Virtualna izkušnja OpenEXPO 2021 imel izjemen sponzor, kot je Chema Alonso. Priljubljeni strokovnjak za varnost bi imel tudi konferenco o zanimivih temah, kot je kibernetska varnost in o tem, kako lahko deepfakes in AI vplivajo nanjo.
Z napredkom umetne inteligence se kibernetska varnost sooča z novimi izzivi. Trenutno lahko identiteto z umetno inteligenco razmeroma enostavno nadomestimo, kar povzroči pojav deepfakes ki preplavljajo družbena omrežja in internet.
DeepFake omogoča, na primer, uporabo obstoječega videoposnetka z določenim znakom in spremenite svoj obraz za drugega, kot tudi vstavljanje kloniranega glasu, ki izgovarja besede, ki jih nikoli ne bi izgovoril. Nekaj, kar bi lahko privedlo do strašnih potegavščin, zlasti če se uporabljajo proti političnim voditeljem ali z veliko zmožnostjo vplivanja na prebivalstvo.
Danes so postali ena najbolj izpopolnjenih tehnik za širjenje lažnih novic in kampanj za dezinformacije. Lahko celo bistveno vplivajo povečanje kibernetskih napadov, kot je poudarila Chema Alonso iz virtualne izkušnje OpenEXPO.
In to je bolj zaskrbljujoče zlo, kot se zdi. Do leta 2019 je po internetu krožilo manj kot 15.000 globokih ponaredkov. Leta 2020 je bilo skoraj 50.000 lažnih videoposnetkov, 96% jih je pornografske narave. Število ne preneha naraščati in ustvarja nove izzive za kibernetsko varnost.
Za odkrivanje teh globokih ponaredkov Chema Alonso poudarja dve obliki analize:
- Forenzična analiza slik.
- Odstranitev bioloških podatkov iz slik.
Priznani strokovnjak se je v to temo poglobil v svojem govoru za OpenEXPO Virtual Experience 2021 in skupaj s svojo ekipo je lahko razvil vtičnik za spletni brskalnik Chrome s katero lahko vsak uporabnik izbere video in zažene teste za odkrivanje teh globokih napak.
Ta vtičnik izvaja 4 znanstvena raziskava za boj s temi prevarami:
- FaceForensics ++: preverja na podlagi modela, usposobljenega na lastni bazi podatkov.
- Razkrivanje videoposnetkov DeepFake z odkrivanjem artefaktov, ki se ukrivijo z obrazaTrenutni algoritmi umetne inteligence pogosto ustvarjajo slike z omejeno ločljivostjo in to orodje te omejitve zazna z modelom CNN.
- Izpostavljanje globokih ponaredkov z uporabo nedoslednih položajev glave- Izmenjava se izvede med prvotnim in sintetiziranim obrazom, tako da v 3D prihaja do napak v položaju glave. Z modelom HopeNet je mogoče te nedoslednosti zaznati.
- CNN-ustvarjene slike je presenetljivo enostavno opaziti ... za zdaj: Lahko je potrditi, da trenutne slike, ki jih ustvarja CNN, delijo sistematične napake.
Razprava OpenEXPO je zelo zanimiva tema in enako potrebno orodje, saj so ti globoki ponaredki vsak dan ...
Več informacij - Uradna spletna stran dogodka