Bioid แบ่งปันการวิจัยเกี่ยวกับการตรวจจับความลึกและการตรวจจับ biometric livence กับ EAB

ภาพและวิดีโอ Deepfake เป็นภัยคุกคามที่สำคัญต่อระบบไบโอเมตริกซ์ที่ใช้สำหรับการตรวจสอบตัวตนระยะไกลและเทคโนโลยี Liveny ที่มีอยู่สามารถตรวจจับได้ทำให้เวกเตอร์การโจมตีสำหรับธุรกิจที่ไม่ได้รับการสำรวจ

'ทำไม Deepfakes ไม่ใช่ความท้าทายที่แท้จริงสำหรับ Biometrics ระยะไกล' ถูกนำเสนอโดยAnn-Kathrin Freibergของทางชีวภาพในการพูดคุยอาหารกลางวันล่าสุดที่นำเสนอโดยสมาคมชีวภาพแห่งยุโรป(EAB)

ผู้เข้าร่วมประชุมมากกว่า 250 คนจากกว่า 40 ประเทศทั่วโลกได้ลงทะเบียนล่วงหน้าเพื่อนำเสนอซึ่งหลายคนมีส่วนร่วมอย่างมากในการสนทนาตลอด

ต้นกำเนิดของคำศัพท์ที่ใช้การเรียนรู้อย่างลึกซึ้งในการจัดการหรือปลอมรูปภาพวิดีโอหรือไฟล์เสียงได้รับการตรวจสอบและ Freiberg แบ่งปันตัวอย่างหลายอย่างของ DeepFakes รวมถึง Morph Fake ที่สร้างขึ้นโดยพนักงานชีวภาพจากแอพฟรีและภาพเดียวที่พบบนอินเทอร์เน็ต

เคล็ดลับพื้นฐานบางประการสำหรับการพบวิดีโอ Deepfake ได้รับการแชร์เช่นการสังเกตการเปลี่ยนแปลงระหว่างพื้นที่ที่แตกต่างกันของใบหน้าและศีรษะและความถี่หรือขาดกระพริบ สมมาตรเช่นในสีตาหรือต่างหูสามารถเปิดเผย deepfake ได้

นักวิจัยทางชีวภาพได้ตรวจสอบแอพที่เปิดเผยต่อสาธารณะเพื่อสร้าง Deepfakes และพบว่าสี่นั้นมีประสิทธิภาพโดยทั่วไป ความสามารถของพวกเขา Freiberg เตือนแม้ว่าจะห่างไกลจากความสมบูรณ์แบบก็เพียงพอที่จะหลอกคนจำนวนมากที่ไม่ได้ตระหนักถึงแนวคิดของ Deepfakes และเนื้อหาสื่อที่ไม่น่าสงสัยที่พวกเขาเห็น

ดำน้ำลึกเข้าไปใน deepfakes

Freiberg ให้รายละเอียดเกี่ยวกับวิธีการสร้าง Deepfakes ประวัติและผลกระทบของโลกแห่งความเป็นจริง

การเข้ารหัสอัตโนมัติ Variational ได้รับการฝึกฝนด้วยคุณสมบัติใบหน้าของบุคคลโดยใช้วัสดุแหล่งที่มาเธออธิบายด้วยคุณภาพการป้อนข้อมูลที่ดีขึ้นและดีขึ้นส่งผลให้ประสิทธิภาพดีขึ้นเช่นเดียวกับในการฝึกอบรมระบบไบโอเมตริกซ์และอัลกอริทึมอื่น ๆ การสลับเครื่องเข้ารหัสและตัวถอดรหัสของคนสองคนสามารถถ่ายโอนคุณสมบัติของหนึ่งไปยังใบหน้าของอีกฝ่าย

การวิจัยครั้งแรกเกี่ยวกับ Deepfakes ซึ่งอธิบายไว้ในเวลานั้นว่าเป็น“ ภาพเคลื่อนไหวสังเคราะห์ของใบหน้า” ได้รับการตีพิมพ์ในปี 1997 แต่สนามดังกล่าวได้ออกไปพร้อมกับการเกิดขึ้นของเครือข่ายฝ่ายตรงข้าม (GANS) ในปี 2014 ซึ่งอนุญาตให้สร้าง Deepfakes ที่น่าเชื่อถือ ฮาร์ดแวร์ระดับไฮเอนด์และความพยายามอย่างมืออาชีพกำลังสร้างความน่าเชื่อถืออย่างเป็นธรรมในปี 2559 และคำว่า "Deepfake" เกิดขึ้นจาก Reddit Forum เพื่อพูดคุยเกี่ยวกับวิดีโอลามกอนาจาร หัวข้อที่เข้าสู่การอภิปรายสาธารณะเกี่ยวกับปัญหาสังคมเช่นข่าวปลอมในปี 2018 และแอพเพื่อสร้าง deepfakes จากภาพเดียวตามมาในปี 2021

ในทางปฏิบัติ 96 เปอร์เซ็นต์ของเนื้อหา deepfake คือสื่อลามกFreiberg เปิดเผย อันตรายที่เกิดขึ้นส่วนใหญ่ได้รับการเห็นในระดับส่วนบุคคลแม้ว่าจะมีความเสี่ยงต่อการเข้าใจผิดทางการเมืองเนื่องจากผู้คนมักจะมีความสำคัญน้อยกว่าในการยอมรับความจริงของข้อมูลที่สอดคล้องกับความเชื่อที่พวกเขามีอยู่แล้ว

อย่างไรก็ตามมีประโยชน์ที่อาจเกิดขึ้นจาก Deepfakes เช่นกันเพื่อความสนุกสนานและความบันเทิง แต่ยังรวมถึงความกังวลในทางปฏิบัติมากขึ้น Freiberg บันทึกวิดีโอ Deepfake ที่ถ่ายทอดข้อมูลสุขภาพจากคนดังแบรดพิตต์ในภาษาที่นักแสดงไม่ได้พูดเป็นตัวอย่างของแอปพลิเคชัน Deepfake ประเภทนี้ด้วยประโยชน์ทางสังคมที่อาจเกิดขึ้น

ผลกระทบการตรวจสอบเอกลักษณ์ไบโอเมตริกซ์

การเพิ่มขึ้นของ deepfakes ในบริบทของการเพิ่มการใช้การตรวจสอบตัวตนดิจิทัลรวมถึงการแชทตัวแทนวิดีโอและ biometrics เซลฟี่ทำให้การตรวจจับความเป็นจริงทางชีวภาพมีความสำคัญยิ่งกว่า

Freiberg ถามว่าระบบไบโอเมตริกซ์สามารถตรวจจับ Deepfakes ได้หรือไม่และให้คำตอบที่น่าเป็นห่วง: การจดจำใบหน้าไม่สามารถทำได้เสมอไป

การตรวจสอบมาตรฐาน ISO/IEC 30107-3 มาตรฐานการตรวจจับการโจมตี (PAD) Freiberg ตั้งข้อสังเกตว่า Deepfakes ไม่ได้กล่าวถึงในการโจมตีที่ครอบคลุม

เทคนิคที่ใช้โดยระบบแผ่นเช่นการเคลื่อนไหว 3 มิติและการวิเคราะห์พื้นผิวสามารถตรวจจับ Deepfakes ได้ นี่เป็นเพราะหลายคนเป็นการโจมตีการเล่นซ้ำวิดีโอซึ่งถูกปกคลุมด้วยมาตรฐานแผ่น

“ ทุกอย่างเรียบร้อยดีใช่มั้ยการนำเสนอและเราสามารถกลับบ้านได้หรือไม่ไม่จริงมันไม่ได้เป็นเช่นนั้นมีมากกว่าหนึ่งเวกเตอร์การโจมตีเมื่อพูดถึงการตรวจสอบตัวตนระยะไกล” Freiberg เตือน เหตุผลก็คือเวกเตอร์การโจมตีอื่น ๆ คือการโจมตีระดับแอปพลิเคชันซึ่งกล้องเสมือนจริงฉีดวิดีโอลงในแอปพลิเคชันโดยตรงแทนที่จะนำเสนอไปยังกล้องถ่ายรูป

แม้ว่าเทคโนโลยีการตอบสนองการท้าทายสามารถช่วยในการฉีดยาดิ่งที่บันทึกไว้ล่วงหน้า Freiberg กล่าวว่าการใช้งานจริงที่มีการจัดการอย่างหนักยังคงตรวจจับได้ยาก โชคดีที่พวกเขายังยากที่จะดึงออก

การตรวจจับกระพริบ, นิติวิทยาศาสตร์และการตรวจจับการบดเคี้ยวสามารถใช้เพื่อระบุ deepfakes และอัลกอริทึม AI สามารถวิเคราะห์สิ่งประดิษฐ์เพื่อเปิดเผยการจัดการแบบดิจิทัล

“ หากเครื่องทำอะไรบางอย่างเครื่องก็จะสามารถตรวจจับร่องรอยได้” Freiberg อธิบาย “ นั่นเป็นข่าวดี”

Bioid เป็นส่วนหนึ่งของกลุ่มนักวิจัยชาวเยอรมันจากอุตสาหกรรมสถาบันการศึกษาและวิธีการพัฒนาของรัฐบาลในการตรวจจับ Deepfakes

อย่างไรก็ตามการโจมตีกล้องเสมือนจริงจะต้องได้รับการแก้ไขแยกต่างหากและนำเสนอภัยคุกคามที่ถูกต้องตามกฎหมายต่อระบบตรวจสอบตัวตนไบโอเมตริกซ์ การป้องกันไม่ให้พวกเขาสามารถทำได้ผ่านแอพดั้งเดิมการขึ้นบัญชีดำของไดรเวอร์ของกล้องเสมือนจริงเทคนิคการตอบสนองที่ท้าทายและการจับภาพแบบสุ่ม

รวมแอพดั้งเดิมเข้ากับซอฟต์แวร์ PAD ระดับสูง Freiberg กล่าวเพื่อให้ระบบได้รับการปกป้องที่ดีที่สุดในปัจจุบัน

โพสต์นี้ได้รับการปรับปรุงเวลา 11:15 น. ตะวันออกของวันที่ 28 กุมภาพันธ์ 2565 เพื่อชี้แจงว่าความเสี่ยงของการโจมตีการฉีดนั้นแตกต่างจาก Deepfakes