¿El software malintencionado del teléfono puede montar un ataque MITM en una llamada telefónica?

Sí, el "teléfono" en sí mismo es una aplicación. Puede ser secuestrado o reemplazado por completo. De hecho, los teléfonos Android están DISEÑADOS para hacer esto, de modo que pueda utilizar automáticamente un proveedor de VOIP cuando realice llamadas telefónicas, si así lo desea. El software malicioso con control completo del dispositivo podría simplemente colocarse a sí mismo como un servicio de este tipo y cuando marques una llamada, se conectará a través de VOIP y el atacante.

Incluso sin hacer esto, el micrófono y el altavoz también están controlados por software y no hay ninguna razón por la que no puedan grabar la entrada y la salida desde allí si tienen suficientes privilegios para el sistema.

Como ya se señaló, el aspecto técnico de un ataque MitM básico en una llamada de voz es plausible.

La parte más difícil de atacar una llamada de voz normal probablemente sería falsificar la propia voz. Si llama a alguien cuya voz reconoce, entonces el atacante necesitaría falsificar su voz / acento de manera convincente o tener suficientes muestras previamente grabadas de ellos (y usted) para dar rápidamente respuestas significativas en la conversación. ¡Hacer eso en tiempo real para que no note ningún retraso parece ser un problema realmente difícil (e interesante)! Una latencia de más de 200 ms sería molesta si no fuera sospechosa. Está muy lejos de sustituir algún texto en un correo electrónico o en una página web.

Tal vez esa es la parte que pensabas que sonaba a ciencia-ficción-y.