 enlaces de estafas de phishing, 7,051 plataformas de inversión falsas y 3,106 estafas de criptomonedas. La presidenta de Asic, Sarah Court, enfatizó que el contenido pulido o las marcas familiares no garantizan la legitimidad de una inversión. Scamwatch aconseja a los consumidores detenerse antes de compartir dinero o información, verificar los detalles de forma independiente y protegerse a sí mismos y a otros denunciando cualquier estafa.
La diputada independiente Zali Steggall ha propuesto un proyecto de ley para combatir la publicidad política engañosa, que requeriría que el contenido generado por IA que pueda confundir a los votantes sea claramente identificado.