- Generatyviniai priešpriešiniai tinklai (GAN) leidžia kurti hiperrealistines sintetines tapatybes, kurios apeina tradicinę biometriją.
- Patikimiausia apsauga slypi signalų orkestravime ir daugiasluoksniame aptikime fiksavimo, perdavimo ir palyginimo metu.
- Nepriklausomi sertifikatai, tokie kaip „iBeta Level 3“, ir reglamentai, tokie kaip ES Dirbtinio intelekto įstatymas, yra labai svarbūs saugumo patvirtinimui.
Įžengėme į etapą, kai tapatybės vagystės žengė dramatišką šuolį į priekį. Mes nebekalbame apie paprastas kopijas ar gumines kaukes, o apie dirbtinio intelekto generuojamas sintetines laikmenas, galinčias apgauti net ir pačias sudėtingiausias sistemas. Užpuolikai dabar naudoja giluminius klastojimus ir koordinuotas injekcijos atakas, dėl kurių vos prieš kelerius metus naudoti saugumo metodai atrodo kaip vaikų žaidimas.
Didžiausias daugelio įmonių pažeidžiamumas yra įsitikinimas, kad pakanka vienos kliūties. Tačiau duomenys rodo, kad daugiau nei 70 % sudėtingų sukčiavimo bandymų sustabdomi tik tada, kai taikomi keli patvirtinimo sluoksniai . Svarbu ne tik tai, ar grėsmė reali (o ji tikrai reali), bet ir tai, kaip sukurti tikrai veiksmingą gynybinę sieną, neerzinant teisėtų vartotojų.
Problema, kylanti pasikliaujant vien gyvumu
Ilgą laiką aktyvus gyvumo testas – tas, kuris prašo mirksėti arba pasukti galvą – buvo populiariausias. Tačiau, žinoma, gilieji imitacijos (deepfake) išsivystė ir dabar gali imituoti veido mikroraiškas bei realiuoju laiku reaguoti į sistemos instrukcijas. Problema ta, kad šios priemonės teikia pirmenybę reagavimui, bet nebūtinai tikrajam vaizdo įrašo autentiškumui.
Be to, prašymas kliento atlikti akrobatinius triukus prieš kamerą sukuria didžiulę trintį. Kai kuriais atvejais vartotojų pasitraukimo rodiklis siekia 40 %, o perėjimas prie pasyvaus gyvumo aptikimo (paprasta asmenukė) padidina užbaigimo rodiklį iki daugiau nei 95 %. Gudrybė – leisti apsaugai veikti fone, netrukdant vartotojui.
¿Qué son preciamente los Deepfakes y como se fabrican?
Iš esmės tai garso, vaizdo ar vaizdo failai, manipuliuojami naudojant gilųjį mokymąsi , kad atrodytų autentiški. Pagrindinė technologija čia yra generatyviniai priešpriešiniai tinklai (GAN), kuriuose konkuruoja du neuroniniai tinklai: vienas sukuria klastotę, o kitas bando ją aptikti, versdamas generatorių tobulinti melą , kol jis beveik neatskiriamas nuo realybės.
Yra dvi pagrindinės šakos: „Deepfaces“ , kurios pakeičia veidus arba sukuria visiškai naujus žmones, ir „Deepvoices“ , kurios klonuoja kažkieno balsą. Pastaroji yra ypač pavojinga įmonių aplinkoje, kur yra buvę atvejų, kai vadovai perveda tūkstančius dolerių, manydami, kad kalbasi su savo generaliniu direktoriumi.
Sluoksniuota aptikimo strategija
Jei naudojate tik giliųjų klastočių detektorių, turite saugumo spragą. Algoritmas gali būti puikus aptinkant dirbtines odos tekstūras, bet nematyti šablono injekcijos atakos . Todėl sprendimas yra įdiegti trijų pakopų architektūrą:
- Aptikimas fiksavimo metu: Jis analizuoja, ar yra tikras žmogus, ir aptinka dirbtinio intelekto artefaktus tiksliu įrašymo momentu.
- Eismo aptikimas: Tai užtikrina, kad vaizdo įrašas nebuvo perimtas ar modifikuotas tarp vartotojo mobiliojo įrenginio ir serverio, todėl jis negali būti... suleisti sintetinį turinį API.
- Aptikimas lyginant: Palyginkite pateiktą tapatybę su žinomais sukčiavimo modeliais ir išanalizuokite, ar vartotojo elgesys įtartinas.
Toks metodas leidžia sukčiui, kuriam pavyksta apeiti gyvybės įrodymą, patekti į kanalo vientisumo spąstus arba elgsenos analizę. Tai tinklas, kuriame kiekvienas tinklelis atlieka atskirą funkciją.
Sintetinės tapatybės ir finansų sektorius
Finansinių technologijų ir bankininkystės pasaulyje rizika yra itin didelė. Nusikaltėliai ne tik vagia tapatybes, bet ir kuria sintetines tapatybes . Tai reiškia, kad tikrus, nutekintus duomenis (pvz., galiojantį asmens dokumentą) sumaišomi su sufabrikuota informacija ir dirbtinio intelekto sugeneruotu veidu. Rezultatas – profilis, kuris atrodo teisėtas, ir leidžia atidaryti sąskaitas ar kreiptis dėl paskolų nesukeliant įtarimų.
Siekdama su tuo kovoti, sistema pereina nuo izoliuoto patvirtinimo prie suderintų signalų . Nebeužtenka, kad veidas sutaptų su dokumentu; dabar analizuojama geolokacija, įrenginio pirštų atspaudai ir spausdinimo greitis. Jei biometriniai duomenys yra puikūs, bet įrenginys įtariamas kaip emuliatorius , sistema įjungia įspėjimą.
Standartai, reglamentai ir sertifikatai
Ne visi įrankiai yra vienodi. Profesionaliame sektoriuje „iBeta 3“ lygio sertifikatas yra auksinis standartas, nes jis patvirtina atsparumą injekcijos atakoms kontroliuojamoje aplinkoje. Be to, ES Dirbtinio intelekto įstatymas pradės reikalauti, kad visas dirbtinio intelekto sukurtas turinys būtų aiškiai ženklinamas , priešingu atveju grės didelės baudos.
Labai svarbu, kad įmonės ieškotų sprendimų, kurie atitiktų ISO/IEC 30107 standartą ir leistų apdoroti duomenis pačiame įrenginyje. Tai ne tik pagerina saugumą, bet ir užtikrina BDAR atitiktį, nes neleidžia neapdorotiems biometriniams duomenims keliauti tinkle ir taip sumažina atakų riziką.
Praktiniai patarimai, kaip aptikti klastojimą
Nors dirbtinis intelektas tampa vis sudėtingesnis, vis dar yra užuominų, kurios gali mus išgelbėti. Atkreipkite dėmesį į nenuoseklų mirksėjimą , nes algoritmams sunku atkartoti natūralius žmogaus mirksėjimo modelius. Taip pat labai svarbu stebėti veido kraštus ir burnos vidų ; dantys ir liežuvis dažnai yra sritys, kuriose dirbtinis intelektas daro matomas klaidas.
Kita detalė, į kurią reikia atsižvelgti, yra lūpų sinchronizavimas ir garsas. Dažnai garsas ne visai tiksliai atitinka lūpų judesius. Jei kyla abejonių, geriausia sulėtinti vaizdo įrašą , kad ieškotumėte staigių šuolių vaizde ar keistų fono pokyčių, kurie galėtų atskleisti manipuliavimą.
Šiandieninis skaitmeninis saugumas reikalauja nuolatinio budrumo ir sistemų, kurios nepriklauso nuo vieno veiksnio, diegimo. Pažangios biometrijos, elgsenos analizės ir griežto reguliavimo laikymosi derinys yra vienintelis būdas pažaboti sintetinių metodų plėtrą ir apsaugoti operacijų vientisumą pasaulyje, kuriame pamatyti nebereikia tikėti.
