Deepfake Audio Detection — spot AI-cloned voices in vishing attacks
Sécurité défensive : détecter l'audio deepfake généré par IA utilisé dans le hameçonnage vocal (vishing) — extraire des features spectrales (MFCC, centroïde spectral, contraste, taux de passage à zéro) et classer les échantillons avec des modèles ML, avec analyse par lot, scores de confiance et rapports forensiques
- Quoi
- Sécurité défensive : détecter l'audio deepfake généré par IA utilisé dans le hameçonnage vocal (vishing) — extraire des features spectrales (MFCC, centroïde spectral, contraste, taux de passage à zéro) et classer les échantillons avec des modèles ML, avec analyse par lot, scores de confiance et rapports forensiques
- Coût
- Gratuit
- Prérequis
- Python 3.9+ avec librosa, numpy, scikit-learn et scipy installés ; FFmpeg installé pour la conversion de formats audio ; échantillons audio en WAV, MP3 ou FLAC (minimum 3 secondes) ; optionnellement un corpus de référence de voix authentiques de la personne ciblée
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill detecting-deepfake-audio-in-vishing-attacks de @mukul975, listé ici avec crédit à son créateur (écrit par mukul975, travail purement défensif fraude/SOC) : détecter l'audio deepfake généré par IA utilisé dans le hameçonnage vocal en extrayant des features spectrales (MFCC, centroïde spectral, contraste spectral, taux de passage à zéro) et en classant les échantillons avec des modèles ML. Il livre le workflow complet — preprocessing audio (resample, trim, normalisation avec librosa), extraction de features, analyse par lot, scores de confiance et rapports forensiques — pour des cas comme enquêter sur une voix de dirigeant clonée par IA autorisant un virement, valider un message vocal qui ressemble au PDG mais sonne faux, ou donner aux équipes blue une capacité de détection face au voice cloning red-team. Mappé aux frameworks MITRE ATT&CK, MITRE ATLAS, D3FEND et NIST. Bémols honnêtes : les modèles de détection ne valent que leurs données d'entraînement — un corpus de référence de voix authentiques améliore la précision ; les générateurs de deepfake progressent constamment, c'est une course aux armements ; les preuves audio exigent une chaîne de conservation propre pour un usage légal. Licence Apache-2.0. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
Deepfake Audio Detection est un skill gratuit pour Muse pour la sécurité défensive contre le hameçonnage vocal. Il détecte l'audio deepfake généré par IA utilisé en vishing, en extrayant des features spectrales comme MFCC, centroïde spectral, contraste et taux de passage à zéro. Les échantillons sont classés par modèles ML, avec analyse par lots, score de confiance et rapport forensique.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit 54a7988Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : Python 3.9+ avec librosa, numpy, scikit-learn et scipy installés ; FFmpeg installé pour la conversion de formats audio ; échantillons audio en WAV, MP3 ou FLAC (minimum 3 secondes) ; optionnellement un corpus de référence de voix authentiques de la personne ciblée Installe-moi « Détection d'audio deepfake — repérer les voix clonées par IA dans les attaques vishing ». Il donne à mon agent le workflow défensif de détection d'audio deepfake de @mukul975 : pré-traiter l'audio (resample à 16kHz, trim du silence, normalisation), extraire des features spectrales (MFCC, centroïde spectral, contraste spectral, taux de passage à zéro), classer les échantillons avec des modèles ML, lancer l'analyse par lot avec scores de confiance et produire des rapports forensiques — mappé aux frameworks MITRE ATT&CK, ATLAS, D3FEND et NIST. Licence Apache-2.0. Dépôt : https://raw.githubusercontent.com/mukul975/anthropic-cybersecurity-skills/54a798831d2266a3ca61ce68a7acb80b81160d57/skills/detecting-deepfake-audio-in-vishing-attacks/SKILL.md Version épinglée : installe le code au commit 54a798831d2266a3ca61ce68a7acb80b81160d57 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « detecting-deepfake-audio-in-vishing-attacks ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. pip install librosa numpy scikit-learn scipy ; installer FFmpeg ; préparer des échantillons audio suspects de 3+ secondes ; optionnellement rassembler un corpus de référence de voix authentiques). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- 54a7988 · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.