由聯合創始人兼首席執行官Vijay Balasubramaniyan撰寫Pindrop
生成的AI革命在這裡。憑藉其在包括醫療保健，機器人和創造性努力在內的各種領域中的人類智能和努力的能力，也就不足為奇了，預計全球生成AI市場是到2030年$ 1,100億美元。但是，這項快速發展的技術還開始嚴重質疑您剛剛體驗的圖像，音頻或視頻是真實的還是AI生成的深擊。深擊可能會通過傳播錯誤信息，操縱公眾輿論和侵蝕信任來造成重大傷害。
最近的一個例子是參議員布魯門撒爾的開幕詞在參議院關於AI的聽證會上，他以聲音交談開始，最終轉向了他的聲音的深層模仿。它被用來強調了深果變得越來越複雜和難以檢測的程度。當某人打開或訪問帳戶時，DeepFakes還可以顛覆遠程身份的確定。在這兩種情況下，都使用生物識別技術成功地保護了欺詐性金融交易，欺詐性訪問醫療保健記錄和身份盜用。生物識別技術是在合適的人口開放還是訪問帳戶的情況下，非常方便，準確地回答了這個問題。有了深層效果，需要擴大生物識別技術來回答一個先驅問題，這甚至是人口開放還是訪問帳戶或機器？
增強生物識別技術和對抗深擊的最有前途的技術之一是LIVISE TENTECTion，這是一種利用人類自然而然的屬性的技術，但很難讓機器在持續的時期內進行大規模複製。
為什麼LIVISE檢測對深層效果如此有效？
要了解LIVISINE的檢測，我們必須首先了解試圖模仿人類的攻擊範圍。這些攻擊中最簡單的是一種重播攻擊，您可以使用某人的圖像/語音/視頻，對其進行更改和添加，並將其重播為新的圖像/語音/視頻。南希·佩洛西（Nancy Pelosi）的演講量很大，視頻放慢了速度，這就是一個例子，通常被稱為“廉價攝影”。接下來是一種合成的身份攻擊，機器創建了類似人類的圖像/音頻/視頻，但沒有相應的真實人類。這些現在通常用於科學怪人的欺詐和浪漫騙局中。最後，我們有真正的深層效果，其中特定的針對性個人的聲音，音頻或視頻是完全機器生成的。在某些情況下，他們所說的單詞也是使用大型語言模型（LLM）（例如Chatgpt）進行機器生成的。在最先進的情況下，所有這些都是實時發生的。德雷克的我的袖子上的心與Weeknd合作就是一個例子，喬安娜·斯特恩（Joanna Stern）也是如此銀行帳戶使用語音克隆。
LIVISE探測並不是什麼新鮮事物，因為確定人類或機器人是否正在通過在各種應用程序（例如ATM，移動銀行業務和在線投票）中進行互動進行互動。可預防深層效果的能力檢測是一個迅速發展的新領域。 Livices檢測在基本前提上起作用，即任何深層發電機都會產生與自然人類相互作用明顯不同的文物和模式。這些模式可能無法被人類檢測到，但是當通過專門設計的人工智能工具分析時，可以識別出這些模式。為了提供一個例子，在音頻中，當一個人說“你好保羅”時，他們的嘴在'o'的末尾張開，並在說“ p”時關閉。他們能夠做到這一點的速度具有人為局限性。機器生成的深擊並不關心這些人類的局限性。這樣做的一個例子是，我們確定的一個欺詐者之一稱為長頸鹿人，因為聲帶分析表明，發表此演講的人只能以7英尺長的脖子來做到這一點。即使是最低的富達音頻渠道，每秒也有8000個人類語音樣本。這使您可以每一秒鐘查找多種異常。您擁有的越多，異常的寶庫就越大。 Livices能夠處理多次攻擊攻擊的範圍，因為它著重於人聲解剖學的完美和不完美的語音獨特性，同時尋求識別由機器添加的異常，這些機器要么在不支持10,000年的人類進化的情況下重播您的聲音或產生您的聲音。
DeepFake引擎不會變得更好並使Livices檢測無效？
在此AI安全部隊競賽中，Livices如何檢測以前從未見過的新的Deepfake引擎？對於真實的案例研究其中，請參閱Livices以90％的檢測率檢測Meta的全新語音箱引擎的能力。這需要一個特定的Livices架構，它利用了DeepFake引擎不是一個整體系統，並且由大量組件創建的事實。對於新的DeepFake引擎，通常其中一個或兩個組件會更改，但這仍然意味著您可以識別其他組件留下的聲學文物。另一個方面是深擊引擎，它們會積極創建音頻擾動以逃避檢測。滑鐵盧大學紙是偉大的工作，強調了深冰引擎做到這一點的能力。儘管大眾媒體推斷出所有Deepfakes對所有語音身份驗證系統的成功率99％，但實際上，該論文顯示了不同系統的成功率。連續6次嘗試的攻擊的最低成功率為9.55％。實際上，一個複雜的耐受性檢測系統將能夠處理這些擾動，因為它們通常在各種欺騙性的音頻中受過培訓，並進行廣泛的數據增強，涵蓋了廣泛的頻譜修改。
LIVISE檢測的應用是什麼？
LIVISE檢測有許多潛在的應用。媒體組織和事實檢查機構可以利用這項技術來增強驗證過程。這可能會對新聞和媒體的可信度產生深遠的影響，從而在一個容易受到信任的時代加強信息傳播的完整性。通過將LIVISE檢測集成到流行的社交媒體平台中，可以為用戶提供工具來驗證內容的真實性，然後再與網絡共享內容。這不僅可以保護個人無意間傳播錯誤信息，還可以促進數字責任和問責製文化。組織還應在其帳戶開放和交易工作流中利用Livices檢測。這將確保惡意演員將無法使用Deepfake來訪問用戶的帳戶。
總而言之，LIVES檢測代表了正在進行的與深層戰鬥的戰鬥中的強大工具。它有能力實時檢測偽造內容及其廣泛集成的潛力，使其成為改變錯誤信息和操縱的遊戲改變者。通過授權個人，媒體和組織能夠驗證音頻和視頻的真實性，Livices檢測可以幫助恢復對數字景觀的信任。
關於作者
Vijay Balasubramaniyan是聯合創始人兼首席執行官Pindrop。
免責聲明：生物識別更新的行業見解是提交的內容。這篇文章中表達的觀點是作者的觀點，不一定反映生物識別更新的觀點。
