Rede Adversária Generativa (GAN)
Uma Rede Adversária Generativa (GAN) é um tipo de arquitetura de modelo de IA generativa que consiste em duas redes neuronais - um gerador e um discriminador - treinadas em oposição uma à outra.
O modelo generativo cria conteúdos com base nos dados de treino disponíveis para imitar os exemplos nos dados de treino. Entretanto, um modelo discriminativo testa os resultados do modelo generativo, avaliando a probabilidade de a amostra testada ser proveniente do conjunto de dados e não do modelo generativo. Trata-se de formação contraditória.
Em termos mais simples, trata-se de duas redes neuronais em competição, uma criando dados falsos e a outra tentando detetar as falsificações. Isto acaba por resultar em conteúdos sintéticos altamente convincentes.
Os modelos continuam a melhorar até que o conteúdo gerado tenha a mesma probabilidade de vir do modelo generativo que os dados de treino. Este método é tão eficaz porque melhora o resultado da sua própria autenticidade, verificando constantemente as ferramentas concebidas para o enganar. Este processo de formação contraditória continua até o gerador produzir resultados suficientemente plausíveis para enganar o discriminador. Os GANs são normalmente utilizados para tarefas de síntese de imagens, como a criação de deepfakes, rostos humanos fotorrealistas e melhoramento de imagens fotográficas.
Os agentes de ameaças utilizam os GAN para fins maliciosos - por exemplo, para criar imagens sintéticas que tornam as identidades sintéticas mais plausíveis. As imagens sintéticas de um rosto que representa uma pessoa inexistente são geradas utilizando esta tecnologia e combinadas com identificações falsas para contornar a biometria facial durante a integração e ao longo do ciclo de vida do utilizador.
Para detetar suportes criados por redes adversárias generativas, o iProov utiliza tecnologia biométrica patenteada de desafio-resposta passiva com tecnologias de aprendizagem profunda e visão computacional para analisar determinadas propriedades que os suportes criados por IA generativa não conseguem recriar - uma vez que não existe uma pessoa real do outro lado da câmara. É por isso queter uma biometria em tempo real incorporada na tecnologia de vivacidade é fundamental para que as organizações possam distinguir entre meios sintéticos e pessoas genuínas.
Para saber mais sobre como os fraudadores estão a aproveitar a IA generativa, como os GANs, para minar a verificação de identidade e reforçar a fraude de identidade sintética, leia o nosso relatório "Stolen to Synthetic" aqui.
Ler mais: