- Üretken Çekişmeli Ağlar (GAN'lar), geleneksel biyometrik yöntemleri atlayarak son derece gerçekçi sentetik kimliklerin oluşturulmasına olanak tanır.
- En güçlü savunma, sinyallerin düzenlenmesi ve yakalama, iletim ve karşılaştırma aşamalarında katmanlı tespit yöntemlerinin kullanılmasıyla sağlanır.
- iBeta Seviye 3 gibi bağımsız sertifikalar ve AB Yapay Zeka Yasası gibi düzenlemeler, güvenliğin doğrulanması için kritik öneme sahiptir.
Kimlik hırsızlığının dramatik bir sıçrama yaptığı bir aşamaya girdik. Artık basit fotokopilerden veya kauçuk maskelerden değil, en gelişmiş sistemleri bile aldatabilen yapay zeka tarafından üretilen sentetik medyadan bahsediyoruz . Saldırganlar artık, birkaç yıl öncesinin güvenlik yöntemlerini çocuk oyuncağı gibi gösteren deepfake'ler ve koordineli enjeksiyon saldırıları kullanıyor.
Çoğu şirket için en büyük zaaf, tek bir bariyerin yeterli olduğuna inanmaktır. Ancak veriler, gelişmiş dolandırıcılık girişimlerinin %70'inden fazlasının ancak birden fazla doğrulama katmanı uygulandığında durdurulduğunu gösteriyor . Mesele sadece tehdidin gerçek olup olmadığı değil –ki kesinlikle gerçektir– aynı zamanda meşru kullanıcıları hayal kırıklığına uğratmadan gerçekten etkili bir savunma duvarı nasıl inşa edileceğidir.
Sadece canlılığa güvenmenin sorunu
Uzun bir süre boyunca, göz kırpmanızı veya başınızı çevirmenizi isteyen aktif canlılık testi en popüler yöntemdi. Ancak elbette, deepfake teknolojisi gelişti ve artık yüzdeki mikro ifadeleri taklit edebiliyor ve sistem talimatlarına gerçek zamanlı olarak tepki verebiliyor. Sorun şu ki, bu araçlar tepki verme hızına öncelik veriyor, ancak videonun gerçek özgünlüğüne değil.
Dahası, müşteriden kamera önünde akrobatik hareketler yapmasını istemek büyük bir sürtüşmeye neden olur. Bazı durumlarda kullanıcı terk oranı %40'a ulaşırken, pasif canlılık tespitine (basit bir selfie) geçmek tamamlama oranını %95'in üzerine çıkarır. Buradaki püf nokta, güvenliğin kullanıcıyı rahatsız etmeden arka planda çalışmasını sağlamaktır.
Deepfake'leri tam olarak nasıl üretiyorsunuz?
Esasen bunlar, gerçek gibi görünmeleri için derin öğrenme kullanılarak manipüle edilmiş ses, görüntü veya video dosyalarıdır . Buradaki temel teknoloji, iki sinir ağının rekabet ettiği Üretken Çekişmeli Ağlar (GAN'lar)'dır: biri sahteyi oluştururken diğeri onu tespit etmeye çalışır ve bu da üreticiyi yalanı gerçeklikten neredeyse ayırt edilemez hale gelene kadar iyileştirmeye zorlar.
İki ana dal vardır: Yüzleri değiştiren veya tamamen yeni kişiler yaratan Deepfaces ve birinin sesini kopyalayan Deepvoices . İkincisi, özellikle kurumsal ortamda tehlikelidir; burada yöneticilerin CEO'larıyla konuştuklarını sanarak binlerce dolar transfer ettikleri vakalar yaşanmıştır.
Katmanlı algılama stratejisi
Yalnızca deepfake dedektörü kullanırsanız, bir güvenlik açığınız olur. Bir algoritma yapay cilt dokularını tespit etmede mükemmel olabilir, ancak şablon enjeksiyon saldırısına karşı kör olabilir . Bu nedenle çözüm, üç katmanlı bir mimari uygulamaktır:
- Yakalama sırasında tespit: Kayıt anında gerçek bir kişinin olup olmadığını analiz eder ve yapay zekâ kaynaklı hataları tam olarak tespit eder.
- Trafik tespiti: Bu, videonun kullanıcının mobil cihazı ile sunucu arasında ele geçirilmediğinden veya değiştirilmediğinden emin olmayı sağlar ve böylece videonun izinsiz kullanımını önler. sentetik içerik enjekte edin API'de.
- Karşılaştırmalı tespit: Sunulan kimliği bilinen dolandırıcılık modelleriyle karşılaştırın ve kullanıcının davranışının şüpheli olup olmadığını analiz edin.
Bu yaklaşım, hayatta olma kanıtını atlatmayı başaran bir dolandırıcının kanal bütünlüğü tuzağına veya davranışsal analize düşmesine olanak tanır . Her bir ağ elemanının farklı bir işlevi olduğu bir ağdır.
Sentetik Kimlikler ve Finans Sektörü
Fintech ve bankacılık dünyasında risk son derece yüksek. Suçlular artık sadece kimlik çalmakla kalmıyor; sentetik kimlikler de oluşturuyorlar. Bu, gerçek, sızdırılmış verilerin (geçerli bir kimlik belgesi gibi) uydurma bilgiler ve yapay zeka tarafından oluşturulmuş bir yüzle karıştırılmasını içeriyor. Sonuç, meşru görünen ve şüphe uyandırmadan hesap açabilen veya kredi başvurusunda bulunabilen bir profil oluyor .
Bununla mücadele etmek için sistem, izole doğrulama yönteminden, koordineli sinyallere geçiyor . Artık sadece yüzün belgeyle eşleşmesi yeterli değil; artık coğrafi konum, cihazın parmak izi ve yazma hızı da analiz ediliyor. Biyometrik veriler mükemmel olsa bile, cihazın bir emülatör olduğundan şüpheleniliyorsa , sistem bir uyarı tetikliyor.
Standartlar, Yönetmelikler ve Sertifikalar
Tüm araçlar eşit yaratılmamıştır. Profesyonel sektörde, iBeta Seviye 3 sertifikası, kontrollü ortamlarda enjeksiyon saldırılarına karşı direnci doğruladığı için altın standart olarak kabul edilir. Ayrıca, AB Yapay Zeka Yasası, ağır para cezaları tehdidi altında, tüm yapay zeka tarafından üretilen içeriğin açıkça etiketlenmesini zorunlu kılmaya başlayacaktır.
Şirketlerin ISO/IEC 30107 standardına uygun ve verilerin doğrudan cihaz üzerinde işlenmesine olanak tanıyan çözümler aramaları şarttır . Bu, yalnızca güvenliği artırmakla kalmaz, aynı zamanda ham biyometrik verilerin ağ üzerinden iletilmesini engelleyerek GDPR uyumluluğunu da sağlar ve böylece saldırı yüzeyini azaltır.
Kurcalamayı tespit etmeye yönelik pratik ipuçları
Yapay zekâ giderek daha karmaşık hale gelse de, bizi kurtarabilecek ipuçları hala mevcut. Algoritmalar doğal insan göz kırpma modellerini taklit etmekte zorlandığı için, tutarsız göz kırpmalara dikkat edin . Ayrıca yüzün kenarlarını ve ağzın içini gözlemlemek de çok önemlidir ; dişler ve dil, yapay zekânın görünür hatalar yaptığı alanlardır.
Dikkate alınması gereken bir diğer detay ise dudak senkronizasyonu ve sestir. Genellikle ses, dudak hareketleriyle mükemmel bir şekilde eşleşmez. Şüpheniz varsa, görüntüdeki ani sıçramaları veya manipülasyonu ortaya çıkarabilecek arka plandaki garip değişiklikleri görmek için videoyu yavaşlatmanız en iyisidir.
Günümüz dijital güvenliği, sürekli teyakkuz ve tek bir faktöre dayanmayan sistemlerin benimsenmesini gerektiriyor. Gelişmiş biyometrik veriler, davranış analizi ve titiz düzenleyici uyumluluğun birleşimi, sentetik yöntemlerin yayılmasını engellemenin ve artık görmenin inanmak anlamına gelmediği bir dünyada işlemlerin bütünlüğünü korumanın tek yoludur.
