Penipuan crypto kini menjadi salah satu ancaman finansial paling cepat berkembang di Amerika Serikat. Data dari Federal Trade Commission mengungkapkan bahwa dalam setahun terakhir, kerugian akibat berbagai bentuk penipuan ini mencapai miliaran dolar. Korban penipuan ini tidak hanya investor berpengalaman, tapi juga orang-orang yang tidak pernah berencana untuk terlibat dalam dunia cryptocurrency.
Berikut adalah tiga jenis penipuan crypto yang saat ini banyak merugikan warga Amerika, agar pembaca dapat mengenali dan menghindari jebakan tersebut.
1. Penipuan "Pig Butchering"
Penipuan ini sudah berlangsung selama beberapa dekade dengan metode yang licik. Pelaku biasanya membangun kepercayaan korban melalui aplikasi kencan atau media sosial sebelum menawarkan investasi crypto dengan janji keuntungan besar. Mereka menampilkan diri sebagai sosok sukses secara finansial, kemudian memperkenalkan peluang investasi palsu.
Istilah "pig butchering" menggambarkan proses pelaku yang “menggemukkan babi” dengan meyakinkan korban untuk terus mengirim uang. Akhirnya, pelaku menghilang dan korban kehilangan seluruh dana yang telah diinvestasikan. Kasus terbaru termasuk seorang wanita di Maryland yang kehilangan jutaan dolar, sesuai laporan dari CBS News. FBI juga melaporkan melalui Operation Level Up bahwa terdapat 5.831 korban penipuan investasi kripto, dengan 77% di antaranya tidak menyadari mereka sedang menjadi korban.
2. Penipuan Deepfake dan AI Generatif
Bentuk penipuan terbaru ini memanfaatkan teknologi kecerdasan buatan untuk membuat video atau audio palsu yang menyerupai CEO selebriti dan tokoh terkenal. Pelaku menggunakan teknologi ini untuk menipu korban agar melakukan investasi crypto yang meragukan. Video palsu ini dibuat sedemikian nyata hingga sering membingungkan para korban.
Biasanya, penipuan ini disebarkan lewat iklan video di Facebook, Instagram, TikTok, dan YouTube. Sosok yang sering digunakan contohnya Elon Musk, Ryan Reynolds, Oprah Winfrey, dan Vince Gill. Menurut Bitget, kerugian akibat scam yang menggunakan teknologi deepfake melonjak hingga $4,6 miliar pada tahun ini. Mayoritas korban penipuan jenis ini adalah orang-orang lanjut usia yang menjadi target empuk.
3. Penipuan Crypto ATM
Modus penipuan ini dimulai dengan panggilan telepon atau pesan yang mengaku berasal dari bank atau lembaga pemerintah. Pelaku menakut-nakuti korban dengan mengatakan dana mereka dalam bahaya dan harus segera dipindahkan ke dompet digital crypto melalui ATM terdekat. Namun, dompet tersebut sebenarnya milik penipu.
Setelah korban melakukan transfer, uang tidak dapat dikembalikan. Kerugian dari penipuan ini meningkat secara signifikan, dari $12 juta pada tahun 2020 menjadi lebih dari $110 juta pada tahun 2023. Dalam enam bulan pertama tahun ini saja, kerugian sudah mencapai $65 juta menurut Federal Trade Commission. Penipuan ini sangat umum menimpa orang berusia 60 tahun ke atas.
Daftar Jenis Penipuan Crypto dan Kerugian yang Terjadi
| Jenis Penipuan | Modus Operandi | Kerugian Terkini | Target Umum |
|---|---|---|---|
| Pig Butchering | Membangun kepercayaan lalu menipu dengan investasi palsu | Jutaan dolar per kasus | Umum, terutama pengguna dating app |
| Deepfake AI Videos | Video/audio palsu tokoh terkenal untuk investasi palsu | $4,6 miliar | Lansia |
| Crypto ATM Scam | Panggilan palsu untuk pengalihan dana ke dompet penipu | > $110 juta (2023) | Lansia > 60 tahun |
Waspada terhadap tanda-tanda penipuan ini sangat penting dalam era digital saat ini. Memahami cara kerja tiap jenis scam membantu mencegah kehilangan aset yang tidak sedikit. Penting bagi masyarakat untuk selalu memverifikasi informasi, terutama investasi yang menjanjikan keuntungan besar dengan risiko rendah, serta menghindari komunikasi dan transaksi yang tidak jelas sumbernya.
Penipuan crypto terus beradaptasi dengan teknologi baru, oleh sebab itu kewaspadaan dan edukasi finansial menjadi kunci utama melindungi diri agar tidak menjadi korban berikutnya. Informasi akurat dari sumber resmi seperti Federal Trade Commission harus dijadikan acuan dalam mengenali ancaman ini.
-
-
-
-
