Jadual Kandungan
Pertama sekali, ia mungkin menghadapi serangan keracunan.
Kedua, akan timbul masalah kebocoran data.
Sekali lagi, anda akan menghadapi risiko rangkaian.
Rumah Peranti teknologi AI Penggodam menggunakan teknologi AI mengubah wajah untuk memohon pekerjaan Isu keselamatan kecerdasan buatan tidak boleh diabaikan

Penggodam menggunakan teknologi AI mengubah wajah untuk memohon pekerjaan Isu keselamatan kecerdasan buatan tidak boleh diabaikan

Apr 08, 2023 pm 02:51 PM
AI Keselamatan penggodam

Selepas wabak di Amerika Syarikat, banyak syarikat telah menggunakan model "Work From Home" (WFH). Pusat Aduan Jenayah FBI menyatakan bahawa mereka baru-baru ini menerima aduan daripada banyak majikan korporat bahawa semasa proses pengambilan, pemohon pekerjaan telah mencuri identiti orang lain dan menggunakan teknologi Deepfake untuk mengambil bahagian dalam temu duga jauh.

Penggodam menggunakan teknologi AI mengubah wajah untuk memohon pekerjaan Isu keselamatan kecerdasan buatan tidak boleh diabaikan

Jawatan ini melibatkan teknologi maklumat, program komputer, pangkalan data dan bidang berkaitan perisian Sesetengah pencari kerja cuba menggunakan latar belakang dan kepakaran orang lain untuk mendapatkan pekerjaan, dan menggunakan teknologi Deepfake untuk memalsukan video.

Mereka mendapati ketika melakukan temu duga secara dalam talian dengan pencari kerja, pergerakan pencari kerja atau membuka dan menutup bibirnya tidak konsisten dengan suaranya yang bercakap Contohnya, apabila terdengar bunyi bersin atau batuk skrin tidak segerak.

Apabila mereka menjalankan pemeriksaan latar belakang ke atas pencari kerja ini, mereka mendapati bahawa sesetengah pencari kerja sebenarnya menggunakan identiti orang lain untuk mencari pekerjaan. Jika anda hanya mencari pekerjaan, ia masih menjadi masalah kecil, tetapi jika ia adalah seorang penggodam, apabila mereka berjaya menandatangani kontrak, mereka akan berjaya memasuki syarikat dan mendapat akses kepada data sulit.

黑客用AI换脸技术应聘 人工智能安全问题不容忽视

Adakah anda juga ingin tahu, adakah perisian ini begitu mudah untuk digunakan?

Jawapannya, memang sangat advance.

Deepfake menggunakan keupayaan penjanaan imej yang berkuasa daripada Generative Adversarial Network (GAN), yang boleh menggabungkan dan menindih mana-mana imej dan video sedia ada pada imej dan video sumber Ia boleh merakam butiran wajah seseorang. Selepas bertahun-tahun pembangunan, teknologi Deepfake kini boleh melakukan penukaran muka dalam masa nyata tanpa sebarang rasa pelanggaran.

Walau bagaimanapun, apabila ia berkaitan dengan video, Deepfakes sukar untuk menghidupkan ekspresi muka dengan keyakinan tinggi Orang dalam video itu sama ada tidak pernah berkelip, atau berkelip terlalu kerap atau luar biasa. Selain itu, imej audio dan tiruan tidak akan sepadan secara semula jadi.

Oleh itu, jika video seperti ini berdurasi selama 10 saat, ia akan membuatkan orang ramai curiga Keseluruhan temuduga akan mengambil masa yang lebih lama, dan lebih mudah untuk mendedahkan kelemahan.

Kemajuan dan perubahan dalam sains dan teknologi adalah pedang bermata dua.

Walaupun teknologi kecerdasan buatan telah memberikan kami kemudahan yang besar, teknologi ini juga mungkin membawa beberapa siri isu seperti keselamatan, etika dan privasi.

Intipati pembangunan kecerdasan buatan adalah menggunakan algoritma, kuasa pengkomputeran dan data untuk menyelesaikan masalah deterministik dalam maklumat lengkap dan persekitaran berstruktur. Dalam era sokongan data ini, kecerdasan buatan menghadapi banyak risiko keselamatan

Pertama sekali, ia mungkin menghadapi serangan keracunan.

Iaitu, penggodam menyuntik data berniat jahat untuk mengurangkan kebolehpercayaan dan ketepatan sistem AI, sekali gus membawa kepada ralat membuat keputusan kecerdasan buatan. Menambah data palsu, sampel berniat jahat, dsb. pada data latihan akan memusnahkan integriti data, yang akan membawa kepada penyelewengan dalam membuat keputusan model algoritma terlatih.

Sekiranya operasi seperti ini digunakan dalam bidang pemanduan autonomi, ia berkemungkinan menyebabkan kenderaan melanggar peraturan jalan raya malah boleh menyebabkan kemalangan jalan raya.

Kedua, akan timbul masalah kebocoran data.

Serangan songsang boleh menyebabkan kebocoran data dalam model algoritma Pada masa kini, pelbagai peranti pintar seperti gelang pintar, sistem pengenalan biometrik pembesar suara pintar dan sistem perubatan pintar digunakan secara meluas dan maklumat peribadi dikumpulkan dalam semua arah. . Termasuk muka, cap jari, cap suara, iris, degupan jantung, gen, dsb., maklumat ini unik dan tidak boleh diubah, dan apabila bocor atau disalahgunakan, ia akan membawa akibat yang serius.

Sebagai contoh, telah didedahkan bahawa sebilangan besar foto wajah yang dikumpul oleh sebilangan besar kedai domestik tanpa kebenaran pengguna telah dibocorkan pada produk hitam menjadi risiko penipuan atau keselamatan kewangan.

Sekali lagi, anda akan menghadapi risiko rangkaian.

Kecerdasan buatan sudah pasti akan memperkenalkan sambungan rangkaian Teknologi kecerdasan buatan itu sendiri juga boleh meningkatkan tahap kecerdasan serangan rangkaian, dan kemudian menjalankan serangan pencurian data dan pemerasan data secara automatik atau menjana sejumlah besar perisikan ancaman palsu, yang akan menjejaskan sistem analisis.

Kaedah serangan utama termasuk: serangan pintasan, serangan inferens, serangan pintu belakang, serangan pengekstrakan model, serangan inferens atribusi, serangan Trojan, serangan pembalikan model, serangan anti-tera air dan serangan pengaturcaraan semula.

Kita mesti sedar dengan jelas bahawa keselamatan data dalam era kecerdasan buatan juga menghadapi banyak cabaran baharu. Melindungi keselamatan data dan keselamatan algoritma telah menjadi keutamaan utama bagi perusahaan.

Atas ialah kandungan terperinci Penggodam menggunakan teknologi AI mengubah wajah untuk memohon pekerjaan Isu keselamatan kecerdasan buatan tidak boleh diabaikan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

AI Hentai Generator

AI Hentai Generator

Menjana ai hentai secara percuma.

Artikel Panas

R.E.P.O. Kristal tenaga dijelaskan dan apa yang mereka lakukan (kristal kuning)
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Tetapan grafik terbaik
3 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
R.E.P.O. Cara Memperbaiki Audio Jika anda tidak dapat mendengar sesiapa
4 minggu yang lalu By 尊渡假赌尊渡假赌尊渡假赌
WWE 2K25: Cara Membuka Segala -galanya Di Myrise
1 bulan yang lalu By 尊渡假赌尊渡假赌尊渡假赌

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Bytedance Cutting melancarkan keahlian super SVIP: 499 yuan untuk langganan tahunan berterusan, menyediakan pelbagai fungsi AI Jun 28, 2024 am 03:51 AM

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Pembantu pengekodan AI yang ditambah konteks menggunakan Rag dan Sem-Rag Jun 10, 2024 am 11:08 AM

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Bolehkah penalaan halus benar-benar membolehkan LLM mempelajari perkara baharu: memperkenalkan pengetahuan baharu boleh menjadikan model menghasilkan lebih banyak halusinasi Jun 11, 2024 pm 03:57 PM

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Tujuh Soalan Temuduga Teknikal GenAI & LLM yang Cool Jun 07, 2024 am 10:06 AM

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Kanada merancang untuk mengharamkan alat penggodaman Flipper Zero apabila masalah kecurian kereta meningkat Kanada merancang untuk mengharamkan alat penggodaman Flipper Zero apabila masalah kecurian kereta meningkat Jul 17, 2024 am 03:06 AM

Laman web ini melaporkan pada 12 Februari bahawa kerajaan Kanada merancang untuk mengharamkan penjualan alat penggodaman FlipperZero dan peranti serupa kerana ia dilabelkan sebagai alat yang boleh digunakan pencuri untuk mencuri kereta. FlipperZero ialah alat ujian mudah alih boleh atur cara yang membantu menguji dan menyahpepijat pelbagai perkakasan dan peranti digital melalui berbilang protokol, termasuk RFID, radio, NFC, inframerah dan Bluetooth, dan telah memenangi hati ramai geeks dan penggodam. Sejak produk dikeluarkan, pengguna telah menunjukkan keupayaan FlipperZero di media sosial, termasuk menggunakan serangan ulang tayang untuk membuka kunci kereta, membuka pintu garaj, mengaktifkan loceng pintu dan mengklon pelbagai kunci digital. ▲FlipperZero menyalin rantai kunci McLaren dan membuka kunci kereta Menteri Industri Kanada Franço

Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Untuk menyediakan tanda aras dan sistem penilaian menjawab soalan saintifik dan kompleks baharu untuk model besar, UNSW, Argonne, University of Chicago dan institusi lain bersama-sama melancarkan rangka kerja SciQAG Jul 25, 2024 am 06:42 AM

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Lima sekolah pembelajaran mesin yang anda tidak tahu Lima sekolah pembelajaran mesin yang anda tidak tahu Jun 05, 2024 pm 08:51 PM

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Prestasi SOTA, kaedah AI ramalan pertalian protein-ligan pelbagai mod Xiamen, menggabungkan maklumat permukaan molekul buat kali pertama Jul 17, 2024 pm 06:37 PM

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

See all articles