구직자가 가짜일 수도 있나요? 사기꾼은 원격 근무 신청을 위해 신원을 도용하기 위해 딥페이크를 사용합니다. FBI: 말할 때 인식 가능
제작: 빅데이터 다이제스트
저자: Caleb
온라인 작업이 점차 우리 삶에 공식적으로 들어오고 있습니다.
데이터 회사인 Emsi Burning Glass의 통계에 따르면, 2020년 초 뉴욕시에서 열린 163,000개의 일자리 중 온라인 작업이 허용된 일자리는 6,700개에 불과했으며 이는 지난 12월까지 전체 일자리 수의 4%를 차지했습니다. 올해 도시 내 일자리는 243,000개로, 채용 일자리 중 온라인 일자리 수가 25,800개로 증가해 전체 일자리 수의 10.6%를 차지했다.
하지만 사람들의 마음은 배로 분리되어 있고, 그 사이에 추가 스크린이 있다는 것은 누구도 Neso 사건이 다시 발생하지 않을 것이라고 보장할 수 없습니다.
아니요, 최근 FBI 조사에 따르면 점점 더 많은 사람들이 다른 사람의 개인 신원 정보를 도용하고 딥페이크를 사용하여 원격 근무에 지원하고 있습니다. 딥페이크 기술은 인공지능이나 머신러닝을 이용해 이미지, 영상, 오디오 등의 콘텐츠를 생성하기 때문에 실제 자료와 구별하기 어렵다.
예를 들어, 외신 보도에 따르면, 원격 근무를 하던 사기꾼은 구직 과정에서 딥페이크를 사용하여 IT 일자리에 들어가고 고객이나 금융 데이터에도 접근하려고 시도했습니다. 기업의 IT데이터, 전문정보 등으로
공교롭게도 다른 기업의 보도에 따르면 일부 구직자의 개인정보는 전적으로 타인의 소유라고 합니다.
영상, 음성 다 가짜라서 알아보기 힘드신가요?
6월 28일, FBI 사이버 범죄 신고 센터는 공개 협의를 통해 최근 구직자를 사칭하는 사람들에 대한 신고 건수가 증가했다고 밝혔습니다. 사기꾼들은 피해자로부터 훔친 딥페이크 기술과 개인 식별 정보를 사용하여 고용주가 원격 근무나 재택근무에 고용하도록 속였습니다.
이러한 직업에는 IT, 컴퓨터 프로그래밍, 데이터베이스 및 소프트웨어 관련 직종이 포함됩니다.
딥페이크에 의한 신원 위장은 진위 여부를 구별하기 어려운 경우가 많으므로 사기꾼이 회사 내에서 중요한 세부 정보를 훔치고 다른 신원 사기 계획을 실행할 수 있습니다.
연방 법 집행 기관에 따르면 조사 과정에서 온라인 인터뷰에 사용된 면접관의 목소리도 딥페이크에 의해 위조된 것으로 밝혀졌습니다.
이 방법을 사용하여 얼마나 많은 사람들이 회사에 성공적으로 합류했으며 그 중 몇 명이 신고되었는지는 확실하지 않습니다.
딥페이크 식별이 완전히 불가능한 것은 아닙니다. FBI는 고용주가 딥페이크를 탐지할 수 있는 방법이 있다고 밝혔습니다. 일상 업무에서 직원들은 업무 진행 상황 등을 보고하기 위해 때때로 고용주와 영상 채팅을 해야 합니다. 그들이 말할 때 그들의 결점이 드러납니다.
"카메라 앞에서 인터뷰하는 사람의 움직임과 입술 움직임이 음성과 완전히 동기화되지 않는 경우", "갑자기 기침, 재채기 또는 시각적으로 표현된 내용과 일치하지 않는 기타 청각적 행동 등" ", 그것은 종종 딥페이크를 꿰뚫어보는 열쇠입니다.
하지만 딥페이크를 알아내는 것은 그리 쉽지 않습니다. 특히 특별한 주의를 기울이지 않으면 더욱 그렇습니다. 카네기 멜론 대학교 연구진의 최근 보고서에 따르면 조작된 비디오를 탐지하도록 설계된 인공 지능의 정확도는 30%에서 97%에 이릅니다. 특히 인간이 특정 시각적 결함을 보도록 훈련받은 경우 가짜 비디오를 탐지할 수 있는 방법이 있습니다. 비정상적인 그림자 또는 문제가 있는 피부결로 나타납니다.
딥페이크를 얼마나 잘 사용하느냐는 사람에 따라 다릅니다.
딥페이크를 얼마나 잘 사용하느냐는 사람에 따라 다릅니다.
2021년, 전 비틀즈 폴 매카트니는 '청춘으로의 복귀'를 위해 딥페이크 기술을 사용했습니다. Beck과 함께한 뮤직비디오에서 관객들은 시간의 흔적이 전혀 남지 않은 젊고 유연한 매카트니를 보게 된다.
머스크는 지난달에도 딥페이크를 했습니다.
TED 회장 '크리스 앤더슨'이 머스크를 인터뷰하는 영상에서 머스크는 비트벡스(BitVex)라는 암호화폐 거래 플랫폼을 직접 만들었다고 밝혔으며, 3개월 이내에 모든 암호화폐 예금이 매일 30% 수익을 올리겠다고 약속했습니다.
deepfake도 가끔 좋은 일을 합니다.
최근 네덜란드에서 수사를 재개한 사건에서는 친구들과 눈덩이를 던지던 중 총에 맞아 숨진 13세 세다르 소아레스의 진실을 밝히기 위해 세다르 소아레스의 허락을 받아 ' 가족에 대해 경찰은 딥페이크를 사용해 Sedar Soares의 동영상을 제작해 대중에게 단서를 요청하고 목격자를 찾았습니다. 1분 길이의 영상에는 소아레스가 카메라를 향해 인사하고 축구공을 집어드는 모습이 담겨 있다. 영상이 공개된 다음 날 로테르담 경찰 대변인 릴리안 반 두이벤보데는 "우리가 수십 건의 제보를 받았다는 사실은 매우 긍정적이다"라고 말했다.
그래도 기술의 가치는 사람에 달려 있다. 그것을 사용하는 사람.
딥페이크 인식 기술을 연습하세요
AI 딥 러닝 도구인 딥페이크는 사진 속 사람의 얼굴을 다른 사람의 사진으로 대체하여 매우 사실적인 '가짜' 동영상이나 사진을 만들 수 있습니다. 이름은 '얼굴 바꾸기'.
연구원들은 오토인코더 신경 아키텍처를 사용하여 이 아이디어를 현실로 만들었습니다. 기본 아이디어는 매우 간단합니다. 각 얼굴에 대해 일련의 인코더와 해당 디코딩 신경망을 훈련시키는 것입니다. 코딩할 때 첫 번째 사람의 사진을 사용했습니다. 디코딩할 때 두 번째 휴먼 디코더가 사용됩니다.
사람들이 딥페이크 사기를 더 잘 식별할 수 있도록 연구원들은 Kaggle 공개 대회에서 호스팅되는 100,000개의 딥페이크 동영상과 19,154개의 실제 동영상에서 딥페이크를 탐지하도록 일련의 신경망을 훈련시켰습니다.
일반적으로 인식을 돕는 완전히 절대적인 방법은 없지만 딥페이크에는 몇 가지 주목할 만한 점이 있습니다.
- 얼굴에 주의하세요: 고급 DeepFake 조작은 거의 모두 얼굴을 기반으로 합니다. ;
- 볼과 이마에 주의하세요: 피부가 너무 매끄러워 보이나요, 아니면 너무 주름져 보이나요? 피부 노화와 머리카락, 눈의 노화가 일치하는 걸까요? 딥페이크는 어떤 면에서 거슬리는 경향이 있습니다.
- 눈과 눈썹에 주의하세요. 그림자가 올바른 위치에 있나요? 딥페이크는 자연 물리학으로 장면을 완전히 정확하게 복제하지 못하는 경우가 많습니다.
- 안경을 조심하세요. 눈부심이 있나요? 눈부심이 너무 많은가? 사람이 움직일 때 빛의 각도가 변하나요? 다시 한번 말하지만, DeepFakes는 조명의 자연스러운 물리학을 완전히 표현하지 못하는 경우가 많습니다.
- 얼굴 털에 주의를 기울이세요. 아니면 수염이 진짜처럼 보이나요? Deepfake는 턱수염, 구레나룻 또는 턱수염을 추가하거나 제거할 수 있지만 그러한 행동은 종종 불순종감을 불러일으킵니다.
- 얼굴의 점에 주의하세요: 점이 진짜처럼 보이나요?
- 눈 깜박임에 주의하세요. 또는 너무 많음
- 입술의 크기와 색상에 주의하세요. 크기와 색상이 사람의 얼굴 나머지 부분과 어울리는지 확인하세요.
이 8가지 질문은 사람들이 딥페이크를 확인하고 식별하는 데 도움이 될 수 있습니다.
고품질 딥페이크는 구별하기 쉽지 않지만, 연습을 통해 사람들은 딥페이크의 진정성을 바탕으로 직관을 확립하고 적절한 보조 검증을 사용할 수 있습니다.
그래도 걱정된다면 이 웹사이트에서 간단한 테스트를 해볼 수도 있습니다: https://Detectfakes.media.mit.edu/
위 내용은 구직자가 가짜일 수도 있나요? 사기꾼은 원격 근무 신청을 위해 신원을 도용하기 위해 딥페이크를 사용합니다. FBI: 말할 때 인식 가능의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

Video Face Swap
완전히 무료인 AI 얼굴 교환 도구를 사용하여 모든 비디오의 얼굴을 쉽게 바꾸세요!

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











오늘날의 딥러닝 방법은 모델의 예측 결과가 실제 상황에 가장 가깝도록 가장 적합한 목적 함수를 설계하는 데 중점을 두고 있습니다. 동시에 예측을 위한 충분한 정보를 얻을 수 있도록 적합한 아키텍처를 설계해야 합니다. 기존 방법은 입력 데이터가 레이어별 특징 추출 및 공간 변환을 거치면 많은 양의 정보가 손실된다는 사실을 무시합니다. 이 글에서는 딥 네트워크를 통해 데이터를 전송할 때 중요한 문제, 즉 정보 병목 현상과 가역 기능을 살펴보겠습니다. 이를 바탕으로 다중 목표를 달성하기 위해 심층 네트워크에서 요구되는 다양한 변화에 대처하기 위해 PGI(Programmable Gradient Information) 개념을 제안합니다. PGI는 목적 함수를 계산하기 위해 대상 작업에 대한 완전한 입력 정보를 제공할 수 있으므로 네트워크 가중치를 업데이트하기 위한 신뢰할 수 있는 기울기 정보를 얻을 수 있습니다. 또한 새로운 경량 네트워크 프레임워크가 설계되었습니다.

그래프 신경망(GNN)은 최근 몇 년 동안 빠르고 놀라운 발전을 이루었습니다. 그래프 딥러닝, 그래프 표현 학습(그래프 표현 학습) 또는 기하학적 딥러닝이라고도 알려진 그래프 신경망은 머신러닝, 특히 딥러닝 분야에서 가장 빠르게 성장하고 있는 연구 주제입니다. 이번 공유의 제목은 "GNN의 기본, 프론티어 및 응용"이며, Wu Lingfei, Cui Peng, Pei Jian 및 Zhao 학자가 편찬한 종합 도서 "그래프 신경망의 기본, 프론티어 및 응용"의 일반적인 내용을 주로 소개합니다. 리앙. 1. 그래프 신경망 소개 1. 그래프를 연구하는 이유는 무엇입니까? 그래프는 복잡한 시스템을 설명하고 모델링하기 위한 보편적인 언어입니다. 그래프 자체는 복잡하지 않으며 주로 간선과 노드로 구성됩니다. 노드를 사용하여 모델링하려는 개체를 나타내고 가장자리를 사용하여 두 개체를 나타낼 수 있습니다.

현재 주류 AI 칩은 크게 GPU, FPGA, ASIC 세 가지 범주로 나뉜다. GPU와 FPGA는 모두 초기 단계에서 상대적으로 성숙한 칩 아키텍처이며 범용 칩입니다. ASIC은 특정 AI 시나리오에 맞게 맞춤화된 칩입니다. 업계에서는 CPU가 AI 컴퓨팅에 적합하지 않지만 AI 애플리케이션에도 필수적이라는 점을 확인했다. GPU와 CPU의 GPU 솔루션 아키텍처 비교 CPU는 von Neumann 아키텍처를 따르며, 그 핵심은 프로그램/데이터 저장 및 직렬 순차 실행입니다. 따라서 CPU 아키텍처는 저장 장치(Cache)와 제어 장치(Control)를 배치하는 데 많은 공간이 필요한 반면, 컴퓨팅 장치(ALU)는 작은 부분만 차지하므로 CPU가 대규모 작업을 수행합니다. 병렬 컴퓨팅.

마인크래프트에서 레드스톤은 매우 중요한 아이템이다. 스위치, 레드스톤 횃불, 레드스톤 블록은 게임 내 고유한 재료로 전선이나 물체에 전기와 같은 에너지를 공급할 수 있습니다. 레드스톤 회로는 다른 기계를 제어하거나 활성화하기 위한 구조물을 만드는 데 사용할 수 있습니다. 이 회로 자체는 플레이어의 수동 활성화에 응답하도록 설계할 수도 있고, 반복적으로 신호를 출력하거나 생물체 움직임과 같은 비플레이어에 의한 변경에 응답할 수도 있습니다. 아이템 낙하, 식물 성장, 낮과 밤 등. 따라서 내 세계에서 레드스톤은 자동문, 조명 스위치, 스트로보 전원 공급 장치와 같은 단순한 기계부터 거대한 엘리베이터, 자동 농장, 소형 게임 플랫폼, 심지어 게임 내 컴퓨터까지 매우 다양한 유형의 기계를 제어할 수 있습니다. . 최근 B 스테이션 UP 메인@

바람이 우산을 날릴 만큼 강하면 드론은 다음과 같이 안정적입니다. 바람을 타고 비행하는 것은 공중 비행의 일부이므로 조종사가 항공기를 착륙시킬 때 풍속은 다음과 같습니다. 더 작은 수준에서는 돌풍이 드론 비행에 영향을 미칠 수도 있습니다. 현재 드론은 바람 없이 통제된 조건에서 비행하거나 사람이 원격 조종을 사용해 조종합니다. 드론은 연구자들이 개방된 하늘에서 대형을 이루어 비행하도록 제어하지만 이러한 비행은 일반적으로 이상적인 조건과 환경에서 수행됩니다. 그러나 드론이 패키지 배송과 같이 필요하지만 일상적인 작업을 자율적으로 수행하려면 실시간으로 바람 조건에 적응할 수 있어야 합니다. 바람에 날릴 때 드론의 기동성을 높이기 위해 Caltech의 엔지니어 팀

win11 시스템을 사용하다 보면 windowshello 얼굴이라는 기능이 있는데, 이 기능은 주로 얼굴 잠금해제에 사용되는데, win11 얼굴인식 솔루션에 대해 문의하시는 분들이 많은데요. 이 사이트에서는 Win11 얼굴 인식이 얼굴을 찾을 수 없는 문제에 대한 해결책을 사용자에게 주의 깊게 소개하겠습니다. Windows 11 얼굴 인식에서 Windows Shello 얼굴 카메라를 찾을 수 없는 문제를 해결하는 방법은 무엇입니까? 해결 방법 1. 생체 인식 드라이버 롤백 1. 장치 관리자 열기 - 생체 인식 장치 - Windows helloface 소프트웨어 장치 속성을 마우스 오른쪽 버튼으로 클릭한 후 > 드라이버 > 드라이버 롤백

비전 작업(예: 이미지 분류)을 위한 딥 러닝 모델은 일반적으로 단일 시각적 영역(예: 자연 이미지 또는 컴퓨터 생성 이미지)의 데이터를 사용하여 엔드투엔드 학습됩니다. 일반적으로 여러 도메인에 대한 비전 작업을 완료하는 애플리케이션은 각 개별 도메인에 대해 여러 모델을 구축하고 이를 독립적으로 교육해야 합니다. 추론 중에는 각 모델이 특정 도메인 입력 데이터를 처리합니다. 서로 다른 분야를 지향하더라도 이러한 모델 간 초기 레이어의 일부 기능은 유사하므로 이러한 모델의 공동 학습이 더 효율적입니다. 이렇게 하면 대기 시간과 전력 소비가 줄어들고, 각 모델 매개변수를 저장하는 데 드는 메모리 비용이 줄어듭니다. 이러한 접근 방식을 다중 도메인 학습(MDL)이라고 합니다. 또한 MDL 모델은 단일 모델보다 성능이 뛰어날 수도 있습니다.

논문 주소: https://arxiv.org/abs/2307.09283 코드 주소: https://github.com/THU-MIG/RepViTRepViT는 모바일 ViT 아키텍처에서 잘 작동하며 상당한 이점을 보여줍니다. 다음으로, 본 연구의 기여를 살펴보겠습니다. 기사에서는 경량 ViT가 일반적으로 시각적 작업에서 경량 CNN보다 더 나은 성능을 발휘한다고 언급했는데, 그 이유는 주로 모델이 전역 표현을 학습할 수 있는 MSHA(Multi-Head Self-Attention 모듈) 때문입니다. 그러나 경량 ViT와 경량 CNN 간의 아키텍처 차이점은 완전히 연구되지 않았습니다. 본 연구에서 저자는 경량 ViT를 효과적인
