- Генеративните състезателни мрежи (GAN) позволяват създаването на хиперреалистични синтетични идентичности, които заобикалят традиционните биометрични данни.
- Най-стабилната защита се крие в оркестрацията на сигналите и многослойното откриване при заснемане, преминаване и сравнение.
- Независими сертификати като iBeta Level 3 и регулации като Закона на ЕС за изкуствения интелект са от решаващо значение за валидирането на сигурността.
Навлязохме в етап, в който кражбата на самоличност направи драматичен скок напред. Вече не говорим за прости фотокопия или гумени маски, а за генерирани от изкуствен интелект синтетични медии, способни да заблудят дори най-сложните системи. Нападателите сега използват фалшиви данни (deepfakes) и координирани инжекционни атаки, които правят методите за сигурност отпреди само няколко години да изглеждат като детска игра.
Най-голямата уязвимост за повечето компании е убеждението, че една-единствена бариера е достатъчна. Данните обаче ни показват, че над 70% от опитите за напреднали измами се спират само когато са налице множество нива на проверка . Не става въпрос само за това дали заплахата е реална – което в голяма степен е – а за това как да се изгради наистина ефективна защитна стена, без да се разочароват легитимните потребители.
Проблемът с разчитането единствено на жизнеността
Дълго време тестът за активна живост – този, който ви кара да мигнете или да завъртите глава – беше звездата. Но разбира се, дийпфейковете са еволюирали и сега могат да имитират микроизражения на лицето и да реагират в реално време на системни инструкции. Проблемът е, че тези инструменти дават приоритет на бързата реакция, но не непременно на истинската автентичност на видеото.
Освен това, молбата към клиента да изпълнява акробатични номера пред камерата създава огромно напрежение. В някои случаи изоставянето на потребителите достига 40%, докато преминаването към пасивно разпознаване на активност (обикновено селфи) повишава процента на завършване до над 95%. Номерът е охраната да работи на заден план, без да притеснява потребителя.
¿Qué son exactamente los Deepfakes y cómo se fabrican?
По същество това са аудио, изображения или видео файлове, манипулирани с помощта на дълбоко обучение , за да изглеждат автентични. Ключовата технология тук са генеративните състезателни мрежи (GAN), където две невронни мрежи се конкурират: едната създава фалшивото, а другата се опитва да го открие, принуждавайки генератора да усъвършенства лъжата, докато тя стане почти неразличима от реалността.
Има два основни клона: Deepfaces , които заместват лица или създават изцяло нови хора, и Deepvoices , които клонират нечий глас. Последният е особено опасен в корпоративна среда, където има случаи на ръководители, които прехвърлят хиляди долари, след като са вярвали, че говорят със своя изпълнителен директор.
Стратегията за многослойно откриване
Ако използвате само детектор за фалшиви данни, имате дупка в сигурността. Един алгоритъм може да е брилянтен в откриването на изкуствени текстури на кожата, но да е сляп за атака с инжектиране на шаблони . Следователно решението е да се внедри трислойна архитектура:
- Откриване при заснемане: Той анализира дали присъства реален човек и открива артефакти от изкуствен интелект в точния момент на запис.
- Откриване на трафик: Това гарантира, че видеото не е било прихванато или променено между мобилното устройство на потребителя и сървъра, предотвратявайки неговото инжектиране на синтетично съдържание в API-то.
- Откриване в сравнение: Сравнете представената самоличност с известни модели на измами и анализирайте дали поведението на потребителя е подозрително.
Този подход позволява на измамник, който успее да заобиколи доказателството за живот, да попадне в капана на целостта на канала или в поведенческия анализ. Това е мрежа, в която всяка мрежа изпълнява отделна функция.
Синтетичните идентичности и финансовият сектор
В света на финтех и банковото дело рискът е изключителен. Престъпниците вече не просто крадат самоличности; те създават синтетични самоличности . Това включва смесване на реални, изтекли данни (като валиден документ за самоличност) с изфабрикувана информация и лице, генерирано от изкуствен интелект. Резултатът е профил, който изглежда легитимен и позволява откриване на сметки или кандидатстване за заеми, без да се буди подозрение.
За да се справи с това, системата преминава от изолирана проверка към оркестрирани сигнали . Вече не е достатъчно лицето да съвпада с документа; сега се анализират геолокацията, пръстовият отпечатък на устройството и скоростта на писане. Ако биометричните данни са перфектни, но устройството е подозиран емулатор , системата задейства предупреждение.
Стандарти, разпоредби и сертификати
Не всички инструменти са създадени еднакви. В професионалния сектор, сертифицирането iBeta ниво 3 е златният стандарт, тъй като то валидира устойчивостта срещу атаки чрез инжектиране в контролирани среди. Освен това, Законът на ЕС за изкуствения интелект ще започне да изисква цялото генерирано от изкуствен интелект съдържание да бъде ясно етикетирано , под наказание от големи глоби.
От съществено значение е компаниите да търсят решения, които отговарят на ISO/IEC 30107 и позволяват обработка на данни на самото устройство. Това не само подобрява сигурността, но и гарантира съответствие с GDPR, като предотвратява движението на сурови биометрични данни през мрежата, като по този начин намалява повърхността за атака.
Практически съвети за откриване на подправяне
Въпреки че изкуственият интелект става все по-усъвършенстван, все още има улики, които могат да ни спасят. Обърнете внимание на непоследователното мигане , тъй като алгоритмите се затрудняват да имитират естествените човешки модели на мигане. Също така е важно да наблюдавате краищата на лицето и вътрешността на устата ; зъбите и езикът често са области, където изкуственият интелект допуска видими грешки.
Друг детайл, който трябва да се вземе предвид, е синхронизирането на устните и звукът. Често звукът не съответства перфектно на движенията на устните. Ако имате някакви съмнения, най-добре е да забавите видеото , за да потърсите резки скокове в изображението или странни промени на фона, които биха могли да разкрият манипулация.
Дигиталната сигурност днес изисква постоянна бдителност и приемането на системи, които не разчитат само на един фактор. Комбинацията от усъвършенствана биометрия, поведенчески анализ и стриктно спазване на регулаторните изисквания е единственият начин да се ограничи напредъкът на синтетичните методи и да се защити целостта на транзакциите в свят, където виждането вече не е просто вярване.
