วันที่ 7 มกราคม 2568
Deepfakesและการโจมตีแบบ injectionไม่ได้เป็นปัญหาในอนาคตอีกต่อไปที่ทีมตรวจสอบตัวตนและทีมความปลอดภัยทางไซเบอร์ต้องวางแผนรับมือ แต่ปัจจุบันพวกมันได้กลายเป็นช่องทางโจมตีหลักต่อระบบไบโอเมตริกซ์ใบหน้า และสถาบันวิจัยอิสระชั้นนำที่ศึกษาด้านนี้ได้ลงความเห็นร่วมกันในข้อสรุปที่คล้ายคลึงกันเกี่ยวกับวิธีที่องค์กรควรตอบสนองต่อปัญหานี้
เราได้รวบรวมรายงานของนักวิเคราะห์ ซึ่งเมื่ออ่านตามลำดับจะให้ภาพรวมที่ครบถ้วน: ภัยคุกคามนี้มีลักษณะอย่างไร ความเร็วในการเติบโตเป็นอย่างไร องค์กรใดกำลังได้รับผลกระทบหนักที่สุด และตลาดมองว่าใครเป็นผู้นำในด้านนี้
Gartner: ความเสี่ยงจาก Deepfake ที่เกี่ยวข้องกับข้อมูลประจำตัว – ลดความเสี่ยงในการตรวจสอบข้อมูลประจำตัวและระบบชีวมิติใบหน้า
จุดเริ่มต้น; กรอบแนวคิด นักวิเคราะห์ของ Gartner ได้แก่ Akif Khan, Nayara Sangiorgio และ James Hoover ได้เสนอข้อโต้แย้งที่เปลี่ยนกรอบการประเมินของผู้ซื้อต่อผู้ให้บริการอย่างสิ้นเชิง: หยุดการเปรียบเทียบโซลูชันบนพื้นฐานของคำกล่าวอ้างว่า “สามารถตรวจจับ deepfake ได้” การวิจัยนี้ชี้ว่านี่เป็นวิธีการที่อิงตามความน่าจะเป็นและไม่มีการกำหนดมาตรฐาน ซึ่งไม่มีวิธีที่น่าเชื่อถือในการตรวจสอบคำกล่าวอ้างของผู้ให้บริการหรือเปรียบเทียบผู้ให้บริการกันเอง
แทนนั้น รายงานนี้ชี้ว่า ระบบป้องกันที่แท้จริงต้องมีสองชั้นที่จำเป็น:
- การตรวจจับการโจมตีแบบนำเสนอ (Presentation attack detection) ที่ได้รับการทดสอบตามมาตรฐานISO/IEC 30107-3ที่ได้รับการยอมรับแล้ว สำหรับวัตถุที่แสดงให้กล้องเห็นโดยตรง เช่น หน้ากาก รูปภาพที่พิมพ์ หรือการฉายซ้ำจากหน้าจอ
- การตรวจจับการโจมตีแบบฉีดข้อมูล (Injection attack) ที่ได้รับการทดสอบตามมาตรฐาน CEN/TS 18099 เวอร์ชันใหม่ สำหรับการโจมตีที่หลีกเลี่ยงกล้องโดยสิ้นเชิง และส่งข้อมูลสื่อที่สร้างขึ้นเองเข้าสู่กระแสข้อมูลโดยตรง
รายงานนี้ยังชี้ให้เห็นความแตกต่างที่มักถูกมองข้ามในกลยุทธ์การตลาดของผู้จำหน่าย: การตรวจจับความมีชีวิต (liveness detection) ไม่ใช่หมวดหมู่ที่แยกต่างหากจากการตรวจจับการโจมตีแบบการนำเสนอ (presentation attack detection) แต่เป็นหนึ่งในเทคนิคที่การทดสอบ PAD ครอบคลุม ดูว่าการตรวจจับความมีชีวิตนั้นถูกบูรณาการเข้ากับระบบป้องกันโดยรวมอย่างไร หรือทดสอบระบบตรวจจับความมีชีวิตที่คุณใช้อยู่ในปัจจุบันได้ที่นี่
สัญญาณตามบริบท เช่น ข้อมูลอัจฉริยะเกี่ยวกับอุปกรณ์และตำแหน่ง ก็ได้รับการเน้นย้ำเช่นกัน เนื่องจากไม่มีระบบป้องกันใดที่สามารถป้องกันการโจมตีได้ทุกครั้ง ดูข้อมูลเพิ่มเติมเกี่ยวกับระบบป้องกันหลายชั้นและสัญญาณตามบริบทได้ที่นี่
ภาระจึงตกอยู่ที่ระบบตรวจจับการโจมตีแบบ presentation และ injection ที่ผ่านการทดสอบอย่างอิสระ เพื่อปิดช่องว่างดังกล่าวรายงานฉบับต่อไปของเราจะระบุตัวเลขที่ชัดเจนว่าช่องว่างนั้นกำลังขยายตัวเร็วเพียงใด
Goode Intelligence และ Biometric Update: รายงานตลาดและคู่มือผู้ซื้อเกี่ยวกับการตรวจจับการโจมตีแบบฉีด (Injection Attack) ปี 2026
รายงานนี้นำข้อมูลเชิงตัวเลขมาสนับสนุนกรอบแนวคิดข้างต้น Goode Intelligence คาดการณ์ว่าจำนวนการพยายามโจมตีแบบ injection จะเพิ่มขึ้นจาก 122 ล้านครั้งในปี 2026 เป็นมากกว่า 301 ล้านครั้งภายในปี 2028 ซึ่งจะส่งผลให้จำนวนการตรวจสอบการตรวจจับการโจมตีแบบ injection เพิ่มขึ้นเป็นมากกว่า 4 พันล้านครั้งต่อปีภายในสิ้นช่วงเวลาดังกล่าว
นอกจากนี้ ยังมีการแบ่งแยกที่ควรเข้าใจให้ลึกซึ้ง: การตรวจจับการโจมตีแบบฉีดข้อมูล (injection attack detection), การตรวจจับการโจมตีแบบแสดงผล (presentation attack detection), และการตรวจจับ deepfake นั้นมีความเกี่ยวข้องกัน แต่ไม่สามารถใช้แทนกันได้ การตรวจจับการโจมตีแบบแสดงผลจะตรวจสอบสิ่งที่ถูกแสดงต่อเซ็นเซอร์ ส่วนการตรวจจับ deepfake จะวิเคราะห์สื่อเองเพื่อหาสัญญาณของการถูกปรับเปลี่ยน ส่วนการตรวจจับการโจมตีแบบฉีดข้อมูลจะปกป้องความสมบูรณ์ของระบบการส่งข้อมูลระหว่างกล้องและระบบประมวลผล ซึ่งเป็นจุดที่ผู้โจมตีที่ใช้กล้องเสมือน หรือโปรแกรมจำลอง (emulator)ดำเนินการจริง
รายงานนี้ยกย่อง iProov เป็นผู้บุกเบิกในการรับมือกับภัยคุกคามเฉพาะนี้ โดยชี้ให้เห็นถึงคำเตือนเกี่ยวกับการโจมตีแบบ injection ที่เริ่มมีมาตั้งแต่ปี 2020 ซึ่งก่อนที่อุตสาหกรรมโดยรวมจะจัดให้มันเป็นประเภทที่แยกต่างหาก รายงานยังอ้างถึงการรับรอง FIDO Face Verificationของ iProov เมื่อเดือนพฤษภาคม 2024 และการประเมินตามมาตรฐาน CEN/TS 18099 ระดับ 4 (สูง) ที่ดำเนินการโดย Ingenium เมื่อเดือนพฤศจิกายน 2025 ซึ่งสอดคล้องกับการเพิ่มขึ้นอย่างรวดเร็วที่รายงานนี้คาดการณ์ไว้ สำหรับข้อมูลเพิ่มเติมเกี่ยวกับสิ่งที่มาตรฐานดังกล่าวทดสอบจริง ๆโปรดดูการวิเคราะห์ของเราเกี่ยวกับ CEN/TS 18099
อ่านรายงานของ Good Intelligence ฉบับเต็ม (PDF)
Gartner: การตรวจสอบตัวตนของพนักงานต้องการความสามารถที่เฉพาะตัว
การตรวจสอบตัวตนนั้นในอดีตเป็นเครื่องมือที่มุ่งเน้นลูกค้าและขับเคลื่อนด้วยหลักการ KYC รายงานนี้ ซึ่งเขียนโดย Khan, Sangiorgio และ Hoover เช่นกัน ได้อธิบายเหตุผลว่าทำไมสถานการณ์นี้จึงกำลังเปลี่ยนแปลงอย่างรวดเร็ว:การโจมตีศูนย์บริการ IT โดยกลุ่มเช่น Scattered Spider ซึ่งมีความเกี่ยวข้องกับการรั่วไหลข้อมูลในองค์กรต่าง ๆ เช่น MGM และ Marks & Spencer รวมถึงรูปแบบที่ได้รับการบันทึกไว้อย่างชัดเจนว่าองค์กรต่าง ๆ จ้างพนักงาน IT จากประเทศที่ถูกคว่ำบาตรโดยไม่รู้ตัว ผ่านการใช้เทคโนโลยี deepfake ในการสัมภาษณ์ทางไกล
ข้อโต้แย้งหลักของรายงานนี้สำหรับผู้ซื้อคือ การตรวจสอบตัวตนของพนักงานไม่ใช่กระบวนการจัดซื้อจัดจ้างแบบเดียวกับการตรวจสอบตัวตนของลูกค้า ระบบป้องกันหลัก (การตรวจจับการโจมตีแบบ presentation และ injection) ยังคงใช้ได้อยู่ แต่กรณีการใช้งานของพนักงานเพิ่มข้อกำหนดที่ผู้ขายส่วนใหญ่ที่เน้นลูกค้ายังไม่ได้รับการออกแบบมาเพื่อรองรับ ได้แก่ การบูรณาการกับระบบ HR แพลตฟอร์มศูนย์บริการ IT และเครื่องมือจัดการการเข้าถึง รวมถึงการจับคู่ข้อมูลอัตโนมัติกับบันทึกของพนักงาน แทนการค้นหาด้วยมือ เราได้เขียนเกี่ยวกับกรณี KnowBe4 อย่างเฉพาะเจาะจงในบทวิเคราะห์ของเราและนี่คือสถานการณ์ที่รายงานนี้ถูกสร้างขึ้นเพื่ออธิบายอย่างชัดเจน ดูWorkforce Solution Suiteของเราเพื่อเข้าใจว่าสิ่งนี้ถูกนำไปใช้ในระบบจริงอย่างไร
ดาวน์โหลดรายงานฉบับเต็มจาก Gartner
Acuity Market Intelligence: รายงาน Prism เกี่ยวกับ Deepfake ของอัตลักษณ์ดิจิทัลชีวมิติและอัตลักษณ์สังเคราะห์
นี่คือการตรวจสอบความถูกต้องอย่างอิสระที่เชื่อมโยงทั้งสามส่วนอื่นเข้าด้วยกัน โครงการ Prism ของ Acuity ประเมินตลาดอัตลักษณ์ดิจิทัลแบบชีวมิติใน 9 หมวดหมู่ โดยใช้เกณฑ์ 6 ข้อที่มีน้ำหนักต่างกัน และรายงานฉบับนี้ ซึ่งเป็นฉบับที่ 6 เป็นรายงานฉบับแรกที่มุ่งเน้นเฉพาะเรื่องภัยคุกคามจาก deepfake และอัตลักษณ์สังเคราะห์ แทนที่จะมุ่งเน้นไปที่อุตสาหกรรมเฉพาะด้านใดด้านหนึ่ง
รายงานนี้นำเสนอระบบการจัดประเภทที่มีประโยชน์สำหรับผู้ที่พยายามทำความเข้าใจเกี่ยวกับการฉ้อโกงด้วยอัตลักษณ์สังเคราะห์: อัตลักษณ์สังเคราะห์แบบเต็มรูปแบบที่สร้างขึ้นจากองค์ประกอบปลอมทั้งหมด อัตลักษณ์สังเคราะห์แบบบางส่วนที่ผสมผสานองค์ประกอบจริงหนึ่งอย่างกับองค์ประกอบปลอมหนึ่งอย่าง และอัตลักษณ์สังเคราะห์แบบผสมที่ผสมผสานทั้งสององค์ประกอบในสัดส่วนที่แตกต่างกัน Acuity ระบุ iProov เป็นหนึ่งในสององค์กรเท่านั้นในรายงานทั้งหมดที่ได้รับสถานะ “Trailblazer” โดยอ้างถึงการให้ความสำคัญตั้งแต่เนิ่นๆ และอย่างต่อเนื่องต่อภัยคุกคามจาก deepfake และให้คะแนนเต็ม 6 จาก 6 ในด้านความเป็นผู้นำด้าน deepfake และอัตลักษณ์สังเคราะห์โดยเฉพาะ
อ่านเพิ่มเติมเกี่ยวกับความหมายของคำเรียก “Trailblazer”และดูสรุปผลการวิจัยจากรายงานเอง
ทำไมจึงรวมรายงานของนักวิเคราะห์เหล่านี้ไว้ด้วยกัน?
เมื่อพิจารณาแต่ละรายงานแยกกัน แต่ละรายงานจะตอบคำถามที่แตกต่างกัน: วิธีป้องกันการโจมตีระบบไบโอเมตริกซ์ใบหน้า ความเร็วที่ภัยคุกคามกำลังขยายตัว ทำไมการตรวจสอบตัวตนของพนักงานจึงต้องการเครื่องมือที่แตกต่างกัน และตลาดมองว่าใครเป็นผู้นำด้านนวัตกรรม เมื่ออ่านรวมกัน รายงานเหล่านี้ชี้ให้เห็นว่านี่ไม่ใช่ปัญหาทางเทคนิคเฉพาะกลุ่ม แต่เป็นภัยคุกคามที่ครอบคลุมกระบวนการรับลูกค้าใหม่ การจ้างพนักงานและการกู้คืนบัญชีและองค์กรที่ถือว่าการตรวจจับการโจมตีแบบ presentation attack และการตรวจจับการโจมตีแบบ injection attack เป็นสองข้อกำหนดที่แยกกันและไม่สามารถต่อรองได้ คือองค์กรที่เตรียมพร้อมที่สุดสำหรับสิ่งที่กำลังจะเกิดขึ้น
ทั้งสี่กลุ่มนี้ไม่มีกลุ่มใดที่ถือว่าภัยคุกคามเหล่านี้ได้รับการแก้ไขแล้ว พวกเขายังคงเคลื่อนไหวต่อไป และเราจะยังคงอัปเดตหน้านี้อย่างต่อเนื่อง เนื่องจากมาตรฐาน การคาดการณ์ และรูปแบบการโจมตีที่ควรติดตามยังคงเปลี่ยนแปลงอยู่เสมอ
หากต้องการศึกษาอย่างละเอียดว่าการโจมตีเหล่านี้กำลังเกิดขึ้นอย่างไรในขณะนี้ โปรดดูรายงานข้อมูลข่าวกรองภัยคุกคามปี 2026 ของ iProov
