กายวิภาคของการโจมตีข้อมูลประจำตัว
AI เชิงสร้างสรรค์กำลังขับเคลื่อนการฉ้อโกงข้อมูลประจำตัวรุ่นต่อไป
เพื่อช่วยเสริมความแข็งแกร่งในการป้องกัน หลายองค์กรจึงนําการยืนยันตัวตนด้วยใบหน้าไบโอเมตริกซ์มาใช้อย่างรวดเร็วเป็นวิธีการรับรองข้อมูลประจําตัวที่มีความปลอดภัยสูงและใช้งานง่ายเพื่อเริ่มต้นใช้งานและรับรองความถูกต้องของผู้ใช้อีกครั้ง
วิกฤตอัตลักษณ์อธิบาย
ปัญญาประดิษฐ์มีศักยภาพมหาศาล แต่ก็กำลังถูกนำไปใช้เป็นอาวุธเพื่อสร้างวิกฤตอัตลักษณ์ระดับโลก สื่อสังเคราะห์ที่ซับซ้อนกำลังทำลายความไว้วางใจที่มีต่อรัฐบาล ธุรกิจ และประชาชน
ภูมิทัศน์ของภัยคุกคามทางชีวมิติได้เปลี่ยนแปลงไปอย่างสิ้นเชิง สิ่งที่ครั้งหนึ่งเคยต้องใช้ทักษะทางเทคนิคขั้นสูง ปัจจุบันสามารถทำได้ผ่านเครื่องมือ ตลาด และคู่มือที่ใช้งานง่าย การทำให้ความสามารถในการโจมตีเป็นประชาธิปไตยนี้ทำให้ขนาดและการเข้าถึงเพิ่มขึ้นอย่างรวดเร็ว อย่างไรก็ตาม ผู้ไม่ประสงค์ดีก็กำลังใช้ประโยชน์จากเทคโนโลยีที่เป็นนวัตกรรม และกำลังใช้ AI เชิงสร้างสรรค์ (generative AI) มากขึ้นเรื่อยๆ เพื่อพัฒนาวิธีการที่ซับซ้อนยิ่งขึ้นในการฉ้อโกง ฟอกเงิน หรือกระทำกิจกรรมผิดกฎหมายอื่นๆ เพื่อผลประโยชน์ทางการเงิน น่าเสียดายที่แม้ว่าโซลูชันทางชีวมิติส่วนใหญ่จะพัฒนาความสามารถในการต้านทานการโจมตีแบบนำเสนอข้อมูล (presentation attack) แต่หลายโซลูชันยังคงประสบปัญหาในการป้องกันการโจมตีแบบแทรกข้อมูลดิจิทัล (digital injection attack) ที่สร้างง่ายกว่าและปรับขนาดได้มากกว่า เช่น ดีปเฟก การสลับหน้า และ แม้แต่การระบุตัวตนแบบสังเคราะห์
เพื่อช่วยให้องค์กรต่างๆ เข้าใจโครงสร้างของการโจมตีข้อมูลประจำตัวได้ดีขึ้น iProov จึงได้แบ่งปันข้อมูลเชิงลึกที่ได้จากศูนย์ปฏิบัติการด้านความปลอดภัย (iSOC) ของเรา iSOC ใช้ระบบคอมพิวเตอร์วิชันที่ใช้การเรียนรู้ของเครื่องจักรอันทันสมัยร่วมกับวิธีการเสริมแบบหลายโหมดเพื่อตรวจจับรูปแบบการโจมตีทางชีวมาตรในภูมิศาสตร์ อุปกรณ์ และแพลตฟอร์มต่างๆ
iSOC พบว่าอาชญากรใช้การโจมตีแบบฉีดข้อมูลดิจิทัลไปสู่อีกระดับหนึ่ง:
- ผู้ก่อภัยคุกคามกำลังพัฒนาการโจมตีแบบฉีดข้อมูลดิจิทัลข้ามแพลตฟอร์ม โดยมุ่งเป้าไปที่เว็บบนมือถือ Android ดั้งเดิม และ iOS ดั้งเดิมผ่านโปรแกรมจำลอง
- การเกิดขึ้นและการเติบโตของ การสลับใบหน้าที่ซับซ้อนและตัวตนสังเคราะห์ ชี้ให้เห็นว่าอาชญากรที่มีทักษะต่ำในปัจจุบันมีวิธีในการเปิดฉากโจมตีขั้นสูงแล้ว
- ผู้ก่อภัยคุกคามกำลังเปิดตัวการโจมตีโดยอาศัยการเคลื่อนไหวพร้อมกันและในระดับขนาดใหญ่ต่อระบบหลายร้อยระบบทั่วโลก
การทำความเข้าใจและการเปิดเผยโครงสร้างของการโจมตีข้อมูลประจำตัวถือเป็นสิ่งสำคัญในการเลือกโซลูชันไบโอเมตริกส์ที่เหมาะสมที่สุดกับความต้องการขององค์กรของคุณ
อ่านต่อเพื่อเรียนรู้เพิ่มเติมเกี่ยวกับภูมิทัศน์ของภัยคุกคามไบโอเมตริกซ์ ค้นพบแนวโน้มพฤติกรรมของผู้คุกคาม และทําความเข้าใจว่าทําไมเทคโนโลยีไบโอเมตริกซ์ทั้งหมดจึงไม่ถูกสร้างขึ้นอย่างเท่าเทียมกันเมื่อเผชิญกับภัยคุกคามเหล่านี้
สถิติการวิเคราะห์โครงสร้างการโจมตีข้อมูลประจำตัว
การคาดการณ์การสูญเสียจากการฉ้อโกงการระบุตัวตนแบบสังเคราะห์ (SIF) ภายในปี 2030
ข่าวกรองด้านภัยคุกคามและข้อมูลเชิงลึกจาก Andrew Newell ประธานเจ้าหน้าที่ฝ่ายวิทยาศาสตร์
ทำความเข้าใจประเภทการโจมตีทางไบโอเมตริกซ์
การโจมตีการนำเสนอ
ผู้โจมตีใช้ภาพถ่าย หน้ากาก หรือสื่อสังเคราะห์หน้ากล้อง โซลูชันที่ได้รับการรับรองจาก PAD สามารถจับภาพได้มากมาย แต่ภาพ AI กำลังทำให้การล้อเลียนเหล่านี้น่าเชื่อถือมากขึ้น
การโจมตีแบบฉีดดิจิทัล
ภัยคุกคามที่ใหญ่กว่ามาก: การฉีดสื่อสังเคราะห์ลงในสตรีมข้อมูลโดยตรง การโจมตีเหล่านี้:
- ปรับขนาดได้อย่างไม่มีที่สิ้นสุด
- ไม่จำเป็นต้องมีตัวตนทางกายภาพ
- การโจมตีการนำเสนอที่มีจำนวนมากกว่า 10:1 ในช่วงปลายปี 2022
เทคนิคการโจมตีทั่วไป
การฉ้อโกงการระบุตัวตนแบบสังเคราะห์ (SIF)
- ผสมผสานข้อมูลจริงและปลอม
- GAN สร้างใบหน้าที่สมจริง
- สร้างความไว้วางใจในช่วงเวลาหนึ่ง ทำให้การตรวจจับทำได้ยากขึ้น
- คาดว่าจะมีค่าใช้จ่าย 23 พันล้านเหรียญสหรัฐ ภายในปี 2030
การสลับหน้า
- ซ้อนข้อมูลชีวมาตรจริงลงบนภาพของผู้โจมตี
- เปิดใช้งานการเข้าควบคุมบัญชี
- เพิ่มขึ้น 300% ในปี 2024
การแปลงรูปภาพเป็นวิดีโอ
- เปลี่ยนภาพนิ่งให้เป็นวิดีโอที่สมจริง
- ทำให้การสร้างอัตลักษณ์สังเคราะห์ง่ายขึ้น
- ข้ามการตรวจสอบความมีชีวิตขั้นพื้นฐาน
การโจมตีกล้องเสมือนจริงดั้งเดิม
- ฉีด AI หรือภาพที่บันทึกไว้ล่วงหน้าโดยตรง
- เพิ่มขึ้น 2665% ในปี 2024
- แอปกระแสหลักทำให้เครื่องมือเหล่านี้มีให้ใช้กันอย่างแพร่หลาย
อาชญากรรมในรูปแบบบริการ
- ชุด Dark Web + บทช่วยสอนสำหรับผู้ที่ไม่ใช่ผู้เชี่ยวชาญ
- พบกลุ่มภัยคุกคามใหม่มากกว่า 31 กลุ่มในปี 2024
ความล้มเหลวในการตรวจจับมนุษย์
- เท่านั้น 0.1% ของผู้คนพบตัวอย่างสังเคราะห์ทั้งหมด
- มืออาชีพที่ผ่านการฝึกอบรมมี ความแม่นยำเพียง 50%
- กำลังข้ามการตรวจสอบผู้ปฏิบัติงานที่เป็นมนุษย์
- ความมั่นใจมากเกินไปทำให้เกิดความล้มเหลวที่มีค่าใช้จ่ายสูง
คุณหา Deepfake เจอไหม? มาทดสอบการตรวจจับ Deepfake กัน!
ผลกระทบทางการเงิน
- การสูญเสียตัวตนมูลค่า 8.8 พันล้านเหรียญสหรัฐ (2023)
- การสูญเสียจากการฉ้อโกง 10.2 พันล้านเหรียญสหรัฐ (ครึ่งปีแรกของปี 2567)
- เฉลี่ย 4.24 ล้านเหรียญสหรัฐ ต่อเหตุการณ์ด้านความปลอดภัย
- สูญเสีย เงิน 25.6 ล้านเหรียญ จากการหลอกลวงโดยใช้ Deepfake เพียงครั้งเดียว (ฮ่องกง)
โซลูชันปัจจุบันของคุณพร้อมสำหรับ Deepfake หรือไม่?
ตลาดเต็มไปด้วยผู้ขายไลฟ์เนสที่อ้างว่าสามารถปกป้องดีปเฟกได้และใช้งานได้ง่าย โดยมักไม่มีหลักฐานยืนยัน ซึ่งทำให้การเลือกผู้ขายที่เหมาะสมเป็นเรื่องท้าทาย
ทำแบบประเมินความมีชีวิตของเรา 2 นาทีเพื่อเปรียบเทียบความปลอดภัยของคุณกับภัยคุกคาม AI
รับข้อมูลเชิงลึกอันมีค่าเกี่ยวกับประสิทธิภาพของผู้จำหน่ายความมีชีวิตของคุณ ครอบคลุมพื้นที่สำคัญๆ เช่น การตรวจจับการโจมตี การอัปเดตความปลอดภัย ประสบการณ์ผู้ใช้ การเข้าถึง การสนับสนุนลูกค้าและพันธมิตร และการกำกับดูแล
การรับรองมีความสําคัญ
- ระดับการประกัน eIDAS สูง
- มาตรฐาน ISO/IEC 30107-3
- SOC 2 ประเภท II
- การรับรอง ตัวตน ดิจิทัล and Attributes Trust Framework ของรัฐบาลสหราชอาณาจักร
- ซัพพลายเออร์ G-Cloud ที่ผ่านการรับรอง
- ผู้ให้บริการบรรเทาผลกระทบ SIF ของธนาคารกลางสหรัฐ
- ไอเบต้า
- ไอแรป
- ห้องปฏิบัติการทางกายภาพแห่งชาติสหราชอาณาจักร (NPL)
กายวิภาคของการโจมตีอัตลักษณ์ ห้องสมุดทรัพยากร
เยี่ยมชมไลบรารีทรัพยากรของเราสําหรับบทความกรณีศึกษารายงานข่าวประชาสัมพันธ์และอื่น ๆ