求职者可能是假货?冒名者用deepfake盗窃身份应聘远程工作,FBI:说话时能识别
大数据文摘出品
作者:Caleb
在线工作正在逐渐正式进入我们的生活。
根据数据公司Emsi Burning Glass统计,2020年初纽约全市16万3000个招聘岗位中,只有6700个允许在线工作,占总岗位数量的4%;但到去年12月,全市24万3000个招聘岗位中,在线工作的岗位数量增至2万5800个,已占到总岗位数量的10.6%。
不过俗话说得好,人心隔肚皮,更何况现在还多隔了一层屏幕,谁也保不准Neso事件不会再次发生。
这不,最近根据美国联邦调查局调查,越来越多的人正在窃取别人的个人身份信息,以及利用deepfake来申请远程工作岗位。也正是由于deepfake技术使用人工智能或机器学习来生成图像、视频或音频等内容,其很难与真实材料区分开来。
比如,根据外媒报道,有位诈骗者一直远程工作的求职过程中借助了deepfake,以试图进入IT工作,访问他们的客户或财务数据,以及企业IT数据和专业信息等。
无独有偶,根据其他公司爆料,有些求职者的个人信息更是完全属于另外一个人。
视频语音都被deepfake,识破他们到底难不难?
6月28日,FBI网络犯罪投诉中心在一次公共咨询中表示,最近有关被冒充求职的投诉案件数量增加。诈骗者一直利用deepfake技术以及从受害者那里盗取的个人身份信息,骗过雇主雇佣他们进行远程或居家办公工作。
这些工作涉及到IT、计算机编程、数据库以及软件相关的职位。
deepfake实现的身份伪装往往难辨真伪,诈骗者也就能够从公司内部窃取有价值的详细信息,以及实施其他身份欺诈计划。
甚至根据联邦执法机构补,在调查过程中,他们还发现了在线面试中使用面试者的语音也经过了deepfake伪造。
目前尚不清楚有多少人利用这种方式成功入职,被举报的在其中占了多少。
要识别deepfake也并非完全不可能。联邦调查局表示,雇主可以通过某种方式来检测深度伪造。在日常工作中,员工们仍然需要时不时地与雇主进行视频以汇报工作进度等,当他们开口说话时,也就是缺陷显露之时。
“在镜头前,如果接受采访的人的动作和嘴唇运动与声音无法完全保持同步”,“比如突然的咳嗽、打喷嚏或其他听觉行为与视觉呈现的内容不一致”,那往往就是识破deepfake的关键。
但是真正要去识破deepfake并没有那么容易,尤其是在你不特别去注意的情况下。根据卡内基梅隆大学研究人员最近的一份报告,旨在检测被篡改的视频的人工智能的准确率可能在30%到97%之间,人类有办法检测出假视频,特别是一旦他们被训练成能够观察到某些视觉故障,如影子不正常或皮肤纹理有问题等。
deepfake用得怎么样,还得看人
deepfake用得好不好,到底是不是用在了“刀刃”上,还得看人。
2021年,前披头士成员Paul McCartney就利用deepfake技术让自己“重返青春”。在与Beck合作的MV中,观众看到的是一个年轻的、灵活的、岁月没有在他身上留下任何痕迹的McCartney。
上个月马斯克也被deepfake了一把。
在TED主席“克里斯·安德森”采访马斯克的这段视频中,马斯克表示,一个名为BitVex的加密货币交易平台是他自己创建的,并承诺在三个月内,任何加密货币存款每天都有30%的回报率。
deepfake也有做好事的时候。
最近,在荷兰一项重启调查的案件中,为了找到13岁的Sedar Soares和朋友们一起扔雪球时被枪杀的真相,在Sedar Soares家人的允许下,警方利用deepfake制作了一个Sedar Soares的视频,以此向公众征集线索,寻找目击证人。在这一分钟长的视频中出现了Soares的生活图像,他向摄像机打招呼并捡起一个足球。就在视频发布的第二天,荷兰鹿特丹警方发言人Lillian van Duijvenbode说: “我们已经收到了数十条线索,这一事实非常积极。”
还是那句话,技术的价值取向取决于使用该技术的人。
锻炼自己的deepfake识别能力
作为一种AI深度学习工具,deepfake能够将一张图片中人的脸换到其他人的图片上的技术,从而创建一个非常逼真的“假”视频或图片,“换脸”因此得名。
研究人员使用自动编码器神经结构,使这一想法成为现实。基本思路非常简单:对于每张脸都训练一套编码器和相应的解码神经网络。编码时,使用的是第一个人的图片。而解码时,却是使用第二个人解码器。
为了帮助人们更好地识破deepfake骗局,研究人员也从Kaggle公开比赛中托管的100,000个deepfake视频和19,154个真视频中,训练了一系列神经网络来检测deepfake。
总的来说,没有完全绝对的方法来帮助识别,但在deepfake中有几个点是值得注意的:
- 注意脸部:高端的DeepFake操纵几乎都是基于面部的;
- 注意脸颊和额头:皮肤是否显得太光滑或太有皱纹?皮肤老化程度是否与头发和眼睛老化程度一致?deepfake在某些方面往往是不协调的;
- 注意眼睛和眉毛:阴影的位置是否正确?deepfake通常无法完全正确地复制出自然物理学的场景;
- 注意眼镜:是否存在任何眩光?是否存在太多眩光?当人移动时,眩光的角度是否改变?再一次,DeepFakes常常不能完全代表照明的自然物理学;
- 注意面部毛发或缺乏毛发的情况:面部毛发看起来是否真实?deepfake可能会添加或去除胡子、鬓角或胡须,但这样的行为往往会带来违和感;
- 注意面部的痣:痣看起来真实吗;
- 注意眨眼:这个人的眨眼次数是否足够或过多;
- 注意嘴唇的大小和颜色:大小和颜色是否与此人面部的其他部分相匹配。
这八个问题都能帮助人们检查并识别deepfake。
高质量的deepfake并不容易辨别,但通过练习,人们可以建立起一种基于deepfake的真假的直觉,相信直觉,并加以适当的辅助验证即可。
如果你还是不放心,也可以在这个网站上进行简单的测验:https://detectfakes.media.mit.edu/
以上是求职者可能是假货?冒名者用deepfake盗窃身份应聘远程工作,FBI:说话时能识别的详细内容。更多信息请关注PHP中文网其他相关文章!

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

Video Face Swap
使用我们完全免费的人工智能换脸工具轻松在任何视频中换脸!

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

如今的深度学习方法专注于设计最适合的目标函数,以使模型的预测结果与实际情况最接近。同时,必须设计一个合适的架构,以便为预测获取足够的信息。现有方法忽略了一个事实,即当输入数据经过逐层特征提取和空间变换时,大量信息将会丢失。本文将深入探讨数据通过深度网络传输时的重要问题,即信息瓶颈和可逆函数。基于此提出了可编程梯度信息(PGI)的概念,以应对深度网络实现多目标所需的各种变化。PGI可以为目标任务提供完整的输入信息,以计算目标函数,从而获得可靠的梯度信息以更新网络权重。此外设计了一种新的轻量级网络架

近年来,图神经网络(GNN)取得了快速、令人难以置信的进展。图神经网络又称为图深度学习、图表征学习(图表示学习)或几何深度学习,是机器学习特别是深度学习领域增长最快的研究课题。本次分享的题目为《GNN的基础、前沿和应用》,主要介绍由吴凌飞、崔鹏、裴健、赵亮几位学者牵头编撰的综合性书籍《图神经网络基础、前沿与应用》中的大致内容。一、图神经网络的介绍1、为什么要研究图?图是一种描述和建模复杂系统的通用语言。图本身并不复杂,它主要由边和结点构成。我们可以用结点表示任何我们想要建模的物体,可以用边表示两

当前主流的AI芯片主要分为三类,GPU、FPGA、ASIC。GPU、FPGA均是前期较为成熟的芯片架构,属于通用型芯片。ASIC属于为AI特定场景定制的芯片。行业内已经确认CPU不适用于AI计算,但是在AI应用领域也是必不可少。 GPU方案GPU与CPU的架构对比CPU遵循的是冯·诺依曼架构,其核心是存储程序/数据、串行顺序执行。因此CPU的架构中需要大量的空间去放置存储单元(Cache)和控制单元(Control),相比之下计算单元(ALU)只占据了很小的一部分,所以CPU在进行大规模并行计算

在我的世界(Minecraft)中,红石是一种非常重要的物品。它是游戏中的一种独特材料,开关、红石火把和红石块等能对导线或物体提供类似电流的能量。红石电路可以为你建造用于控制或激活其他机械的结构,其本身既可以被设计为用于响应玩家的手动激活,也可以反复输出信号或者响应非玩家引发的变化,如生物移动、物品掉落、植物生长、日夜更替等等。因此,在我的世界中,红石能够控制的机械类别极其多,小到简单机械如自动门、光开关和频闪电源,大到占地巨大的电梯、自动农场、小游戏平台甚至游戏内建的计算机。近日,B站UP主@

当风大到可以把伞吹坏的程度,无人机却稳稳当当,就像这样:御风飞行是空中飞行的一部分,从大的层面来讲,当飞行员驾驶飞机着陆时,风速可能会给他们带来挑战;从小的层面来讲,阵风也会影响无人机的飞行。目前来看,无人机要么在受控条件下飞行,无风;要么由人类使用遥控器操作。无人机被研究者控制在开阔的天空中编队飞行,但这些飞行通常是在理想的条件和环境下进行的。然而,要想让无人机自主执行必要但日常的任务,例如运送包裹,无人机必须能够实时适应风况。为了让无人机在风中飞行时具有更好的机动性,来自加州理工学院的一组工

我们在使用win11系统的时候有一个名为windowshello人脸的功能,这个功能主要是用于人脸解锁,但是也有不少的用户们在询问win11面部识别找不到windowshello人脸摄像头解决方法?下面就让本站来为用户们来仔细的介绍一下win11面部识别找不到人脸的解决方法吧。win11面部识别找不到windowshello人脸摄像头解决方法?方案一、回退生物识别驱动1、打开设备管理器--生物识别设备--右键单击Windowshellofacesoftwaredevice属性>驱动程序>回退驱

面向视觉任务(如图像分类)的深度学习模型,通常用来自单一视觉域(如自然图像或计算机生成的图像)的数据进行端到端的训练。一般情况下,一个为多个领域完成视觉任务的应用程序需要为每个单独的领域建立多个模型,分别独立训练,不同领域之间不共享数据,在推理时,每个模型将处理特定领域的输入数据。即使是面向不同领域,这些模型之间的早期层的有些特征都是相似的,所以,对这些模型进行联合训练的效率更高。这能减少延迟和功耗,降低存储每个模型参数的内存成本,这种方法被称为多领域学习(MDL)。此外,MDL模型也可以优于单

论文地址:https://arxiv.org/abs/2307.09283代码地址:https://github.com/THU-MIG/RepViTRepViT在移动端ViT架构中表现出色,展现出显着的优势。接下来,我们将探讨本研究的贡献所在。文中提到,轻量级ViTs通常比轻量级CNNs在视觉任务上表现得更好,这主要归功于它们的多头自注意力模块(MSHA)可以让模型学习全局表示。然而,轻量级ViTs和轻量级CNNs之间的架构差异尚未得到充分研究。在这项研究中,作者们通过整合轻量级ViTs的有效
