Périphériques technologiques
IA
Générateur d'images IA : une menace émergente pour la cybersécurité
Générateur d'images IA : une menace émergente pour la cybersécurité
L'intelligence artificielle (IA) a le potentiel de changer la nature de la société. Même si les outils d’intelligence artificielle suscitent beaucoup d’attentes, nous devons également être vigilants sur de nombreux aspects. Par exemple, les cybercriminels et autres acteurs malveillants utilisent l’intelligence artificielle comme arme, et même les générateurs d’images d’IA ne sont pas à l’abri des abus.
Qu'est-ce que le générateur d'images IA ? Comment fonctionnent-ils ? Si vous avez déjà utilisé un générateur d’images IA, leur fonctionnement est assez clair. Même si vous n’en avez jamais utilisé, vous avez probablement rencontré des images générées par l’IA sur les réseaux sociaux et ailleurs. Les logiciels populaires d'aujourd'hui fonctionnent très simplement : l'utilisateur saisit du texte et l'intelligence artificielle génère une image basée sur ce texte.
Ces dernières années, avec le développement de la technologie de l'intelligence artificielle, la plupart des générateurs de texte en image adoptent des modèles de diffusion, ce qui signifie qu'ils sont « entraînés » sur une grande quantité de texte et d'images pendant une longue période, ce qui est pourquoi ils La principale raison pour laquelle le travail est si impressionnant et incroyablement réaliste.
Ce qui rend ces outils d'IA encore plus impressionnants, c'est qu'ils modifient non seulement des images existantes ou fusionnent des milliers d'images en une seule, mais créent également de nouvelles images originales à partir de zéro. Plus les gens utilisent ces générateurs de texte en image, plus ils obtiennent d’informations et meilleures sont leurs créations.
Il existe déjà de nombreux générateurs d'images IA célèbres : WOMBO, DALL-E, Stable Diffusion, Midjourney, DeepAI, Fotor et Craiyon. Les géants de la technologie – dont Google – publient les leurs, nous ne pouvons donc que spéculer sur une plus grande valeur à venir dans le futur.
4 façons dont les acteurs menaçants utilisent les générateurs d'images d'IA comme des armes
Comme presque toutes les technologies, les générateurs d'images d'IA peuvent être exploités par des acteurs malveillants. En fait, ils ont été utilisés à toutes sortes de fins néfastes. Mais quels types d’escroqueries les criminels peuvent-ils commettre exactement avec l’aide des générateurs d’images IA ?
1. Ingénierie sociale
Une chose évidente que les acteurs malveillants peuvent faire avec les générateurs d'images IA est de s'engager dans l'ingénierie sociale, par exemple en créant de faux profils sur les réseaux sociaux. Certains de ces programmes peuvent créer des images incroyablement réalistes qui ressemblent à de vraies photos de vraies personnes, et les escrocs peuvent utiliser ces faux profils de réseaux sociaux à des fins de phishing.
Contrairement aux photos de personnes réelles, les photos générées par l'IA ne peuvent pas être découvertes par des recherches d'images inversées. Les cybercriminels n'ont pas besoin d'utiliser un nombre limité de photos pour tromper leurs cibles : grâce à l'IA, ils peuvent générer n'importe quel nombre de photos pour créer une image. commande à partir de zéro. Une identité en ligne convaincante.
Cependant, dans la vraie vie, les auteurs de menaces peuvent utiliser des générateurs d’images IA pour tromper les gens. En avril 2022, Ben Dickinson, blogueur de Tech Talk, a reçu un e-mail d'un cabinet d'avocats affirmant qu'il avait utilisé une image sans autorisation. Les avocats ont envoyé par courrier électronique un avis de violation du droit d'auteur DMCA, indiquant à Dickinson qu'il devait établir un lien vers leur client ou supprimer l'image.
Dickinson a effectué une recherche sur le cabinet d'avocats sur Google et a trouvé le site officiel. Tout cela semble tout à fait légal ; le site Web contient même des photos de 18 avocats, y compris leurs biographies et leurs références. Mais rien de tout cela n’est vrai. Les photos ont toutes été générées par l’intelligence artificielle et l’avis de violation présumée du droit d’auteur a été envoyé par quelqu’un dans l’espoir d’extorquer des backlinks à des blogueurs sans méfiance.
2. Escroqueries caritatives
Lorsque des tremblements de terre dévastateurs ont frappé la Turquie et la Syrie en février 2023, des millions de personnes dans le monde ont fait preuve de solidarité avec les victimes en faisant don de vêtements, de nourriture et d'argent.
Selon un rapport de la BBC, des escrocs en profitent en utilisant l'intelligence artificielle pour créer des images réalistes et solliciter des dons. Un escroc a montré des images de ruines générées par l’IA sur TikTok Live, demandant des dons à ses téléspectateurs. Un autre a publié une image générée par l’IA d’un pompier grec sauvant un enfant blessé des décombres et a demandé à ses partisans de faire un don.
On ne peut qu'imaginer quels types d'escroqueries caritatives les criminels lanceront à l'aide de l'intelligence artificielle à l'avenir, mais une chose est sûre, ils ne feront que mieux abuser du logiciel.
3. Deepfakes et désinformation
Les gouvernements, les groupes d'activistes et les groupes de réflexion mettent depuis longtemps en garde contre les dangers des générateurs d'images deepfake IA, et c'est parce que rien n'empêche les agents de désinformation de créer des mensonges à l'aide de l'image des robots et de les promouvoir sur Internet. réseaux sociaux.
En mars 2022, une fausse vidéo montrant le président ukrainien disant aux Ukrainiens de se rendre a circulé en ligne, selon NPR. Bien qu’il ne s’agisse que d’un exemple, les possibilités sont presque infinies et il existe d’innombrables façons pour les acteurs malveillants de nuire à la réputation d’une personne, de promouvoir de faux récits ou de diffuser de fausses nouvelles avec l’aide de l’intelligence artificielle.
4. Fraude publicitaire
Les chercheurs de Trend Micro ont découvert en 2022 que les fraudeurs utilisent le contenu généré par l'IA pour créer des publicités trompeuses et promouvoir des produits louches. Ils créent des images suggérant que des célébrités populaires utilisent certains produits et mènent des campagnes publicitaires basées sur ces images.
Par exemple, une publicité pour « Financial Advice Opportunities » présente le fondateur et PDG de Tesla. Bien sûr, Musk n’a jamais approuvé le produit en question, mais les images générées par l’IA le font ressembler à ceci, probablement pour inciter les téléspectateurs sans méfiance à cliquer sur la publicité.
Intelligence artificielle et cybersécurité : des problèmes complexes que nous devons résoudre
À l'avenir, les régulateurs gouvernementaux et les experts en cybersécurité devront peut-être travailler ensemble pour faire face à la menace émergente de la cybercriminalité basée sur l'IA. Mais comment pouvons-nous réglementer l’IA et protéger les citoyens ordinaires sans étouffer l’innovation et limiter la liberté numérique ? Cette question deviendra importante dans les années à venir.
Jusqu'à ce que vous obteniez une réponse, faites ce que vous pouvez pour vous protéger : examinez tout ce que vous voyez en ligne, évitez les sites Web douteux, utilisez des logiciels de sécurité, gardez vos appareils à jour et apprenez à utiliser l'intelligence artificielle à votre avantage. Votre avantage.
Titre original : Générateurs d'images IA : une menace émergente pour la cybersécurité
Auteur original : DAMIR MUJEZINOVIC
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Sujets chauds
1359
52
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
Préparant des marchés tels que l'IA, GlobalFoundries acquiert la technologie du nitrure de gallium de Tagore Technology et les équipes associées
Jul 15, 2024 pm 12:21 PM
Selon les informations de ce site Web du 5 juillet, GlobalFoundries a publié un communiqué de presse le 1er juillet de cette année, annonçant l'acquisition de la technologie de nitrure de gallium (GaN) et du portefeuille de propriété intellectuelle de Tagore Technology, dans l'espoir d'élargir sa part de marché dans l'automobile et Internet. des objets et des domaines d'application des centres de données d'intelligence artificielle pour explorer une efficacité plus élevée et de meilleures performances. Alors que des technologies telles que l’intelligence artificielle générative (GenerativeAI) continuent de se développer dans le monde numérique, le nitrure de gallium (GaN) est devenu une solution clé pour une gestion durable et efficace de l’énergie, notamment dans les centres de données. Ce site Web citait l'annonce officielle selon laquelle, lors de cette acquisition, l'équipe d'ingénierie de Tagore Technology rejoindrait GF pour développer davantage la technologie du nitrure de gallium. g
