Jaringan Permusuhan Generatif (Generative Adversarial Network/GAN)
Generative Adversarial Network (GAN) adalah jenis arsitektur model AI generatif yang terdiri dari dua jaringan saraf - generator dan diskriminator - yang dilatih secara berlawanan satu sama lain.
Model generatif membuat konten berdasarkan data pelatihan yang tersedia untuk meniru contoh-contoh dalam data pelatihan. Sementara itu, model diskriminatif menguji hasil model generatif dengan menilai probabilitas sampel yang diuji berasal dari kumpulan data daripada model generatif. Ini adalah pelatihan yang bersifat adversarial.
Dalam istilah yang lebih sederhana, ini adalah tentang dua jaringan saraf yang bersaing, yang satu menciptakan data palsu dan yang lainnya mencoba untuk menemukan data palsu. Hal ini pada akhirnya menghasilkan konten sintetis yang sangat meyakinkan.
Model ini terus berkembang hingga konten yang dihasilkan sama seperti data pelatihan. Metode ini sangat efektif karena meningkatkan hasil keasliannya sendiri dengan terus-menerus memeriksa alat yang dirancang untuk mengakalinya. Proses pelatihan yang berlawanan ini terus berlanjut hingga generator menghasilkan output yang cukup masuk akal untuk menipu diskriminator. GAN biasanya digunakan untuk tugas-tugas sintesis gambar seperti membuat deepfake, wajah manusia fotorealistik, dan peningkatan citra fotografi.
Pelaku ancaman memanfaatkan GAN untuk tujuan jahat - misalnya, untuk membuat citra sintetis yang membuat identitas sintetis menjadi lebih masuk akal. Citra sintetis wajah yang menggambarkan orang yang tidak ada dibuat dengan menggunakan teknologi ini dan dicocokkan dengan ID palsu untuk mengelabui biometrik wajah selama proses penerimaan dan sepanjang siklus hidup pengguna.
Untuk mendeteksi media yang dibuat oleh jaringan permusuhan generatif, iProov menggunakan teknologi biometrik respons-tantangan pasif yang telah dipatenkan dengan teknologi pembelajaran mendalam dan visi komputer untuk menganalisis properti tertentu yang tidak dapat dibuat ulang oleh media yang dibuat oleh AI - karena tidak ada orang sungguhan di seberang kamera. Inilah sebabnya mengapa hika biometrik waktu nyata dimasukkan ke dalam teknologi kehidupan sangat penting bagi organisasi untuk membedakan antara media sintetis dan orang asli.
Untuk mempelajari lebih lanjut tentang bagaimana penipu memanfaatkan AI generatif seperti GAN untuk melemahkan verifikasi identitas dan meningkatkan penipuan identitas sintetis, baca laporan kami "Dicuri menjadi Sintetis" di sini.
Baca lebih lanjut: