AI เชิงกําเนิด
Generative AI หมายถึงระบบปัญญาประดิษฐ์ที่สามารถสร้างข้อมูลใหม่ได้ เช่น รูปภาพ เสียง ข้อความ และสื่อสังเคราะห์ แทนที่จะวิเคราะห์ข้อมูลที่มีอยู่เพียงอย่างเดียว ใช้โมเดลแมชชีนเลิร์นนิง เช่น Generative Adversarial Networks (GAN) และโมเดลการแพร่กระจายที่ได้รับการฝึกฝนในชุดข้อมูลขนาดใหญ่เพื่อสร้างผลลัพธ์ใหม่ที่เลียนแบบรูปแบบในข้อมูลการฝึกอบรม
แอปพลิเคชั่น Generative AI ทั่วไป ได้แก่ การสร้าง Deepfake (เช่น การ สลับใบหน้า หรือการ โคลนเสียง) ภาพที่เหมือนจริง การสร้างเพลง/ศิลปะ และการสร้างข้อความที่เหมือนมนุษย์ ในขณะที่เปิดใช้งานความเป็นไปได้ในการสร้างสรรค์ใหม่ๆ ความสามารถของ Generative AI ในการผลิตสื่อสังเคราะห์ที่สมจริงสูงยังทําให้เกิดความเสี่ยงเกี่ยวกับการบิดเบือนข้อมูล การแอบอ้างเป็นบุคคลอื่น และการฉ้อโกงข้อมูลประจําตัวที่การตรวจจับความมีชีวิตชีวาที่แข็งแกร่งต้องป้องกัน
Generative AI ได้ปฏิวัติวงการสื่อสังเคราะห์ ทําให้สามารถสร้างการสลับใบหน้าที่สมจริงสูงและเนื้อหาอื่นๆ ที่คล้ายคลึงกัน
อะไรคือความแตกต่างระหว่าง Deepfake และ Generative AI?
ในอดีตคําว่า deepfake ถูกใช้เพื่ออ้างถึงภาพสังเคราะห์ที่สร้างขึ้นโดยใช้โครงข่ายประสาทเทียมเชิงลึก ในทางปฏิบัติ Generative AI และ Deepfake มักใช้แทนกันได้ เนื่องจากมีการทับซ้อนกันมาก แต่ Deepfake มีแนวโน้มที่จะหมายถึงวิดีโอ รูปภาพ หรือเสียงที่ใช้เพื่อจุดประสงค์ที่เป็นอันตราย
ในทางตรงกันข้าม Generative AI ครอบคลุมเอาต์พุตในสื่อใดๆ (รวมถึงข้อความ เช่น โมเดลภาษา [LLM] เช่น ChatGPT) เพื่อวัตถุประสงค์ใดก็ได้ กล่าวโดยย่อ Deepfakes เป็นส่วนย่อยของ AI เชิงกําเนิด
เราจะทําอะไรได้บ้างเพื่อต่อสู้กับการโจมตี Generative AI
ในการตรวจจับสื่อสังเคราะห์ที่สร้างขึ้นโดยใช้ Generative AI เทคโนโลยีการตรวจสอบที่ใช้ AI กับ AI เป็นสิ่งสําคัญ
เมื่อใช้กับการยืนยันใบหน้าด้วยไบโอเมตริกซ์ AI จะช่วยเพิ่มความแม่นยํา ความปลอดภัย และความเร็วของกระบวนการยืนยันตัวตน ผู้ใช้สามารถยืนยันตัวตนของตนจากระยะไกลโดยการสแกนเอกสารที่เชื่อถือได้ของแต่ละบุคคลและใบหน้าของพวกเขา โมเดลการเรียนรู้เชิงลึก เช่น Convolutional Neural Networks (CNN) ตรวจจับและจับคู่ภาพ ในขณะเดียวกัน การตรวจจับ ความมีชีวิตชีวา จะใช้คอมพิวเตอร์วิทัศน์เพื่อให้แน่ใจว่าภาพนั้นเป็นของบุคคลจริง ไม่ใช่การปลอมแปลงที่ไม่มีชีวิต เช่น Deepfake หน้ากาก หรือสื่อสังเคราะห์อื่นๆ
การยืนยันใบหน้าด้วยไบโอเมตริกซ์ยังคงเป็นหนึ่งในวิธีที่น่าเชื่อถือและสะดวกที่สุดในการยืนยันตัวตนจากระยะไกลและป้องกันการโจมตีที่สร้างโดย AI อย่างไรก็ตาม เทคโนโลยีไบโอเมตริกซ์ใบหน้าทั้งหมดไม่ได้ถูกสร้างขึ้นมาเท่ากัน ผู้ขายต้องใช้กลไกการตอบสนองความท้าทายแบบพาสซีฟที่มีประสิทธิภาพเพื่อให้แน่ใจว่าบุคคลระยะไกลเป็นบุคคลจริงและกําลังตรวจสอบแบบเรียลไทม์ ในการทําเช่นนี้ จําเป็นต้องมีเทคโนโลยีทางวิทยาศาสตร์ที่ใช้ประโยชน์จากปัญญาประดิษฐ์เพื่อตรวจจับได้อย่างมั่นใจว่าบุคคลนั้นเป็นคน 'มีชีวิต' (ไม่ใช่การปลอมแปลง AI เชิงกําเนิด) และพวกเขามีอยู่จริงและตรวจสอบแบบเรียลไทม์
กลไกการตอบสนองความท้าทายแบบพาสซีฟของ iProov คือ Flashmark – ลักษณะการสุ่มของเทคโนโลยีทําให้ไม่สามารถคาดเดาได้ เป็นวิธีเดียวที่จะลดการโจมตี AI เชิงกําเนิดและการ ฉีดดิจิทัล อย่างมีประสิทธิภาพโดยการตรวจจับการมีอยู่ของแท้ด้วยความมั่นใจสูง
อ่านเพิ่มเติม:
- ทําความเข้าใจกับการโจมตี Deepfake AI กําเนิดประเภทต่างๆ
- การติดตามผู้ฉ้อโกง: วิธีต่อสู้กับ Generative AI และการโจมตีด้วยไบโอเมตริกซ์ตามเอกสาร
- Generative AI ในภาครัฐ – และบทบาทของไบโอเมตริกซ์ใบหน้า
- Generative AI และความเสี่ยงด้านข้อมูลประจําตัว – ปกป้องระบบนิเวศดิจิทัลของคุณด้วย iProov และ Ping
- รายงานข่าวกรองภัยคุกคาม iProov 2024