Chema Alonso, „Telefónica“ CDCO ir žinoma saugumo ekspertė, pasirodė žvaigždėje „OpenEXPO Virtual Experience 2021“, kurią jis rėmė šioje srityje aštuntasis renginio leidimas kad buvo surengta internete. Dalyvaudamas jis taip pat pasinaudojo proga aptarti įdomią temą, pvz., Dirbtinio intelekto sukeltus klastotes ir naujus iššūkius, su kuriais susiduria kibernetinis saugumas vykdant šią praktiką.
Tikrai esate matę keletą vaizdo įrašų, kuriuose kažkas pasirodo su kito žmogaus veidu, sakančiu ar darančiu ką nors, ko nepasakė ar nepadarė asmuo, kuriam tas veidas priklauso. Šiuos vaizdo įrašus galima gauti palyginti paprastai, jie užplūsta internetą, ypač socialinius tinklus, ir naudojami kaip įrankiai vartotojams. apgaulės ir dezinformacijos kampanijos.
„OpenEXPO Virtual Experience 2021“ jie norėjo pristatyti naujas temas, atsižvelgdami į dabartinę technologijų ir atvirojo kodo panoramą, tarp jų ir tokias technologijas kaip dirbtinis intelektas, Mašininis mokymasis arba gilus mokymasis. Chema Alonso daugiausiai dėmesio skyrė klastotėms, kurias galima pasiekti naudojant šias technologijas, ir naujiems kibernetinio saugumo iššūkiams.
Atsižvelgiant į tai, kad padaugėjo šių suklastotų vaizdo įrašų, kurie išaugo nuo 15.000 2019 50.000 m. Iki beveik 2020 XNUMX XNUMX m. Ir toliau auga, tai tapo susirūpinimą keliančiu dalyku. Be to, 96 proc. Šių klastotių yra pornografiniai vaizdo įrašai, su atviro sekso scenomis, kuriose naudojami garsenybės, politiko ar įtakojančio asmens veidai.
Susidūręs su šia grėsme, kaip paaiškino Chema Alonso, veiksmai turi būti atliekami dviem aspektais: kriminalistinė vaizdų analizė ir biologinių duomenų išskyrimas. Jo kalba „OpenEXPO Virtual Experience 2021“ buvo skirta būtent tam, kur jis parodė „Chrome“ papildinį, kurį sukūrė kartu su savo komanda, kad galėtų aptikti „DeepFakes“.
Dėl savo veikimo jis remiasi 4 pagrindiniai stulpai:
- „FaceForensics ++“: išbandyti vaizdus pagal modelį ir mokyti savo duomenų bazėje, kad pagerintumėte efektyvumą.
- „DeepFake“ vaizdo įrašų eksponavimas aptinkant veido deformavimo artefaktus- Nustatykite apribojimus naudodami CNN modelį, nes dabartiniai AI algoritmai dažnai sukuria šiek tiek ribotos skiriamosios gebos vaizdus.
- Gilių klastotių atskleidimas naudojant nenuoseklias galvos pozas: naudojant „HopeNet“ modelį, netikro modelio pozose, kurios įvedamos pristatant sintezuojamą veidą, galima aptikti neatitikimų ar klaidų.
- CNN sukurtus vaizdus stebėtinai lengva pastebėti ... kol kas: Galima patvirtinti, kad dabartiniai CNN sugeneruoti vaizdai turi sisteminių trūkumų.
Daugiau informacijos - Oficiali renginio svetainė