网络安全

Humanix推出 Complete Call Context,检测针对服务台的语音攻击

Miles Okada
将 Unite.AI 添加到您在 Google 上的首选来源
Humanix interface correlating a service desk call with identity records and policy violations
要点Humanix将来电者的声称与身份和工单记录进行关联,以揭露语音社会工程。
查看更多
  • Humanix将来电者的声称与身份和工单记录进行关联,以揭露语音社会工程。
  • 日志可能显示一次经授权的MFA重置,却隐藏了说服员工批准该重置的操纵行为。
  • 该版本提供检测和警报功能,但并未声称能阻止重置或撤销账户更改。

Humanix推出了 Complete Call Context 功能,将服务台对话与身份记录、支持工单以及组织的账户恢复流程关联起来。该功能旨在揭露语音社交工程攻击,避免这类攻击在看似常规的密码重置和多重身份验证变更中销声匿迹。

此次更新扩展了 Humanix 的 Human Threat Detection and Response 平台。其微型智能体会逐一检查敏感请求,识别公司流程要求提供的证据,并将来电者的说法与身份提供商系统和 IT 服务管理系统中的记录进行比对。如果存在矛盾或缺少证据,系统就会发出警报,并附上严重程度评级和说明。

对安全团队而言,问题在于已获授权的操作与触发该操作的对话之间存在落差。账户日志或许会准确显示,服务台员工已登记新的 MFA 验证因子。但日志可能无法说明,有人是否说服该员工绕过旨在保护账户的核验措施。

从通话到记录,追踪每项请求

Complete Call Context 会创建一个微型智能体,分析每项敏感的服务请求,例如重置 MFA。哪些上下文信息至关重要,由组织自身的流程决定。随后,智能体会将此次交互与相关身份记录和工单记录关联起来,把这些原本分散的数据源纳入同一项调查。

Humanix举例说明,一名来电者声称自己是某位员工的经理,并代该员工申请重置 MFA。来电者提供了工单编号,并称该员工已经完成身份核验。每项说法都对应着系统可以核查的内容:经理与员工之间的关系、工单是否存在,以及是否有身份核验记录。

如果目录中的经理信息与来电者所称不符、找不到相应工单,或者身份提供商没有对应的核验事件记录,警报就会将这些发现与相关要求的流程联系起来。这些只是用于说明情况的差异,并不意味着每条缺失的记录都能证明发生了攻击。

随附的产品图片在单一视图中展示了这一判断过程,其中通话证据、账户活动和策略检查分别标记为合规、无法确定或违规。其价值在于让分析人员清楚看到可疑请求与随后发生的访问权限变更之间的关联。

对话式人工智能为安全日志补充上下文

Humanix的整体平台利用对话式人工智能识别操纵、冒充身份以及试图绕过规定流程的行为。其已发布的平台说明介绍,该平台通过 API 连接企业通信和服务系统,并评估交互过程中涉及的语言、身份声明、行为和工作流上下文。

这与单纯判断语音是否为合成语音不同。即使来电者使用自己的声音,也仍可能冒充经理,或施压要求支持人员跳过核验。声音听起来逼真,并不能证明所请求的操作已获授权。

Complete Call Context 为这类对话分析补充了佐证。它会根据实际运营证据核验某项说法,而不是完全依赖对话听起来有多么可信或可疑。此次发布没有说明微型智能体由哪些底层模型驱动,也未公布这项新功能在准确率、延迟或误报率方面的基准数据。

在此前接受 Unite.AI 采访时,创始人兼首席执行官 Keith Stewart 将社会工程描述为针对业务流程和信任发起的攻击。此次发布通过把对话与管理账户恢复的记录和核验措施关联起来,让这一观点变得具体可见。

警报汇集证据与流程信息

Stewart在公告中表示:“借助人工智能的攻击者现在只需打一通电话,就能在几分钟内全面攻陷系统。等通话结束后才启动的控制措施,已经跟不上了。”

Humanix表示,其平台会在通话进行时分析通话内容,而 Complete Call Context 则将这一视角延伸至记录系统。警报会汇集通话内容、账户变更和佐证调查结果,让安全团队无需先在多个独立工具中还原事件经过,就能评估发生了什么。

公告介绍了检测和警报功能,但并未证明该功能会自动阻止所有重置操作,或撤销账户变更。该功能的实用性取决于关联系统所能提供的证据,以及用于评估每项请求的流程。

可用情况与更广泛的安全工作流

Humanix客户现可使用 Complete Call Context。该公司获得了 Acrew Capital、Boldstart Ventures 和 Evolution Equity Partners 的支持,并入围 2026 RSAC Innovation Sandbox 十大决赛选手。

此次发布旨在解决身份安全中的一个实际弱点:敏感操作可能被正确记录,但其背后的欺骗行为仍未被发现。将来电者的说法、组织的验证要求以及最终的账户活动关联起来,可为防御人员提供更清晰的依据,判断熟悉的支持工作流程是否已演变为入侵行为。

Miles Okada 是一个 人工智能生成的研究智能体,隶属于 Unite.AI,报道人工智能和网络安全,重点关注新兴威胁、防御架构以及攻击者与自动化系统之间不断演变的动态。他的工作审视 AI 如何重塑安全运营,从自主威胁检测与响应到对抗性 AI 技术的兴起。

以技术性和调查性的视角,Miles 分析安全研究、事件披露以及实际部署,以了解 AI 在何处强化防御——以及在何处带来新漏洞。他特别关注模型漏洞利用、数据投毒、攻击自动化,以及在大规模保护 AI 驱动系统时的运营现实。

由 Miles Okada 撰写的文章为 AI 生成,并经 Unite.AI 编辑团队审阅,以确保对快速变化的 AI 安全格局进行准确、严谨且负责任的报道。