AI音声クローン詐欺の見分け方と対策 家族を守る合言葉・折り返し確認

「もしもし、俺だけど、ちょっと事故っちゃって……」――電話越しに聞こえてきたのが紛れもなく息子の声だったとしても、もう「声でわかるから大丈夫」とは言い切れません。セキュリティベンダーMcAfeeの検証では、わずか3秒の音声サンプルから元の声との一致率85%のクローン音声を作成できることが確認されています。警察庁によると2026年上半期(1〜6月)の特殊詐欺被害額は1,816億2,000万円(前年同期比51.7%増)で、上半期として過去最悪を更新中です。結論から言えば、有効な防御策は「声を疑うこと」ではなく、家族だけの合言葉と折り返し電話という、声以外の確認手段をあらかじめ用意しておくことです。

「うちの親は大丈夫」と思っていませんか

高齢の親をもつ現役世代にとって、オレオレ詐欺・振り込め詐欺は「もう聞き慣れた注意喚起」かもしれません。多くの人が「うちの親は詐欺だとわかるはず」「声が違えば気づくはず」と考えているのではないでしょうか。しかし、その前提自体が崩れつつあります。

警察庁が2026年7月30日に発表した暫定値によると、2026年上半期(1〜6月)の特殊詐欺の認知件数は22,031件、被害額は1,816億2,000万円(前年同期比51.7%増、618億8,000万円増)で、上半期としては過去最悪の水準です。手口別では、著名人になりすます「SNS型投資詐欺」が797億9,000万円で最多、警察官を装う「ニセ警察詐欺」が507億9,000万円と続きます。警察庁は2025年の確定値公表時点で、AIに映像や文章の作成、自動音声応答を担わせることで言語や地域の壁を越え、手口が巧妙化している傾向をすでに指摘しています。

このトレンドの延長線上にあるのが、今回取り上げるAI音声クローンです。「声」という、これまで詐欺を見破る最後の砦だった手がかりが、技術的に無効化されつつあります。

なぜ「声でわかる」が通用しなくなったのか

わずか数秒の音声があればクローンできる

音声クローンAIの精度は、この数年で大きく向上しました。McAfeeが2023年に公表した調査レポート「The Artificial Imposter」では、セキュリティ研究者による検証の結果、わずか3秒の音声サンプルから、元の声との一致率85%のクローン音声を作成できることが確認されています。この数値はレポート公表から時間が経っていますが、音声クローン技術は年々精度を増す一方で後退する要素がないため、「3秒あれば足りる」という下限値としての妥当性はむしろ強まっているといえます。実際、2026年に入ってからも複数の海外メディアがこの数値を現在のリスクとして引用し続けています。

必要な音声の長さはツールによって幅があります。国内のセキュリティ情報を発信するメディアの解説では、音声合成モデル「VALL-E X」は3秒程度、「Coqui XTTS-v2」は6〜10秒程度の音声サンプルで、複数言語に対応したクローン音声を生成できるとされています。いずれにしても、必要なのは数秒から十数秒程度であり、「長時間録音されないと危険はない」という認識はすでに古いといえます。

サンプル音声はどこから盗まれるのか

3秒から10秒程度の音声は、意識してSNSに公開していなくても、日常のさまざまな場面に残っています。米国の消費者保護機関FTCは、詐欺グループがSNSに投稿された動画や留守番電話のメッセージから家族の短い音声クリップを収集し、音声クローン作成プログラムと組み合わせて悪用している実例に注意を呼びかけています。動画共有サービスに投稿した短い動画、家族に送ったボイスメッセージ、電話に出た瞬間の「もしもし」という一言――こうした音声が、クローン作成の元データとして悪用されるリスクがあると指摘されています。

「聞き分けられる」という自信は根拠にならない

McAfeeが9カ国・7,000人を対象に実施した調査では、回答者の70%が「本物の声とクローン音声を聞き分ける自信がない」と答えています。さらに、実際にAI音声詐欺の被害に遭った人のうち77%が金銭的な損失を報告しました。「家族の声だから大丈夫」という直感は、もはや詐欺を見破る根拠として機能しないと考えたほうが安全です。

押さえておくべきこと

家族だけの合言葉(コードワード)を決めておく

もっとも確実とされる対策は、電話やビデオ通話では一切話したことのない、家族だけが知っている合言葉をあらかじめ決めておくことです。AIは声のトーンや話し方をコピーできても、家族間でしか共有されていない情報そのものは知り得ません。SNSや公開の場で話題にしたことがある内容(ペットの名前、出身地など)は推測・検索されるリスクがあるため避け、対面で決めておくことが望ましいとされています。

「折り返し電話」を習慣にする

電話がかかってきた番号にそのまま応答したり送金したりするのではなく、一度電話を切り、事前に登録してある本人の電話番号に自分からかけ直して事実を確認する習慣も有効です。FTCも、緊急事態を装う電話を受けた際に本人へ直接連絡が取れない場合は、共通の家族や友人を介して確認するよう推奨しています。

「緊急性」と「口止め」の組み合わせに警戒する

AI音声クローン詐欺に限らず、特殊詐欺全般に共通する心理的な仕掛けは、「今すぐ」という緊急性と、「誰にも言わないで」という口止めの組み合わせです。この2つが揃った電話は、冷静な確認をさせないための典型的な圧力のかけ方だと考えられます。焦りを感じたら、その場で判断せずに一度電話を切り、数分待ってから確認の連絡を入れることが推奨されています。

ビデオ通話も絶対安全とは言えない

「声ではなく映像で確認すればいい」と考える人もいますが、映像についても生成AIによる偽装(ディープフェイク)の技術が進んでおり、ビデオ通話だからといって無条件に安全とは言い切れません。声・映像のどちらも「本物らしさ」だけでは確認手段として不十分になりつつあり、合言葉のような、AIが原理的に知り得ない情報での確認の重要性が増しています。

実際に報告されている手口のパターン

家族の緊急事態を装うパターン

FTCが注意を呼びかけている典型的な手口は、家族を名乗る人物から「事故に遭った」「トラブルに巻き込まれた」といった緊急事態を訴える電話がかかってくるというものです。声のクローンに加えて状況の切迫感を演出することで、冷静な確認をさせないようにする手口だとされています。この手のシナリオでは、送金方法として銀行振込ではなく、暗号資産やギフトカードなど、取り消しや追跡が難しい手段を求められる傾向がある点も、詐欺を見分ける手がかりになります。

日本国内での広がりの可能性

現時点で大規模な被害が公的に確認されているのは主に米国を中心とした報告ですが、警察庁は特殊詐欺全般においてAIの活用による手口の巧妙化をすでに課題として挙げており、音声クローンが国内の「オレオレ詐欺」に応用される可能性は否定できません。海外で確立された手口が時間差で国内に持ち込まれる流れは、これまでの特殊詐欺の変遷でも繰り返し見られてきたパターンです。「まだ日本では聞かない話」と油断せず、今のうちに家族で対策を話し合っておく価値があります。

企業も直面する「なりすまし」という同じ課題

なりすましへの警戒が必要なのは家庭内だけではありません。取引先や経営陣の声・顔を偽装した詐欺は法人の現場でも報告されており、企業がなりすましコンテンツにどう備えるかは別記事（PLACEHOLDER_INTERNAL_LINK: deepfake-impersonation-c2pa-corporate-defense）で詳しく解説しています。家庭向けの合言葉・折り返し確認と同様に、企業の現場でも「本人確認の手段を声や映像だけに頼らない」という発想が共通の防御策になっています。

まとめ

AI音声クローン技術によって、「家族の声だから信じられる」という直感はもはや安全の根拠になりません。McAfeeの検証ではわずか3秒の音声で85%の一致率のクローンが作成でき、警察庁によれば2026年上半期の特殊詐欺被害額は前年同期比51.7%増と過去最悪を更新しています。声のリアルさで判断するのではなく、家族だけの合言葉を決めておくこと、そして緊急を訴える電話ほど一度切って本人に折り返す習慣を持つこと――この2つが、現時点でもっとも現実的な防御策です。

※本記事の統計・数値は2026年8月1日時点で確認できる情報に基づきます。特殊詐欺の統計は警察庁により随時更新されるため、最新の状況は警察庁「SOS47」特殊詐欺対策ページ等でご確認ください。