返回技能目录
静态审阅软件开发

技能研究档案

detecting-deepfake-audio-in-vishing-attacks

来源声明

Detect AI-generated deepfake audio used in voice phishing (vishing) by extracting spectral features (MFCC, spectral centroid, spectral contrast, zero-crossing rate) and classifying samples with machine learning models, supporting batch audio analysis, confidence scoring, and forensic reporting. Use for deepfake voice detection, vishing investigations, AI-generated speech analysis, voice cloning detection, or audio authenticity verification.

保留作者的英文原始描述。它表达设计意图,不代表已验证的实际效果。

Detect AI-generated deepfake audio used in voice phishing (vishing) by extracting spectral features (MFCC, spectral centroid, spectral contrast, zero-crossing rate) and classifying samples with machine learning models, supporting batch audio analysis, confidence scoring, and forensic reporting. Use for deepfake voice detection, vishing investigations, AI-generated speech analysis, voice cloning detection, or audio authenticity verification.

developmentreferencesscripts

研究摘要

机器生成分析,等待人工复核

以下观察来自确定性源码解析,不代表人工安全审查或受控任务评估。

来源描述:Detect AI-generated deepfake audio used in voice phishing (vishing) by extracting spectral features (MFCC, spectral centroid, spectral contrast, zero-crossing rate) and classifying samples with machine learning models, supporting batch audio analysis, confidence scoring, and forensic reporting. Use for deepfake voice detection, vishing investigations, AI-generated speech analysis, voice cloning detection, or audio authenticity verification. 此双语摘要由所收集的源文本和文件结构确定性地生成,等待人工编辑复核。

审阅范围

对所收集的 SKILL.md 及辅助文本/代码进行确定性静态分析。机器辅助候选和发现等待人工编辑复核;不评估动态行为或效果。

可观察能力

  • Workflow[来源陈述;暂定,未测试。证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L93]
  • Step 1: Audio Preprocessing[来源陈述;暂定,未测试。证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L95]
  • Step 2: Extract Spectral Features[来源陈述;暂定,未测试。证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L115]
  • Step 3: Build Feature Vector and Classify[来源陈述;暂定,未测试。证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L144]
  • Step 4: Temporal Artifact Analysis[来源陈述;暂定,未测试。证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L171]
  • Step 5: Spectrogram Visual Inspection[来源陈述;暂定,未测试。证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L185]
  • Step 6: Generate Forensic Report[来源陈述;暂定,未测试。证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L203]

限制与范围

  • 静态分析无法评估运行时行为、命令是否成功、网络可达性或模型输出质量。
  • 未执行任何命令、脚本、网络请求、模型调用或受控技能测试。
  • 类别、标签、能力、工作流程和双语编辑摘要均为待人工复核的确定性候选,并非已验证结果。
  • 在后续管线实际执行并记录官方模型专用计数之前,无法提供精确 token 数。

适用读者

  • 评估是否检查并安装该来源技能的实践者;此受众由产品语境推断,并非测量得到的使用情况。[证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L1-L71]

技能包含哪些内容

文件清单来自记录提交中的采集源码。路径与大小属于结构观察,不代表质量评价。

个文件
4
Markdown 文件
2
个脚本
1
个引用
1
大小
51.5 KB
结构复杂度
低

文件清单

路径类型字节
skills/detecting-deepfake-audio-in-vishing-attacks/LICENSE其他11 KB
skills/detecting-deepfake-audio-in-vishing-attacks/references/api-reference.md引用5.3 KB
skills/detecting-deepfake-audio-in-vishing-attacks/scripts/agent.py脚本24.1 KB
skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md指令11.1 KB

SKILL.md 前置元数据

{
  "name": "detecting-deepfake-audio-in-vishing-attacks",
  "description": "Detect AI-generated deepfake audio used in voice phishing (vishing) by extracting spectral features (MFCC, spectral centroid, spectral contrast, zero-crossing rate) and classifying samples with machine learning models, supporting batch audio analysis, confidence scoring, and forensic reporting. Use for deepfake voice detection, vishing investigations, AI-generated speech analysis, voice cloning detection, or audio authenticity verification.",
  "domain": "cybersecurity",
  "subdomain": "social-engineering-defense",
  "tags": [
    "deepfake-detection",
    "vishing",
    "audio-forensics",
    "MFCC",
    "spectral-analysis",
    "voice-cloning"
  ],
  "version": "1.0.0",
  "author": "mukul975",
  "license": "Apache-2.0",
  "atlas_techniques": [
    "AML.T0088",
    "AML.T0043",
    "AML.T0018",
    "AML.T0052"
  ],
  "nist_ai_rmf": [
    "MEASURE-2.7",
    "GOVERN-6.2",
    "MAP-5.2",
    "MEASURE-2.5",
    "MAP-5.1"
  ],
  "d3fend_techniques": [
    "Sender Reputation Analysis",
    "Content Validation",
    "Message Analysis",
    "User Behavior Analysis",
    "Identifier Analysis"
  ],
  "nist_csf": [
    "PR.AT-01",
    "DE.CM-09",
    "RS.CO-02"
  ],
  "mitre_attack": [
    "T1078",
    "T1190",
    "T1059",
    "T1566",
    "T1598"
  ],
  "mitre_f3": {
    "version": "1.1",
    "tactics": [
      "reconnaissance",
      "initial-access",
      "stealth",
      "monetization"
    ],
    "techniques": [
      {
        "id": "F1032",
        "name": "Impersonate Official",
        "tactic": "initial-access",
        "source": "f3"
      },
      {
        "id": "F1031",
        "name": "Impersonate Account Holder",
        "tactic": "initial-access",
        "source": "f3"
      },
      {
        "id": "F1040",
        "name": "Phone Number Spoofing",
        "tactic": "stealth",
        "source": "f3"
      },
      {
        "id": "F1034",
        "name": "Interactive Voice Response Mapping",
        "tactic": "reconnaissance",
        "source": "f3"
      },
      {
        "id": "F1025.003",
        "name": "Electronic Funds Transfer: Wire Transfer",
        "tactic": "monetization",
        "source": "f3"
      }
    ]
  }
}

对运行顺序的一种解读

此工作流根据源码材料重建表面顺序。除非明确记录受控评估,否则它属于暂定解读,而非真实运行轨迹。

  1. 01
    判断

    When to Use

    来源描述的决策候选,位于“When to Use”;未经执行验证。

  2. 02
    操作

    Workflow

    来源描述的步骤候选,位于“Workflow”;未经执行验证。

  3. 03
    操作

    Step 1: Audio Preprocessing

    来源描述的步骤候选,位于“Step 1: Audio Preprocessing”;未经执行验证。

  4. 04
    操作

    Step 2: Extract Spectral Features

    来源描述的步骤候选,位于“Step 2: Extract Spectral Features”;未经执行验证。

  5. 05
    操作

    Extract the feature set that distinguishes real from synthetic speech:

    来源描述的步骤候选,位于“Step 2: Extract Spectral Features”;未经执行验证。

  6. 06
    操作

    Reduced spectral contrast in the 4-8 kHz range (vocoders compress high-frequency detail)

    来源描述的步骤候选,位于“Step 2: Extract Spectral Features”;未经执行验证。

查看全部工作流候选节点 (23 个候选步骤)
  1. 07
    操作

    Abnormally consistent spectral centroid over time (real speech has natural variation)

    来源描述的步骤候选,位于“Step 2: Extract Spectral Features”;未经执行验证。

  2. 08
    操作

    Lower zero-crossing rate variance (synthetic speech lacks micro-perturbations)

    来源描述的步骤候选,位于“Step 2: Extract Spectral Features”;未经执行验证。

  3. 09
    操作

    Missing or attenuated formant transitions during consonant-vowel boundaries

    来源描述的步骤候选,位于“Step 2: Extract Spectral Features”;未经执行验证。

  4. 10
    操作

    Step 3: Build Feature Vector and Classify

    来源描述的步骤候选,位于“Step 3: Build Feature Vector and Classify”;未经执行验证。

  5. 11
    操作

    Step 4: Temporal Artifact Analysis

    来源描述的步骤候选,位于“Step 4: Temporal Artifact Analysis”;未经执行验证。

  6. 12
    操作

    Step 5: Spectrogram Visual Inspection

    来源描述的步骤候选,位于“Step 5: Spectrogram Visual Inspection”;未经执行验证。

  7. 13
    操作

    Generate spectrograms for manual forensic review:

    来源描述的步骤候选,位于“Step 5: Spectrogram Visual Inspection”;未经执行验证。

  8. 14
    输出

    Step 6: Generate Forensic Report

    来源描述的步骤候选,位于“Step 6: Generate Forensic Report”;未经执行验证。

  9. 15
    操作

    Key Concepts

    来源描述的步骤候选,位于“Key Concepts”;未经执行验证。

  10. 16
    操作

    Tools & Systems

    来源描述的步骤候选,位于“Tools & Systems”;未经执行验证。

  11. 17
    操作

    Common Scenarios

    来源描述的步骤候选,位于“Common Scenarios”;未经执行验证。

  12. 18
    操作

    Extract the audio from the phone system recording and convert to WAV at 16kHz

    来源描述的步骤候选,位于“Scenario: Executive Impersonation Wire Transfer Fraud”;未经执行验证。

  13. 19
    操作

    Run MFCC and spectral feature extraction on the suspect audio

    来源描述的步骤候选,位于“Scenario: Executive Impersonation Wire Transfer Fraud”;未经执行验证。

  14. 20
    操作

    Compare against known genuine CEO voice samples from recorded meetings

    来源描述的步骤候选,位于“Scenario: Executive Impersonation Wire Transfer Fraud”;未经执行验证。

  15. 21
    操作

    Analyze pitch jitter and shimmer against human speech baselines

    来源描述的步骤候选,位于“Scenario: Executive Impersonation Wire Transfer Fraud”;未经执行验证。

  16. 22
    操作

    Classify using the trained ensemble model and generate confidence score

    来源描述的步骤候选,位于“Scenario: Executive Impersonation Wire Transfer Fraud”;未经执行验证。

  17. 23
    输出

    Produce forensic report with spectrogram evidence for legal/compliance

    来源描述的步骤候选,位于“Scenario: Executive Impersonation Wire Transfer Fraud”;未经执行验证。

潜在风险面

静态发现用于提示安装前需要检查的位置,不能证明一项技能安全、恶意或有效。

有需要复核的项目

收集的文本中有 40 项确定性词法发现需要复核。发现可能仅位于文档中,不证明已执行或可被利用;仅含二进制的文件未扫描。

网络访问已观察到
文件写入已观察到
凭据使用未观察到
中

文本提及网络访问

5 次命中

此源文件行包含 URL 或网络客户端。应检查目标地址、发送的数据和信任边界;静态文本无法证明实际发生了网络活动。 该规则在收集文本中命中 5 处;此处列出 3 个代表位置。命中文本可能只是文档,分析器没有执行它。

提示

文本描述或实现了文件修改

35 次命中

此行包含可能的文件写入或重定向操作。应检查目标路径和覆盖行为;静态审查没有写入任何文件。 该规则在收集文本中命中 35 处;此处列出 3 个代表位置。命中文本可能只是文档,分析器没有执行它。

上下文可能消耗在哪里

发现、激活与资源层具有不同含义。只有使用指定官方方法并记录模型的运行时,才显示精确数值。

精确 token 计数不可用

在管线使用明确模型执行官方精确计数之前,包括文件清单在内的所有 token 值均为 null。

未使用要求的官方方法记录 token 测量。本档案不会用字符数、文件大小或估计值替代。

受控评估

没有受控评估

该技能仅具备以上标明的证据。不声称任何任务成功率、token 效率、延迟或质量优势。

尚未测试

在源码可见的情况下使用

安装命令
Inspect the pinned source at https://github.com/mukul975/Anthropic-Cybersecurity-Skills/blob/54a798831d2266a3ca61ce68a7acb80b81160d57/skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md and follow the source repository's installation instructions. No installation was performed or verified by this static analyzer. Source license: Apache-2.0.

前置条件

  • 静态分析无法评估运行时行为、命令是否成功、网络可达性或模型输出质量。
  • 未执行任何命令、脚本、网络请求、模型调用或受控技能测试。
  • 类别、标签、能力、工作流程和双语编辑摘要均为待人工复核的确定性候选,并非已验证结果。
  • 在后续管线实际执行并记录官方模型专用计数之前,无法提供精确 token 数。

示例提示词

未提供

附上限制条件的判断

优势

  • 快照包含 4 个收集文件、2 个 Markdown 文件和 1 个脚本文件,可进行源代码级检查。[证据:skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md:L1]

注意事项

  • 尚未确立功能、安全或模型质量结果。安装或发布前,人工复核必须检查源代码上下文和所有引用发现。
研究结论

仅为暂定的确定性静态清单;等待人工编辑复核以及独立的受控评估。不构成安装建议、安全保证或有效性声明。

从结构上保持可追溯

档案是对公开工件的限时阅读,而非背书。请通过来源链接检查确切的上游材料。

mukul975Anthropic-Cybersecurity-Skillsskills/detecting-deepfake-audio-in-vishing-attacks
来源类型
社区
提交
54a798831d2266a3ca61ce68a7acb80b81160d57
采集时间
2026年11月20日
最近核查
2026年11月20日
上游许可证
Apache-2.0
仓库星标
36,446
内容依据

仅对提供的文件进行确定性词法解析、YAML frontmatter 校验、文件清单、来源描述的工作流程提取和启发式暂定分类。由机器生成;无 LLM、执行、动态测试或人工编辑批准。