Синтетическая личность — это полностью или частично вымышленный человек, которого создают с помощью генеративных моделей для мошеннических схем. В отличие от классической кражи личности, где злоумышленник использует данные реального человека, здесь биография, внешность и даже документы могут быть сгенерированы с нуля. Федеральная резервная система США определяет такое мошенничество как создание вымышленного человека или организации из комбинации персональных данных, где одни элементы принадлежат реальным людям, а другие полностью выдуманы. По данным отчёта Entrust Identity Fraud Report 2026, основанного на более чем миллиарде проверок в 195 странах, за 2025 год число попыток пройти проверку с помощью deepfake-селфи выросло на 58%, а количество injection-атак — на 40%, при этом на дипфейки приходилась каждая пятая попытка биометрического мошенничества. В России Банк России также фиксирует случаи, когда злоумышленники собирают новый профиль клиента из настоящих и вымышленных сведений и пытаются пройти идентификацию, называя такие схемы комбинированными или синтетическими персональными данными.

Ключевая особенность синтетических личностей — их экономическая эффективность. Раньше мошеннику требовалось найти реального человека с подходящими документами, вручную подделать фотографию или дату рождения, а затем долго выстраивать правдоподобную легенду. Теперь генеративные модели позволяют выпускать сотни вариантов анкет за считанные минуты, отправлять их в разные организации и смотреть, какие сочетания проходят проверку. ИИ берёт на себя все этапы: нейросеть рисует лицо человека, которого никогда не существовало, языковая модель пишет биографию и историю работы, а алгоритмы редактирования изображений вносят изменения в настоящие документы, заменяя фотографию, фамилию или номер. При этом для создания убедительной личности не обязательно генерировать паспорт целиком — достаточно изменить несколько областей в скане настоящего документа, и такие правки становятся всё труднее обнаружить.

Технологии редактирования изображений с использованием генеративного inpainting создают новые вызовы для антифрод-систем. В отличие от Photoshop, где вставленный фрагмент оставляет характерные следы — различия в резкости, шуме или освещении, а также повторяющиеся участки при копировании элементов, — генеративные модели перерисовывают область вместе с текстурой бумаги и фоном, не оставляя видимых швов. Исследователи из проекта AIForge-Doc в 2026 году опубликовали препринт, в котором они взяли реальные чеки и формы на девяти языках и с помощью генеративного inpainting изменили числовые значения, создав набор из 4061 поддельного изображения с точной разметкой изменённых областей. Результаты тестирования существующих детекторов оказались неутешительными: детектор DocTamper, который на знакомых данных показывал ROC AUC 0,98, на генеративных подделках упал до 0,563, а качество локализации изменённой области оказалось почти нулевым. Даже GPT-4o, которому предложили определить подделку без дополнительного обучения, набрал лишь 0,509 — это практически случайное угадывание.

Означает ли это, что нейросети уже способны создавать безупречные документы? Авторы AIForge-Doc подчёркивают, что исследовали только небольшие числовые поля в чеках и формах, а не полную генерацию удостоверений личности. Однако для атаки мошенникам и не всегда нужен идеальный паспорт — в реальном процессе KYC документ часто рассматривается не под лупой, а проверяется автоматическими системами, которые могут не заметить даже заметный человеку дефект. Кроме того, синтетические личности используют для открытия счетов, получения кредитов и других операций, постепенно наращивая кредитную историю, прежде чем забрать деньги. Это делает схему особенно опасной, так как мошенники действуют не быстро, а методично, годами выстраивая доверие к вымышленному персонажу.

На российском рынке проблема синтетических личностей становится всё более актуальной. Банк России в своих обзорах описывает случаи, когда злоумышленники используют комбинированные персональные данные для прохождения идентификации, и рекомендует кредитным организациям усилить проверки. При этом российские компании, занимающиеся антифродом, включая Tevian, активно исследуют, какие следы генеративного вмешательства можно устойчиво находить в изображениях документов и селфи. Как отмечают эксперты Tevian, однозначного ответа пока нет: признак может хорошо работать на изображениях с одного генератора, но исчезать после JPEG-сжатия или не переноситься на другой. Практическая задача сегодня — не найти один универсальный «отпечаток ИИ», а понять, какие признаки переживают реальные каналы получения документов и как их сочетать в комплексных антифрод-решениях.

Сравнение с альтернативными подходами показывает, что синтетические личности сложнее обнаружить, чем традиционные подделки. Классические методы верификации, такие как проверка документов по базам данных или ручная экспертиза, неэффективны против полностью вымышленных персонажей, у которых нет реального владельца, который мог бы заявить о краже. Биометрические системы, включая распознавание лиц и liveness-проверки, также уязвимы: deepfake-селфи и генеративные портреты могут обмануть алгоритмы, особенно если мошенник использует инъекции для подмены данных на этапе передачи. В то же время существуют подходы, основанные на анализе цифрового следа: проверка активности в социальных сетях, истории операций и связей между устройствами, но и они не всегда дают надёжный результат, особенно для свежесозданных личностей.

Перспективы борьбы с синтетическими личностями связаны с развитием методов обнаружения генеративного вмешательства и внедрением многофакторных проверок. Уже сейчас исследователи работают над созданием датасетов с размеченными подделками, таких как AIForge-Doc, чтобы обучать детекторы на реальных примерах генеративных атак. Однако остаётся открытым вопрос о стандартизации таких методов и их способности адаптироваться к новым генеративным моделям, которые постоянно совершенствуются. Банк России и другие регуляторы могут ввести обязательные требования к проверке документов на признаки ИИ-редактирования, но для этого необходимы надёжные и масштабируемые решения. Пока же синтетические личности остаются серьёзным вызовом для финансовой отрасли и антифрод-систем, и их создание будет только дешеветь и упрощаться с развитием генеративных технологий.