วันเสาร์ที่ 19 พฤศจิกายน พ.ศ. 2565

ตัวตรวจจับ Deepfake สามารถแยกวีดีโอจริงหรือปลอมได้จากการไหลเวียนของเลือด

Fake-Text
Photo by Markus Spiske on Unsplash

ยักษ์ใหญ่ด้านเซมิคอนดักเตอร์ Intel อ้างว่าเทคโนโลยี FakeCatcher ของตัวเอง สามารถตรวจจับได้ว่าวิดีโอเป็นของแท้หรือของปลอม (deepfake) ด้วยความแม่นยำ 96% แบบเรียลไทม์ 

จากการกล่าวอ้างของบริษัท เทคโนโลยีนี้ประเมิน "สิ่งที่ทำให้เราเป็นมนุษย์นั่นคือ—'การไหลเวียนเลือด' ในพิกเซลของวิดีโอ" 

Intel อธิบายว่า FakeCatcher สามารถตรวจจับการเปลี่ยนแปลงของสีในเส้นเลือดของบุคคลโดยพิจารณาจากการไหลเวียนของเลือดทั่วร่างกาย เทคโนโลยีนี้รวบรวมสัญญาณการไหลเวียนของเลือดจากใบหน้า ซึ่งอัลกอริธึมจะวัดเพื่อระบุความถูกต้องของวิดีโอ

อ่านข่าวเต็มได้ที่: ZDNet


วันศุกร์ที่ 18 พฤศจิกายน พ.ศ. 2565

C++ เอาชนะ PHP แต่ JavaScript, Python และ Java ยังคงครองบัลลังก์

screen-show-program-code
Photo by Florian Olivo on Unsplash

รายงาน Octovere ประจำปี 2022 ของ GitHub ระบุว่า JavaScript, Python, Java, TypeScript และ C# เป็นภาษาโปรแกรมที่ใช้มากที่สุดในโปรเจ็กต์ของ GitHub ในขณะที่ PHP ถูกเขี่ยหลุดออกจากอันดับที่หกโดย C++

Hashicorp Configuration Language และ Rust เป็นภาษาที่เติบโตเร็วที่สุด โดยขยายตัว 56% และมากกว่า 50% จากปีที่แล้วตามลำดับ 

การใช้ TypeScript เพิ่มขึ้น 37.8% ในขณะที่การใช้ Lua, Go, Shell, Makefile, C, Kotlin และ Python ก็เพิ่มขึ้นอย่างมีนัยสำคัญเช่นกัน

GitHub ให้เครดิตการเติบโตของภาษา Go ที่ดูแลโดย Google ที่ใช้ในการพัฒนาระบบคลาวด์ รวมถึงโครงการต่างๆ เช่น Docker และ Kubernetes 

ปัจจุบันนักพัฒนามากกว่า 94 ล้านคนใช้ GitHub เพื่อเก็บโค้ด ชุมชนของแพลตฟอร์มขยายตัว 27% ปีต่อปีโดยมีผู้ใช้เพิ่มขึ้น 20.5 ล้านคน

อ่านข่าวเต็มได้ที่: ZDNet

วันพุธที่ 16 พฤศจิกายน พ.ศ. 2565

เกมบล็อกเชนอาจช่วยสร้างจักรวาลนฤมิตรที่ไม่มีใครเป็นเจ้าของ

metaverse
ภาพจาก MIT Technology Review

เกมออนไลน์แนวไซไฟ Dark Forest ทำงานบนบล็อกเชน ซึ่งหมายความว่าไม่มีใครสามารถเปลี่ยนแปลงแก้ไขผลลัพธ์ของมันได้ Dark Forest สร้างขึ้นโดยโปรแกรมเมอร์ที่ใช้นามแฝงว่า "Gubsheep" ซึ่งอธิบายว่าเป็น "เกมกลยุทธ์แบบผู้เล่นหลายคนจำนวนมากที่เกิดขึ้นในจักรวาลที่สร้างขึ้นอย่างเป็นขั้นตอนแบบไม่มีที่สิ้นสุด"

เกมดังกล่าวใช้การเข้ารหัสลับที่เรียกว่า zero-knowledge proof เพื่อซ่อนผู้เล่นที่เป็นปฏิปักษ์จากกันและกันขณะที่พวกเขากำลังสร้างอาณาจักร ผู้เล่นใหม่ต้องเผชิญกับจักรวาลที่ซ่อนอยู่เป็นส่วนใหญ่ ซึ่งจะเห็นได้จากการสำรวจ เมื่อผู้เล่นเคลื่อนไหว พวกเขาจะส่งหลักฐานยืนยันไปยังบล็อคเชนโดยไม่เปิดเผยพิกัด

ผู้เล่นบางคนมองว่า Dark Forest เป็นก้าวแรกสู่จักรวาลนฤมิตร (metaverse) ที่ขับเคลื่อนโดยเครือข่ายแบบกระจายอำนาจ แทนที่จะเป็นเซิร์ฟเวอร์ของบริษัท

อ่านข่าวเต็มได้ที่: MIT Technology Review

วันอังคารที่ 15 พฤศจิกายน พ.ศ. 2565

อีกหนึ่งเหตุผลที่เราควรเกลียดโฆษณาที่ไม่ต้องการ

cybersecurity
ภาพจาก Georgia Tech News Center

นักวิจัยจาก Georgia Institute of Technology (Georgia Tech) , University of Illinois Chicago และ New York University พบว่ากระบวนการที่ผู้โฆษณาบุคคลที่สามใช้เพื่อกำหนดเป้าหมายผู้ใช้ออนไลน์สามารถดูหรือจัดการได้โดยใช้ที่อยู่อีเมลของเป้าหมาย

พวกเขาพบว่าเมื่อที่อยู่อีเมลของผู้ใช้ถูกเปิดเผย ข้อมูลที่เก็บรวบรวมโดยผู้โฆษณาบุคคลที่สามเพื่อใช้กำหนดสตรีมโฆษณาที่กำหนดเป้าหมายของผู้ใช้รายใดรายหนึ่งสามารถถูกเจาะเข้าไปได้ ซึ่งทำให้ได้ข้อมูลเชิงลึกจากประวัติการเข้าชมของแต่ละบุคคล

Paul Pearce จาก Georgia Tech กล่าวว่า "งานของเราแสดงให้เห็นว่าข้อมูลที่ส่งผ่านไปยังเครือข่ายโฆษณานั้นทั้งไม่ปลอดภัย และตรวจสอบได้ยาก หากผู้โจมตีรู้ที่อยู่อีเมลของเหยื่อ พวกเขาสามารถโกหกเครือข่ายโฆษณาเพื่อแอบอ้างเป็นผู้ใช้ ซึ่งนำไปสู่ปัญหาความเป็นส่วนตัวอย่างแท้จริง”

อ่านข่าวเต็มได้ที่: Georgia Tech News Center

วันจันทร์ที่ 14 พฤศจิกายน พ.ศ. 2565

ตัวแบบ AI อาจช่วยป้องกันการรั่วไหลของข้อมูล

key
ภาพจาก  Imperial College London (U.K.)

 QuerySnout อัลกอริทึมปัญญาประดิษฐ์ (artificial intelligence)  หรือ AI ที่ออกแบบโดยนักวิจัยที่ Imperial College London (ICL) ของสหราชอาณาจักร สามารถตรวจสอบระบบปกป้องความเป็นส่วนตัวจากการละเมิดที่อาจเกิดขึ้นได้ 

QuerySnout สามารถระบุการโจมตีโดยอัตโนมัติบนระบบที่อยู่บนฐานการสืบค้น (query-based systems) หรือ QBS ที่นักวิเคราะห์ใช้เพื่อค้นหาข้อมูล และเรียกข้อมูลแบบที่มีการรวบรวม (aggregation) ตัวแบบจะเรียนรู้ว่าคำถามใดที่ควรถาม QBS เพื่อให้ได้คำตอบ จากนั้นเรียนรู้ที่จะรวมคำตอบโดยอัตโนมัติเพื่อตรวจหาข้อบกพร่องด้านความเป็นส่วนตัวที่อาจเกิดขึ้น

QuerySnout ใช้การเรียนรู้ของเครื่อง (machine learning) เพื่อสร้างการโจมตี QBS ที่รวมเอาคำตอบเพื่อแสดงข้อมูลส่วนตัวที่เฉพาะเจาะจง หลังจากการค้นหาเชิงวิวัฒนาการเพื่อค้นหาชุดการสืบค้นที่ถูกต้อง Ana-Maria Cretu ของ ICL กล่าวว่า " QuerySnout พบการโจมตีที่ทรงพลังมากกว่าที่รู้จักในระบบที่ใช้จริงในปัจจุบัน ซึ่งหมายความว่าโมเดล AI ของเรานั้นดีกว่ามนุษย์ในการค้นหาการโจมตีเหล่านี้"

อ่านข่าวเต็มได้ที่: Imperial College London (U.K.)