Telefónica'nın CDCO'su ve tanınmış güvenlik uzmanı Chema Alonso, OpenEXPO Sanal Deneyim 2021bu konuda sponsor olduğu etkinliğin sekizinci baskısı bu çevrimiçi yapıldı. Bu katılımda ayrıca AI tarafından üretilen derin sahtekarlıklar ve siber güvenliğin bu uygulamalarla karşılaştığı yeni zorluklar gibi ilginç bir konuyu tartışma fırsatı buldu.
Elbette, bir başkasının yüzüyle, o yüzün ait olduğu kişinin söylemediği veya yapmadığı bir şeyi söyleyen veya yapan birinin göründüğü bazı videolar görmüşsünüzdür. Bu videolar nispeten basit bir şekilde elde edilebiliyor ve özellikle sosyal ağlar olmak üzere interneti dolduruyor ve kullanıcılar için araç olarak kullanılıyor. aldatmacalar ve dezenformasyon kampanyaları.
OpenEXPO Virtual Experience 2021'de, mevcut teknoloji ve açık kaynak panoramasına uygun yeni konuları ve bunların arasında aşağıdaki gibi teknolojileri tanıtmak istediler. yapay zeka, Makine Öğrenimi veya Derin Öğrenme. Chema Alonso, bu teknolojilerin yardımıyla elde edilebilecek derin sahtekarlıklara ve siber güvenliğin karşı karşıya olduğu yeni zorluklara odaklandı.
15.000'da 2019 olan bu sahte videoların 50.000'de neredeyse 2020'e yükselmesi ve büyümeye devam etmesi göz önüne alındığında endişe konusu haline geldi. ek olarak Bu derin sahtekarlıkların %96'sı pornografik videolar, bir ünlünün, politikacının veya etkileyicinin yüzlerini kullanan müstehcen seks sahneleri ile.
Bu tehditle karşı karşıya kalan Chema Alonso'nun da açıkladığı gibi, iki cepheden önlem alınmalı: görüntülerin adli analizi ve biyolojik verilerin çıkarılması. OpenEXPO Virtual Experience 2021 için yaptığı konuşma, DeepFakes'i tespit edebilmek için ekibiyle birlikte geliştirdiği Chrome için bir eklenti gösterdiği tam olarak buna odaklandı.
Çalışması için güvendiği 4 temel sütun:
- Yüz Adli Bilişim ++: bir modele dayalı görüntüleri test etmek ve verimliliği artırmak için kendi veritabanınızda eğitim vermek.
- Yüz Çarpma Artefaktlarını Algılayarak DeepFake Videolarını Gösterme- Mevcut AI algoritmaları genellikle biraz sınırlı çözünürlükte görüntüler ürettiğinden, bir CNN modeliyle ilgili sınırlamaları tespit edin.
- Tutarsız Kafa Pozları Kullanarak Derin Sahtekarlıkları Ortaya Çıkarmak: Bir HopeNet modeli kullanılarak, sentezlenen yüz tanıtılırken tanıtılan sahte modelin pozlarında tutarsızlıklar veya hatalar tespit edilebilir.
- CNN Tarafından Oluşturulan Görüntülerin Fark Edilmesi Şaşırtıcı Derecede Kolay… şimdilik: CNN tarafından üretilen mevcut görüntülerin sistematik kusurları paylaştığı doğrulanabilir.
Daha fazla bilgi - Etkinliğin Resmi Web Sitesi