تاثیر مخرب دیپ فیک روی هویت دیجیتالی آینده

هرچند دیپ فیک جدید نیست اما این فناوری مبتنی بر هوش مصنوعی روی هویت دیجیتالی آینده سایه تاریکی انداخته و منجر به افزایش تقلب در هویت شده است.

به گزارش کالاسودا و به نقل از venturebeat، همه گیری باعث شد تا بازیگران بد از نقاط کور در سازمان و کاربران سو استفاده کرده و تقلب و سرقت هویت را افزایش دهند.

کلاهبرداری ناشی از دیپ فیک زیاد شد و چالش بیشتری برای موسسات مالی ایجاد کرد.

دیپ فیک حتی برای انجام کلاهبرداری‌هایی با پیامدهای مالی در مقیاس بزرگ استفاده شد. در یک نمونه در سال 2020، کلاهبرداران با استفاده از صداهای دروغین، مدیر بانکی را در هنگ کنگ فریب دادند تا میلیون‌ها دلار را به حساب‌های جعلی منتقل کنند.

مدیر بانک ظاهراً از یک مشتری، تماسی دریافت کرد تا انتقال پول را تایید کند.

بازیگران بد با استفاده از نرم‌افزار هوش مصنوعی تولید شده برای تقلید صدای مشتری، بانک را 35 میلیون دلار فریب دادند. پس از انتقال، پول قابل ردیابی نبود.

از مصرف کنندگان روزمره با دانش فنی اندک گرفته تا بازیگران دولتی، می‌توانند با برنامه‌های کاربردی موبایل و نرم افزارهای رایانه‌ای محتوای جعلی تولید کنند.

علاوه بر این، تشخیص تقلب بین ویدئو یا صدای واقعی و دیپ‌فیک برای انسان و نرم‌افزارهای تشخیص تقلب به‌طور فزاینده‌ای دشوار شده است.

موسسات مالی و فین‌تک‌ها باید هنگام ورود مشتریان جدید، نسبت به تقلب شخص ثالث، هویت مصنوعی و تلاش‌های جعل هویت، هوشیار باشند. با فناوری مناسب، سازمان‌ها می‌توانند به طور دقیق دیپ فیک‌ها را شناسایی کنند.

علاوه بر اعتبارسنجی PII در فرآیند ورود، سازمان‌ها باید هویت را از طریق آزمایش‌های زنده چند بعدی عمیق تأیید کنند که با تجزیه و تحلیل کیفیت سلفی‌ها و تخمین نشانه‌های عمق برای احراز هویت چهره، زنده بودن را تخمین زنند.

در بسیاری از موارد، کلاهبرداران ممکن است با استفاده از PII مشروع همراه با عکسی که با هویت واقعی فرد مطابقت ندارد، سعی در جعل هویت افراد داشته باشند.

تأیید هویت سنتی نادرست بوده و از فرآیندهای دستی سو استفاده کرده و سطح حمله گسترده‌ را برای بازیگران بد ایجاد می‌کند. فناوری دیپ فیک به راحتی می‌تواند تصاویر مسطح و حتی تست‌های زنده بودن را در تأیید هویت دور بزند.

به عنوان نمونه در تشخیص دیپ فیک متا تنها 65 درصد شناسایی شدند.

اینجاست که تأیید هویت دیجیتالی تعریف‌شده توسط نمودار مطرح می‌شود.

منبع‌یابی مداوم داده‌های دیجیتال در طول فرآیند تأیید تصویر، به مشتریان نسبت به هویت‌هایی که با آن تجارت می‌کنند اطمینان می‌دهد و خطر تقلب را کاهش می‌دهد.

در حالی که مبارزه با هر نوع کلاهبرداری دشوار است، تیم‌های امنیتی می‌توانند با تحلیل‌های پیش‌بینی‌کننده AI/ML برای شناسایی دقیق کلاهبرداری و ایجاد اعتماد دیجیتال، فناوری دیپ‌فیک را در مسیر خود متوقف کنند.

 

عضویت
مطلع شدن از
guest
0 Comments
Inline Feedbacks
نمایش همه دیدگاه ها