- Pāreja no statiskas krāpšanas uz mākslīgā intelekta ģenerētām sintētiskām identitātēm prasa pāreju no vienas verifikācijas punkta uz daudzslāņu drošības orķestrāciju.
- Vienīgais veids, kā uzturēt augstu drošību, nesabojājot lietotāja pieredzi, ir apvienot pasīvo un aktīvo dzīvīguma noteikšanu ar kanāla integritātes un dziļviltojumu analīzi.
- Globālās regulējuma izmaiņas, piemēram, ES Mākslīgā intelekta likums un FinCEN brīdinājumi, padara dokumentētu mākslīgā intelekta satura marķēšanu un audita liecības par juridisku nepieciešamību finanšu uzņēmumiem.
Esam oficiāli iekāpuši jaunā, mežonīgā identitātes zādzību nodaļā. Ļaunprātīgie spēlētāji ne tikai izmanto labākas vakardienas triku versijas; viņi ievieš kas liek tādām vecmodīgām metodēm kā drukātas fotogrāfijas vai protēžu maskas izskatīties pēc primitīviem darbarīkiem. Patiesais apdraudējums šeit ir novecojušais uzskats, ka viens drošības slānis ir brīnumlīdzeklis. Patiesībā lielākā daļa sarežģītu krāpšanas mēģinājumu vienkārši iziet cauri vienai pārbaudei, kas nozīmē, ka jūsu organizācija būtībā atstāj durvis neaizslēgtas, ja jums nav spēcīgākas stratēģijas.
Tiem, kas ir finanšu tehnoloģiju un banku nozares vadītāji, debates vairs nav par to, vai dziļviltojumi ir reāls drauds — tie jau pastāv. Īstā mīkla ir noskaidrot, kas veido patiesi efektīvu daudzslāņu aizsardzību . Pētījumi liecina, ka vairāk nekā 70 % sarežģītu krāpšanas mēģinājumu ir nepieciešami vairāki atklāšanas šķēršļi, lai tos apturētu uzreiz. Ja paļaujaties tikai uz vienkāršu dzīvības pārbaudi vai vienkāršu veidnes salīdzināšanu, jūs būtībā sniedzat hakeriem ceļvedi par jūsu aklajām zonām, ko izmantot.
Dzīvības dilemma: kāpēc viens solis nav pietiekams
Aktīva dzīvīguma noteikšana — tā saucamā funkcija, kas liek jums mirkšķināt, pasmaidīt vai pagriezt galvu — sākotnēji tika izstrādāta, lai apturētu “prezentācijas uzbrukumus”, piemēram, fotoattēla turēšanu gaisā. Lai gan tā lieliski noder statiska attēla apturēšanai, mūsdienu sintētiskie mediji tagad var atdarināt mikroizteiksmes un reaģēt uz sistēmas norādījumiem reāllaikā. Problēma nav tā, ka tehnoloģija ir salūzusi, bet gan tā, ka tā meklē atsaucību, nevis faktisku autentiskumu. Turklāt lietotāju piespiešana veikt lecamauklas žestu rutīnu rada milzīgu berzi, bieži vien novedot pie tā, ka izpildes rādītājs ir pat 60%.
Šeit spēlē lomu pasīvā dzīvīgums. Uzņemot selfiju bez jebkādas vingrošanas, lietotāji paliek apmierināti, un pabeigšanas rādītāji var pārsniegt 95% . Tomēr pasīvo dzīvīgumu pašu par sevi joprojām var apmānīt augstas klases mākslīgais intelekts. Lai to pilnībā ierobežotu, ir nepieciešams to apvienojums. Sistēma, kas apvieno pasīvās pārbaudes ar dziļviltojumu injekcijas analīzi un kanāla integritāti, nodrošina, ka persona otrā pusē ir īsts cilvēks, nevis digitāli atveidota lelle.
Dziļviltojumu noteikšana un “kaķa un peles” spēle
Specializēti dziļviltojumu detektori ir iespaidīgas tehnoloģijas. Tie meklē saspiešanas artefaktus, dīvainas ādas tekstūras, nedabiskas acu kustības un sīkas kļūmes, kas rodas, kad mākslīgais intelekts mēģina mainīt seju. Daži no šiem rīkiem lepojas ar 99% precizitāti salīdzinājumā ar zināmiem mākslīgā intelekta dzinējiem. Taču te ir āķis: tie ir tikpat labi, cik labi ir dati, ar kuriem tie ir apmācīti. Tā kā ik pēc dažām nedēļām parādās jauni ģeneratīvie mākslīgā intelekta rīki , pastāv pastāvīgs risks, ka detektors cīnās vakardienas karu.
Paļaušanās tikai uz dziļviltojumu detektoru rada arī specifisku aklo zonu. Piemēram, masveida pikšķerēšanas kampaņā varētu tikt izmantoti 3,000 injekcijas uzbrukumi, kur daži ir dziļviltojumi, bet citi ir tikai gudras modifikācijas. Ja jūsu vairogs meklē tikai mākslīgā intelekta ģenerētas sejas, jūs pilnībā nepamanīsiet citus uzbrukuma vektorus . Tāpēc "punkta risinājuma" pieeja ir riskants pasākums, ko profesionālā vidē nevar atļauties.
Slāņveida aizsardzības stratēģijas ieviešana
Lai apturētu sarežģītu uzbrucēju, ir nepieciešams drošības steks, kas darbojas trīs kritiskās zonās: uztveršana, pārsūtīšana un salīdzināšana. Atklāšana uztveršanas brīdī ir vieta, kur tiek identificēti pasīvie dzīvīguma un dziļviltošanas marķieri. Ja sistēma aplūko tikai galīgo attēlu pēc tā nosūtīšanas, tā nepamana svarīgus uzvedības un laika datus, kas rodas faktiskā ierakstīšanas procesa laikā.
- Tranzīta noteikšana: Tas viss attiecas uz ceļu starp lietotāja tālruni un jūsu serveri. Tas nodrošina, ka saturs nav pārtverts vai apmainīts, izmantojot kanāla integritātes pārbaude, apturot injekcijas uzbrukumus, kas pilnībā apiet kameru.
- Salīdzināšanas noteikšana: Šis slānis pārbauda, vai identitāte atbilst zināmiem krāpšanas modeļiem. Svarīgi nav tas, vai video ir viltots, bet gan tas, vai kopējā iesniegšanas uzvedība ir aizdomīga vai atbilst zināmai krāpnieciskai veidnei.
Kad šie slāņi darbojas kopā, tie rada drošības tīklu. Krāpnieks var izveidot sintētisku video, kas maldina satura pārbaudes rezultātus, taču viņš aktivizēs dziļviltošanas marķierus vai kanāla integritātes pārbaudi . Ja viņiem izdosies noslēpt mākslīgā intelekta artefaktus, viņi joprojām var neizturēt veidņu salīdzināšanu. Atvienojot šos slāņus, jūs padarāt matemātiski maz ticamu, ka viltota identitāte izturēs katru testu.
Sintētisko identitāšu pieaugums finanšu jomā
Finanšu sektorā mēs novērojam “sintētisko identitāšu” parādīšanos. Tās nav tikai viltotas personas; tās ir Frankenšteina identitātes, kas izveidotas, apvienojot reālus zagtus datus (piemēram, īstu sociālās apdrošināšanas numuru) ar safabricētu informāciju un mākslīgā intelekta ģenerētām sejām. Tas ļauj noziedzniekiem atvērt kontus, nodrošināt aizdevumus un pārvietot naudu, pirms sistēma pat saprot, ka persona neeksistē. Daži ziņojumi liecina, ka krāpšanas incidentu skaits, izmantojot dziļviltojumus, finanšu tehnoloģiju jomā ir pieaudzis par 700% .
Vecais noteikums “redzēt nozīmē ticēt” ir oficiāli atcelts. Tā kā mākslīgais intelekts tagad var klonēt balsi ar dažām sekundēm audio vai ģenerēt hiperreālistisku video, bankas virzās uz signālu orķestrēšanu . Tā vietā, lai uzticētos sejas saskaņošanai, tās analizē ierīces integritāti, lietotāja navigācijas modeļus un sesijas kontekstu. Ja lietotāja biometrija izskatās perfekta, bet viņš izmanto ierīces emulatoru vai aizdomīgu IP adresi , sistēma to atzīmē kā risku neatkarīgi no tā, cik “īsta” izskatās seja.
Orientēšanās globālajā regulatīvajā mīnu laukā
Atbilstība vairs nav tikai ķeksīša ielikšana; tā kļūst par sarežģītu juridisku prasību. ES Mākslīgā intelekta likums (īpaši 50. pants) drīz noteiks, ka sintētiskajam saturam jābūt skaidri marķētam, un tiem, kas neievēro noteikumus, tiks piemēroti milzīgi naudas sodi. ASV FinCEN jau ir brīdinājis, ka dziļviltojumu tipoloģijas rada būtisku risku finanšu iestādēm. Tas nozīmē, ka ir nepieciešamas detalizētas audita takas un versiju kontrolēti modeļu žurnāli, lai pierādītu regulatoriem, ka jūs patiešām cīnāties pret krāpšanu.
Turklāt datu glabāšanas likumi (piemēram, Saūda Arābijā, AAE vai Indonēzijā) nozīmē, ka vienkāršs SaaS mākoņrisinājums ne vienmēr ir likumīgs. Organizācijām šajos reģionos ir nepieciešama lokāla mākoņpakalpojumu vai lokāla izvietošana, lai dati glabātos valsts robežās. Izvēloties pakalpojumu sniedzēju, kam pieder viss viņu tehnoloģiju komplekts — no OCR līdz tiešsaistes atjaunināšanai —, nevis organizējot virkni trešo pušu spraudņu, ievērojami samazinās aizkaves laiks starp jauna apdraudējuma parādīšanos un labojuma izvietošanu.
Pareizo darba rīku novērtēšana
Ne visi noteikšanas rīki ir vienādi. Meklējot risinājumu, iBeta 3. līmeņa sertifikācijai (ISO/IEC 30107-3) vajadzētu būt jūsu zelta standartam. Tā apstiprina sistēmas izturību pret viltošanu kontrolētā laboratorijā. Ja pakalpojumu sniedzējam ir tikai 2. līmeņa sertifikācija vai tās nav vispār, viņš būtībā lūdz jūs ticēt viņam uz vārda. Jums arī jāpārliecinās, ka rīks atbalsta multimodālu noteikšanu , kas nozīmē, ka tas var apstrādāt video, audio un dokumentus vienlaikus.
Dažādām uzņēmējdarbības vajadzībām ir nepieciešami dažādi rīki. Augsta riska nozarēm, piemēram, kriptovalūtu vai iGaming, ir nepieciešamas visagresīvākās, daudzslāņu biometriskās sienas . Tikmēr juridiskajām komandām vai tiesu medicīnas izmeklētājiem var būt nepieciešami padziļinātas izpētes rīki, kas ģenerē tiesai gatavus ziņojumus, nevis reāllaika pārbaudes. Galvenais ir pielāgot rīku konkrētajai uzbrukuma virsmai, kuru aizsargājat.
Lai izveidotu noturīgu identitātes sistēmu, ir jāatsakās no binārās “izturēja/neizturēja” loģikas un jāpāriet uz varbūtības riska vērtēšanu . Integrējot pasīvo dzīvīgumu, kanālu drošību un nepārtrauktu uzvedības uzraudzību, uzņēmumi var nodrošināt raitu ieviešanas procesu reāliem cilvēkiem, vienlaikus padarot gandrīz neiespējamu mākslīgā intelekta marionetēm izlauzties cauri. Galu galā, lai saglabātu soli priekšā, digitālā uzticēšanās ir jāuztver kā dinamisks un pastāvīgas pielāgošanās process, nevis kā statiska siena.
