By Kenna Hughes-Castleberry δημοσιεύτηκε 02 Δεκεμβρίου 2022
Χάρη στην πρόοδο της τεχνολογίας, γίνεται όλο και πιο δύσκολο να ξεχωρίσουμε τι είναι πραγματικό και τι όχι. Αυτό το πρόβλημα επιδεινώνεται με τη χρήση της τεχνολογίας deepfake—ήχου και βίντεο που χρησιμοποιούν τεχνητή νοημοσύνη για να αντικαταστήσουν άτομα ή τις φωνές τους. Ενώ πολλά deepfakes έχουν χρησιμοποιηθεί με επιτυχία για ψυχαγωγία (όπως αν Νίκολας Κέιτζ ήταν στο Κυνηγοί της Χαμένης Κιβωτού) ή gaming (όπως σε Αθλητές της FIFA), ένα μεγάλο ποσοστό από αυτά έχει δημιουργηθεί για περισσότερα απαίσιους λόγους. Καθώς γίνεται ευκολότερο να δημιουργηθούν αυτά τα επεξεργασμένα βίντεο, πολλοί ειδικοί ελπίζουν ότι ο κβαντικός υπολογιστής μπορεί να βοηθήσει να ξεπεραστούν οι πιθανές απειλές αυτής της ανερχόμενης τεχνολογίας.
Πώς λειτουργεί η τεχνολογία Deepfake;
Για να δημιουργήσετε ένα επιτυχημένο deepfake βίντεο, χρειάζεστε μάθηση μηχανής αλγόριθμους. «Οι αλγόριθμοι βαθιάς μάθησης διδάσκονται πώς να λύνουν προβλήματα από μεγάλα σύνολα δεδομένων και στη συνέχεια χρησιμοποιούνται για την εναλλαγή προσώπων σε βίντεο και άλλο ψηφιακό περιεχόμενο», εξήγησε. Μετα-κβαντικό Διευθύνων Σύμβουλος Άντερσεν Τσενγκ. Η Post-Quantum είναι μια κορυφαία εταιρεία κυβερνοασφάλειας της οποίας η εστίαση είναι ανθεκτικό στα κβαντικά ασφάλεια, συμπεριλαμβανομένης της κατά των deepfakes. «Υπάρχει ένας αριθμός μεθόδων για τη δημιουργία αυτών των deepfakes», δήλωσε ο Cheng, «αλλά η πιο δημοφιλής είναι η χρήση βαθιών νευρωνικών δικτύων που περιλαμβάνουν αυτοκωδικοποιητές. Ενα αυτόματος κωδικοποιητής είναι ένα πρόγραμμα τεχνητής νοημοσύνης βαθιάς μάθησης που μελετά βίντεο κλιπ για να κατανοήσει πώς μοιάζει ένα άτομο από πολλές οπτικές γωνίες και το περιβάλλον που το περιβάλλει, και στη συνέχεια χαρτογραφεί αυτό το άτομο στο άτομο βρίσκοντας κοινά χαρακτηριστικά».
Δημιουργήθηκε μια τεχνολογία deepfake (PC Wikimedia Commons)
Για να διασφαλιστεί η επιτυχής λειτουργία του αυτόματου κωδικοποιητή, πρέπει να αναλυθούν πολλαπλά βίντεο κλιπ του προσώπου του θέματος για να δώσουν μια μεγαλύτερη δεξαμενή δεδομένων. Στη συνέχεια, ο αυτόματος κωδικοποιητής μπορεί να βοηθήσει στη δημιουργία ενός σύνθετου βίντεο, ανταλλάσσοντας το αρχικό άτομο με το νέο θέμα. Ένας δεύτερος τύπος μηχανικής μάθησης που ονομάζεται General Adversarial Network (GANs) θα εντοπίσει και θα βελτιώσει ελαττώματα στο νέο σύνθετο βίντεο. Σύμφωνα με α Άρθρο 2022: «Τα GAN εκπαιδεύουν μια «γεννήτρια» για τη δημιουργία νέων εικόνων από την λανθάνουσα αναπαράσταση της εικόνας πηγής και έναν «διακρίτη» για την αξιολόγηση του ρεαλισμού των παραγόμενων υλικών». Αυτή η διαδικασία συμβαίνει αρκετές φορές έως ότου ο χρήστης που διακρίνει δεν μπορεί να καταλάβει εάν το βίντεο έχει τελειώσει και το deepfake έχει ολοκληρωθεί.
Η απειλή της τεχνολογίας Deepfake
Επί του παρόντος, υπάρχουν πολλά λογισμικά ανοιχτού κώδικα ή δωρεάν εφαρμογές που μπορούν να χρησιμοποιήσουν τα άτομα για να δημιουργήσουν deepfakes. Αν και αυτό μπορεί να φαίνεται ωφέλιμο για πολλούς, ειδικά εκείνους στη βιομηχανία της ψυχαγωγίας, έχει οδηγήσει σε ορισμένα σοβαρά, ακόμη και εγκληματικά, προβλήματα. Σύμφωνα με α Αναφορά Deeptrace, το 96% των deepfake βίντεο στο διαδίκτυο το 2019 ήταν, δεν αποτελεί έκπληξη, πορνογραφία. Ενώ πολλά από αυτά τα παράνομα βίντεο έγιναν για εκδίκηση σε έναν πρώην, άλλα χρησιμοποιήθηκαν για να δημιουργήσουν σκάνδαλα για γυναίκες διασημότητες, ακόμη και πολιτικούς. Το 2018 κυκλοφόρησε ένα deepfake βίντεο από τον α Βελγικό πολιτικό κόμμα που δείχνει τον τότε πρόεδρο Τραμπ να συζητά τις Συμφωνίες του Παρισιού για το κλίμα. Καθώς οι ψεύτικες ειδήσεις έχουν ήδη γίνει θέμα για το ευρύ κοινό, τα βαθιά ψεύτικα βίντεο θα μπορούσαν να είναι το άχυρο που σπάει την πλάτη της καμήλας. Ακόμη και βαθιά ήχο προκαλεί τον όλεθρο, καθώς ένα παραμορφωμένο αρχείο ήχου από το Διευθύνων Σύμβουλος μιας εταιρείας τεχνολογίας βοήθησε στη διάπραξη πράξης απάτης. Για τον Τσενγκ, αυτοί οι τύποι μέσων μπορούν να καταστρέψουν την εμπιστοσύνη του κοινού μάλλον γρήγορα. «Έχουμε το ευρύτερο ζήτημα της κοινωνικής εμπιστοσύνης - πώς θα μπορέσει το κοινό να διακρίνει μεταξύ τι είναι αληθινό και τι είναι ψεύτικο», πρόσθεσε ο Τσενγκ. «Όπως είδαμε, υπάρχουν ακόμη και στοιχεία ότι τα deepfakes χρησιμοποιούνται για να παρακάμψουν προστατευτικά μέτρα όπως ο βιομετρικός έλεγχος ταυτότητας». Με αυτές τις αυξανόμενες ανησυχίες, ο Cheng και η ομάδα του στο Post-Quantum πιστεύουν ότι έχουν μια λύση με τη μορφή Νομίδιο, ένα εξειδικευμένο λογισμικό υπερασφάλειας.
Προετοιμασία για απειλές τεχνολογίας DeepFake
Εξετάζοντας τις πολλαπλές απειλές που δημιουργούνται από τους κβαντικούς υπολογιστές και τα deepfakes, ο Cheng και αυτή η ομάδα δημιούργησαν το Nomidio για να διασφαλίσουν ότι οι ταυτότητες σύνδεσης και ακόμη και ο βιομετρικός έλεγχος ταυτότητας παραμένουν ασφαλείς. "Το Nomidio είναι μια βιομετρική, χωρίς κωδικό πρόσβασης πολυπαραγοντική βιομετρική υπηρεσία (MFB) που επιτρέπει τον ασφαλή έλεγχο ταυτότητας με μια απλή και διαισθητική εμπειρία χρήστη", δήλωσε ο Cheng. "Αντικαθιστά τη σύνδεση με βάση το όνομα χρήστη/κωδικό πρόσβασης και την απλή σύνδεση, με τους χρήστες να ελέγχονται βάσει του βιομετρικού τους προφίλ με έλεγχο ταυτότητας πολλαπλών παραγόντων (MFA) στα παρασκήνια." Καθώς ο Cheng ήταν ειδικός στην ασφάλεια στον κυβερνοχώρο για πολλά χρόνια, φρόντισε το Nomidio να είναι επίσης ασφαλές έναντι των deepfakes. «Η βασική μας φιλοσοφία κατά τη δημιουργία του ήταν να χρησιμοποιήσουμε όσο το δυνατόν περισσότερες πρόσθετες πληροφορίες και αληθινό έλεγχο ταυτότητας πολλαπλών παραγόντων (δηλαδή με περισσότερους από δύο παράγοντες), επομένως είναι στην πραγματικότητα η ιδανική λύση για την αντιμετώπιση οποιασδήποτε μελλοντικής εξέλιξης στην τεχνολογία deepfake. Αυτό οφείλεται τελικά στο γεγονός ότι η παραδοσιακή MFA είναι ανεπαρκής, αλλά η MFB μπορεί να κάνει τις επιθέσεις σε πραγματικό χρόνο σχεδόν αδύνατες. Δηλαδή, ένας συνδυασμός, για παράδειγμα, φωνής, προσώπου και κωδικού PIN είναι εξαιρετικά ασφαλής λόγω του γεγονότος ότι οποιοσδήποτε παράγοντας μπορεί να είναι πλαστός, αλλά η παραποίηση και των τριών στην ίδια περίπτωση είναι σχεδόν αδύνατο. Με το Nomidio, ένας συνδυασμός βιομετρικών στοιχείων φωνής και προσώπου, αναγνώριση ομιλίας, δεδομένα που εξαρτώνται από το περιβάλλον, ακόμη και ανάλυση συμπεριφοράς, μπορούν να συνδυαστούν σε ένα ενιαίο σύστημα ελέγχου ταυτότητας. ”
Ενώ το ίδιο το Nomidio δεν αξιοποιεί τον κβαντικό υπολογισμό για να ξεπεράσει τις απειλές deepfake, οι κβαντικοί υπολογιστές θα μπορούσαν ενδεχομένως να λειτουργήσουν ενάντια σε αυτά τα πλαστά αρχεία πολυμέσων. Οπως και κβαντικούς υπολογιστές συχνά αξιοποιούν τους αλγόριθμους μηχανικής μάθησης για να λειτουργούν πιο γρήγορα και πιο αποτελεσματικά, μπορεί να είναι σε θέση να ανιχνεύσουν ψεύτικα βίντεο ή αρχεία ήχου με ταχύτερο ρυθμό. Ενώ η τεχνολογία εξακολουθεί να αναπτύσσεται και λίγοι εξετάζουν τα deepfakes ως πιθανή περίπτωση χρήσης κβαντικών υπολογιστών, αυτά τα μηχανήματα επόμενου επιπέδου θα μπορούσαν να χρησιμοποιηθούν στο μέλλον για να κάνουν τα μέσα μας πιο αληθινά και ακριβή.
Καθώς οι απειλές της τεχνολογίας deepfake γίνονται όλο και πιο εμφανείς, πολλές κυβερνήσεις και εταιρείες προσπαθούν ήδη να βρουν τρόπους να βοηθήσουν στην καταπολέμησή της. Το 2021, το Facebook ξεκίνησε το Πρόκληση ανίχνευσης Deepfake, με ένα έπαθλο 500,000 $ για όσους δημιουργούν νέα τεχνολογία για τον εντοπισμό deepfakes. Στις Η.Π.Α., πολιτείες όπως η Καλιφόρνια, το Τέξας και η Βιρτζίνια έχουν νόμους που απαγορεύουν τη χρήση του deepfake τόσο για την πορνογραφία όσο και για την πολιτική. ο Ευρωπαϊκό Κοινοβούλιο Επίσης, θέσπισε περισσότερους κανονισμούς σχετικά με τα deepfake, τροποποιώντας τον νόμο για τις ψηφιακές υπηρεσίες για να επιβάλει τη χρήση ετικετών σε βίντεο deepfake. Αν και αυτή η νομοθεσία δεν θα είναι αποτελεσματική μέχρι το 2024, δείχνει τη σοβαρότητα της απειλής της τεχνολογίας deepfake.
Ο Kenna Hughes-Castleberry είναι συγγραφέας προσωπικού στο Inside Quantum Technology και Επιστήμονας Επικοινωνίας στο JILA (μια συνεργασία μεταξύ του Πανεπιστημίου του Κολοράντο Boulder και του NIST). Τα συγγραφικά της beats περιλαμβάνουν τη βαθιά τεχνολογία, το μετασύμπαν και την κβαντική τεχνολογία.
