از نگاه بسیاری از افراد، دیپ‌فیک‌ها تهدیدی دوردست هستند که خبرنگاران چند خطی در مورد آن می نویسند و به نظر نمی رسد که برای کسب‌وکارها در حال حاضر خطر جدی ایجاد نماید. اما واقعیت این است که این تکنولوژی در حال حاضر برخی از شرکت‌ها را با خسارت‌های مالی قابل توجهی مواجه کرده است. همچنین، با گسترش و شیوع بیشتر این تکنولوژی و کاهش هزینه‌ها، افراد کلاهبردار در آینده از ابزارهای هوش مصنوعی بیشتری برای هجوم به حساب‌ها و ایجاد حساب‌های جعلی استفاده خواهند کرد.

به گزارش سرویس بین الملل پایگاه خبری عدل البرز به نقل از  infosecurity ، بانک ها و سایر مشاغل که در خط مقدم مقابله با دیپ فیک قرار دارند، باید از هم الان برنامه ریزی کنند تا از افزایش زیان ناشی از این تقلب جلوگیری نمایند. برای انجام این کار، به آنها توصیه می شود که به غیر از بیومتریک در جستجوی ابزارهایی باشند که رفتار کاربر را در طول زمان تجزیه و تحلیل می کنند.

موج جدیدی از کلاهبرداری

دیپ فیک ها سال هاست که با ما همراه هستند. اما کلاهبرداری یادگیری عمیق که کاربران را قادر می‌سازد تا از طریق صدا و ویدیوی «جعلی» افراد دیگر را جعل هویت کنند، به طور فزاینده‌ای متقاعد کننده تر شده است. مانند هر روند همه فناوری های جدید، جامعه جنایی اولین پذیرنده این پدیده می باشد. چند سال پیش، مدیر بانک امارات متحده توسط یک دیپ‌فیک صوتی که مدیر یک شرکت مشتری را جعل کرده بود، فریب خورد. وی مبلغ ۳۵ میلیون دلار به نفع متقلبان انتقال داده بود.

آنچه که کسب‌وکارها واقعاً باید از آن ترس داشته باشند، عمومی سازی دیپ‌فیک‌ها می باشد تا جایی که حتی آنهایی که دانش فنی یا منابع محدودی در اختیار دارند، می‌توانند امنیت حساب مشتریان معمولی را دور بزنند.

در گذشته، محققان کلیدهای “اسکلتی” تولید شده توسط هوش مصنوعی را برای فریب دادن اسکنرهای اثر انگشت تولید کردند. این کلیدها می‌توانستند به جای اثر انگشت واقعی استفاده شوند.

همچنین بر اساس یافته محققان، سیستم‌های شناسایی صدا در بانک‌ها را می‌تواند توسط ابزارهای صوتی دیپ فیک (ساخته شده توسط هوش مصنوعی) که به صورت رایگان یا با هزینه کمی در اینترنت قابل دسترس هستند، فریب داد. این موضوع نشان می‌دهد که امکان تقلب و اقدامات تقلبی با استفاده از ابزارهای دیپ فیک صوتی وجود دارد.

در آینده، سیستم‌های شناسایی چهره (مانند تشخیص چهره) هم به خطر خواهند افتاد و احتمالاً توسط ابزارهای مشابه مورد اقدامات تقلبی قرار خواهند گرفت. این موضوع به تنهایی نشان می‌دهد که از نظر تکنیکی، این امکان وجود دارد که تکنولوژی‌های شناسایی افراد توسط افرادی که اقدام به تقلب می کنند، فریب داده شوند.

این مسئله می تواند موج جدیدی از کلاهبرداری را ایجاد کند. کلاهبرداران ممکن است از صدا و ویدیوی دیپ فیک برای جعل هویت مشتریان قانونی استفاده کنند تا حساب های آنها را سرقت کرده و حساب های جدیدی ایجاد کنند تا بدهی به بار آورند یا از آنها برای پولشویی استفاده کنند.

آنها همچنین می‌توانند تصاویر ساختگی و اثرات صوتی برای تقلب در حساب جدید ایجاد کنند و یا حتی جعل هویت افرادی که بتازگی فوت شده اند را برای جمع‌آوری چک‌های رفاهی و سایر منابع مالی انجام دهند.

کلاهبرداران حتی می‌توانند دیپ‌فیک‌ها را با مهندسی اجتماعی ترکیب کنند تا مشروعیت بیشتری به کلاهبرداری‌های متنی «سلام مامان» که جعل هویت عزیزان می باشد یا کلاهبرداری عاشقانه با استفاده از هویت‌های ساختگی اضافه کنند.

بهبود فرایند تجزیه و تحلیل داده ها

در اینجا دو گرایش به نفع کلاهبرداران کار می کند. اول، اینکه این فناوری به طور فزاینده ای مقرون به صرفه می باشد. و دوم، داده‌های آموزشی مورد نیاز برای ایجاد صداها و ویدیوهای جعلی از مصرف‌کنندگان معمولی، به لطف افزایش حجم کلیپ‌های ارسال شده در رسانه‌های اجتماعی، هر روز در حال افزایش می باشد. سازمان ها باید در استراتژی تقلب و ریسک شان تجدید نظر کنند.

اقدامات ساده احراز هویت صوتی و تصویری را به عنوان یک استاندارد طلایی برای تأیید هویت تلقی نکنید. هم دامنه اقداماتی که کاربران می‌توانند از طریق این کانال‌ها انجام دهند و هم اطلاعاتی که آنها فاش می‌کنند باید فوراً بررسی شوند تا فرصت بهره‌برداری از سیستم‌های راستی‌آزمایی به حداقل برسد.

اگر شناسایی و دسترسی با استفاده از اطلاعات چهره و صدا نمی‌توانند نجات‌بخش مدیریت هویت و دسترسی باشند، چه راهبردی می‌تواند تهدید دیپ فیک‌ها را کاهش دهد؟ تمام این مسئله به داده‌ها و نحوه استفاده از آن‌ها برمی‌گردد. نگاه به فراتر از شناسه‌های ثابت بیومتریک و تجزیه و تحلیل رفتار در طول زمان، یک راه حل پیشنهادی را ارائه می‌دهد. آیا الگوی مکانی کاربر با اقدامات ورود قبلی سازگار می باشد؟ آیا رفتار آنها با مسیرهای قبلی متفاوت می باشد؟ با چه محتوایی در تعامل هستند؟ آیا سعی دارند اطلاعات شخصی را در حساب تغییر دهند یا پرداختی به یک ذینفع جدید انجام دهند؟ پاسخ به این سوالات و سوالات دیگر با اطمینان می‌تواند به کشف کلاهبرداران کمک کند.

با نگاهی فراتر از یک تطابق صوتی یا تصویری بیومتریک و تجزیه و تحلیل رفتار در طول زمان و از طریق مسیرهای قبلی کاربران، کسب‌وکارها می‌توانند دیدگاهی کاملاً دقیق‌تر نسبت به مشتریان خود ایجاد کنند. و با این کار، آنها می توانند تصمیمات اعتمادی بگیرند که حتی دیپ فیک ها نیز در تأثیرگذاری بر آنها مشکل دارند.

با نگاهی فراتر از تطابق بیومتریک صوتی یا تصویری و تجزیه و تحلیل رفتار در طول زمان و از طریق سفرهای قبلی کاربران، کسب‌وکارها می‌توانند شروع به ترکیب تصویر کاملاً دقیق‌تری از مشتریان خود کنند. با تحلیل دقیق‌تر رفتار و تجربیات کاربران، کسب‌وکارها می‌توانند تصمیمات معتبر و قابل اطمینان را به نحوی اتخاذ کنند که حتی تهدید دیپ فیک‌ها هم قادر به تأثیرگذاری بر آنها نخواهد بود.

پایان پیام/