面孔无处不在，在社交媒体平台上存储并显示在数百万人中。生成的AI技术使面部生物识别技术的大规模收获和操纵，并给了我们新的威胁。
PXL愿景与生物识别技术安全和隐私组根据A邮政在LinkedIn上。一个合成ID引物从PXL Vision解释说，合成身份欺诈的肇事者使用AI来“从被盗，操纵和虚构的信息的混合物中创建全新的身份”。
制造的合成身份合并并融合了来自不同偷窃身份的真实身份细节。真实的ID号可以与假名或地址配对，并链接到与黑客身份数据对齐的深层图像。操纵是改变现有身份文档的真实身份。
正常向数字身份验证和身份验证过程转变，如，带来新的风险：“向数字身份的过渡开辟了新的攻击领域 - 正是因为AI支持的欺诈骗局可能在将来变得越来越复杂。”
PXL视觉使用近场通信（NFC）和认识并防止欺诈尝试。此外，“另一个关键组成部分是视频注射检测，它标识了被操纵或人为生成的欺骗视频。这是通过分析可能表明操纵的元数据，运动模式和数字伪影来完成的。”
IDIAP的DeepFake项目得到了瑞士创新促进局Innosuisse的支持。
Yoti Livices，注射检测防御直接和间接攻击向量
一个新白皮书从深入研究生成AI的威胁。该论文说：“生成型AI的开发速率不仅提出了一个问题，不仅要确保一个人说是谁，而且要确保需要确保用户添加的内容的内容平台是真实的。” “鉴于检测到潜在的风险和挑战Yoti的策略强调了来源的早期检测，以解决直接和间接攻击媒介。”
虽然演示攻击（PAD）是“在整个验证空间中相对成熟且了解的问题”，但有效地捍卫了，最近普及的注射攻击试图通过直接入侵硬件设备或虚拟相机来绕过LIVES检测。
Yoti说，其MyFace SICAP的最新版本（安全映像捕获）：“在拍摄图像以进行可吸收或facematch检查时，添加安全性的一种新方法”，能够检测硬件和软件攻击。
iProov的报告突出显示身份攻击的量表阿森纳
最近发布的威胁情报报告强调了“本地虚拟相机和面部换成攻击的飙升”。
“本地虚拟摄像机攻击已成为主要威胁向量，由于主流App Store渗透而部分增加了2665％。”报告。 “与2023年相比，面部掉期攻击飙升了300％，威胁性参与者使用LINEVISE TECTECH方案将重点转移到系统上。”
该公司还向提供商发出一些警告：“当供应商声称提供'完整时，询问他们测试的115,000个已知攻击组合中的哪种是至关重要的。” “我们记录了127个面部交换工具，91个虚拟摄像头和10个仿真器，每个摄像机都会产生独特的攻击矢量。”
文章主题
|||||||||||
