- تسمح الشبكات التوليدية التنافسية (GANs) بإنشاء هويات اصطناعية فائقة الواقعية تتجاوز القياسات الحيوية التقليدية.
- يكمن أقوى دفاع في تنسيق الإشارات والكشف متعدد الطبقات في عمليات الالتقاط والنقل والمقارنة.
- تعتبر الشهادات المستقلة مثل iBeta المستوى 3 واللوائح مثل قانون الذكاء الاصطناعي للاتحاد الأوروبي أمراً بالغ الأهمية للتحقق من الأمن.
لقد دخلنا مرحلةً شهدت فيها سرقة الهوية تطوراً هائلاً. لم نعد نتحدث عن مجرد نسخ ضوئية بسيطة أو أقنعة مطاطية، بل عن وسائط اصطناعية مُولّدة بالذكاء الاصطناعي قادرة على خداع حتى أكثر الأنظمة تطوراً. يستخدم المهاجمون الآن تقنية التزييف العميق وهجمات الحقن المنسقة التي تجعل أساليب الحماية التي كانت سائدة قبل بضع سنوات تبدو وكأنها لعب أطفال.
تكمن أكبر نقطة ضعف لدى معظم الشركات في اعتقادها بأن حاجزًا واحدًا يكفي. مع ذلك، تُشير البيانات إلى أن أكثر من 70% من محاولات الاحتيال المتقدمة لا تُصد إلا بوجود طبقات متعددة من التحقق . لا يقتصر الأمر على ما إذا كان التهديد حقيقيًا - وهو كذلك بالفعل - بل يتعلق بكيفية بناء جدار دفاعي فعال حقًا دون إزعاج المستخدمين الشرعيين.
تكمن المشكلة في الاعتماد فقط على البث المباشر
لفترة طويلة، كان اختبار التحقق من حيوية الوجه - الذي يطلب منك الرمش أو تحريك رأسك - هو المعيار الأساسي. لكن بالطبع، تطورت تقنية التزييف العميق وأصبحت قادرة على محاكاة تعابير الوجه الدقيقة والتفاعل في الوقت الفعلي مع تعليمات النظام. تكمن المشكلة في أن هذه الأدوات تُعطي الأولوية للاستجابة، وليس بالضرورة لمصداقية الفيديو الحقيقية.
علاوة على ذلك، فإن مطالبة العميل بأداء حركات بهلوانية أمام الكاميرا تُسبب إزعاجًا كبيرًا. في بعض الحالات، تصل نسبة التخلي عن التطبيق إلى 40%، بينما يؤدي التحول إلى خاصية الكشف التلقائي عن حيوية المستخدم (صورة سيلفي بسيطة) إلى رفع معدل الإكمال إلى أكثر من 95%. يكمن السر في تشغيل نظام الأمان في الخلفية دون إزعاج المستخدم.
ما هو بالضبط Deepfakes وكيف يتم تصنيعه؟
باختصار، هذه ملفات صوتية أو صورية أو فيديوية مُعدّلة باستخدام تقنيات التعلّم العميق لتبدو أصلية. التقنية الأساسية هنا هي الشبكات التوليدية التنافسية (GANs)، حيث تتنافس شبكتان عصبيتان: إحداهما تُنشئ المحتوى المُزيّف والأخرى تُحاول كشفه، مما يُجبر المُولّد على تحسين المحتوى المُزيّف حتى يُصبح من الصعب تمييزه عن الواقع.
هناك فرعان رئيسيان: تقنية "ديب فيسز" التي تستبدل الوجوه أو تخلق أشخاصًا جددًا تمامًا، وتقنية "ديب فويسز" التي تستنسخ صوت شخص ما. ويُعدّ النوع الأخير خطيرًا بشكل خاص في بيئة الشركات، حيث سُجّلت حالات قام فيها مسؤولون تنفيذيون بتحويل آلاف الدولارات ظنًا منهم أنهم يتحدثون مع رئيسهم التنفيذي.
استراتيجية الكشف الطبقي
إذا اعتمدت فقط على كاشف التزييف العميق، فستواجه ثغرة أمنية. قد يكون الخوارزمية بارعة في كشف أنسجة الجلد الاصطناعية، لكنها تعجز عن كشف هجوم حقن القوالب . لذا، يكمن الحل في تطبيق بنية ثلاثية الطبقات:
- الكشف أثناء الالتقاط: يقوم بتحليل ما إذا كان هناك شخص حقيقي موجود ويكشف عن آثار الذكاء الاصطناعي في اللحظة الدقيقة للتسجيل.
- رصد حركة المرور: يضمن ذلك عدم اعتراض الفيديو أو تعديله بين جهاز المستخدم المحمول والخادم، مما يمنع استخدامه. حقن محتوى اصطناعي في واجهة برمجة التطبيقات (API).
- مقارنة الكشف: قم بمقارنة الهوية المعروضة مع أنماط الاحتيال المعروفة وحلل ما إذا كان سلوك المستخدم مثيرًا للريبة.
يُمكّن هذا النهج المحتال الذي ينجح في تجاوز إجراءات التحقق من سلامة البيانات من الوقوع في فخ سلامة القناة أو تحليل السلوك. إنها شبكة تؤدي فيها كل حلقة وظيفة محددة.
الهويات الاصطناعية والقطاع المالي
في عالم التكنولوجيا المالية والخدمات المصرفية، يبلغ الخطر ذروته. لم يعد المجرمون يكتفون بسرقة الهويات، بل باتوا ينشئون هويات مزيفة . يتضمن ذلك دمج بيانات حقيقية مسربة (مثل بطاقة هوية سارية) مع معلومات ملفقة وصورة وجه مُولّدة بالذكاء الاصطناعي. والنتيجة هي ملف تعريف يبدو شرعيًا، ما يُمكّن المستخدمين من فتح حسابات أو التقدم بطلبات قروض دون إثارة الشكوك.
ولمواجهة ذلك، ينتقل النظام من التحقق المنفرد إلى الإشارات المنسقة . لم يعد كافيًا مطابقة الوجه للوثيقة؛ بل يتم الآن تحليل الموقع الجغرافي وبصمة الجهاز وسرعة الكتابة. إذا كانت البيانات البيومترية مثالية ولكن الجهاز يُشتبه في كونه جهازًا مُقلِّدًا ، يُطلق النظام تنبيهًا.
المعايير واللوائح والشهادات
ليست جميع الأدوات متساوية. في القطاع الاحترافي، تُعدّ شهادة iBeta المستوى 3 المعيار الذهبي، إذ تُثبت مقاومة البرامج لهجمات الحقن في بيئات مُراقبة. علاوة على ذلك، سيبدأ قانون الذكاء الاصطناعي في الاتحاد الأوروبي بإلزام جميع المحتويات المُولّدة بواسطة الذكاء الاصطناعي بوضع علامات واضحة عليها ، تحت طائلة غرامات باهظة.
من الضروري أن تسعى الشركات إلى إيجاد حلول تتوافق مع معيار ISO/IEC 30107 وتسمح بمعالجة البيانات على الجهاز نفسه. هذا لا يُحسّن الأمن فحسب، بل يضمن أيضاً الامتثال للائحة العامة لحماية البيانات (GDPR) من خلال منع انتقال البيانات البيومترية الخام عبر الشبكة، مما يقلل من احتمالية التعرض للهجمات.
نصائح عملية للكشف عن التلاعب
على الرغم من التطور المتزايد للذكاء الاصطناعي، لا تزال هناك مؤشرات قد تُنقذنا. انتبه إلى عدم انتظام الرمش ، حيث تواجه الخوارزميات صعوبة في محاكاة أنماط الرمش الطبيعية لدى الإنسان. من المهم أيضًا مراقبة حواف الوجه وداخل الفم ؛ فالأسنان واللسان غالبًا ما تكون مناطق يرتكب فيها الذكاء الاصطناعي أخطاءً واضحة.
من التفاصيل الأخرى التي يجب مراعاتها تزامن حركة الشفاه مع الصوت. ففي كثير من الأحيان، لا يتطابق الصوت تمامًا مع حركة الشفاه. إذا ساورك أي شك، فمن الأفضل إبطاء الفيديو للبحث عن أي قفزات مفاجئة في الصورة أو تغييرات غريبة في الخلفية قد تكشف عن تلاعب.
يتطلب الأمن الرقمي اليوم يقظة مستمرة واعتماد أنظمة لا تعتمد على عامل واحد. إن الجمع بين القياسات الحيوية المتقدمة وتحليل السلوك والامتثال الصارم للوائح التنظيمية هو السبيل الوحيد لكبح جماح انتشار الأساليب التركيبية وحماية سلامة المعاملات في عالم لم يعد فيه التصديق بالرؤية كافياً.
