 |
| Photo by Christian Gertenbach on Unsplash |
นักวิจัยจาก Pennsylvania State University และ หลายมหาวิทยาลัยในซานตงและเจ้อเจียงของจีนพบว่า ส่วนต่อประสานโปรแกรมประยุกต์ (Application Programming Interface) หรือ API ส่วนใหญ่ที่ใช้คุณสมบัติการตรวจจับความมีชีวิตจากใบหน้าของเทคโนโลยีการจดจำใบหน้า ระบุ Deepfakes ไม่ได้เสมอไป และตัวที่ทำได้ก็มีประสิทธิภาพน้อยกว่าที่อ้างไว้ในการตรวจจับ Deepfakes
นักวิจัยได้สร้างและใช้เฟรมเวิร์กการโจมตีที่ขับเคลื่อนด้วย DeepFake คือ LiveBugger เพื่อประเมิน API การตรวจสอบความมีชีวิตจากใบหน้าที่ใช้ในเชิงพาณิชย์จำนวน 6 รายการ LiveBugger พยายามหลอกลวง API โดยใช้รูปภาพและวิดีโอ Deepfake จากชุดข้อมูลสองชุดที่แยกจากกัน และสามารถผ่านการตรวจจับจากวิธีการตรวจสอบที่ใช้กันมากที่สุด 4 วิธีได้อย่างง่ายดาย
นักวิจัยเสนอให้เสริมความปลอดภัยให้กับเทคโนโลยีด้วยการกำจัดการตรวจสอบที่วิเคราะห์เฉพาะภาพนิ่งของใบหน้าของผู้ใช้ และใหใช้การจับคู่การเคลื่อนไหวของริมฝีปากกับเสียงของผู้ใช้ในรูปแบบการวิเคราะห์ภาพและเสียงแบบคู่
อ่านข่าวเต็มได้ที่: Pennsylvania State University
ไม่มีความคิดเห็น:
แสดงความคิดเห็น