H ενημέρωση, η ψυχραιμία και η ψηφιακή εγρήγορση αποτελούν πλέον την πρώτη γραμμή άμυνας απέναντι σε μια απειλή που ακούγεται οικεία, αλλά μπορεί να είναι απολύτως ψεύτικη. Ευχαριστούμε θερμά τον καθηγητή κ. Μάριο Παπαευσταθίου για την έγκυρη, ουσιαστική και ιδιαίτερα χρήσιμη ενημέρωση σχετικά με τους κινδύνους της κλωνοποίησης φωνής και των σύγχρονων ηλεκτρονικών απατών μέσω Τεχνητής Νοημοσύνης. Η ενημέρωση και η γνώση αποτελούν τα σημαντικότερα εργαλεία προστασίας των πολιτών απέναντι στις νέες ψηφιακές απειλές.
Ακούγεται Σαν Εσένα, Αλλά Δεν Είσαι Εσύ..
Ψηφιακή Εξαπάτηση 2.0 : Κλωνοποίηση Φωνής με
Τεχνητή Νοημοσύνη Και Πρακτικές Προστασίας
Συνέντευξη του Μάριου Παπαευσταθίου, Καθηγητή
Οικονομίας και Νέων Τεχνολογιών στον ΣΚΑΙ 100.3
Με λόγο άμεσο και βαθιά ενημερωτικό, ο Καθηγητής Οικονομίας και Νέων Τεχνολογιών Μάριος Παπαευσταθίου μίλησε στη ραδιοφωνική εκπομπή του ΣΚΑΪ 100.3 FM και στη δημοσιογράφο Μαρία Δουρούδη για το φλέγον ζήτημα των Ηλεκτρονικών Απατών και της Κλωνοποίησης Φωνής μέσω Τεχνητής Νοημοσύνης.
Όπως κάθε τεχνολογικό επίτευγμα, έτσι και η Τεχνητή Νοημοσύνη δεν είναι μονοσήμαντη. Έχει πολλές πτυχές και απαιτεί να είμαστε ενημερωμένοι όχι μόνο για τις πρωτόγνωρες δυνατότητές της, αλλά και για τους πιθανούς κινδύνους.
Το μέλλον είναι άγνωστο, αλλά ταυτόχρονα ήδη παρόν…επεσήμανε ο Καθηγητής, υπογραμμίζοντας την ανάγκη υπεύθυνης και ενσυνείδητης αξιοποίησης της τεχνολογίας.
«Οι χάκερς πλέον εξελίσσονται συνεχώς στις τεχνικές τους και χρησιμοποιούν τα προηγμένα εργαλεία της τεχνητής νοημοσύνης για τις επιθέσεις τους»
Ο εκβιασμός μέσω ηλεκτρονικών απατών είναι μια σοβαρή και πολύπλευρη απειλή που μπορεί να επηρεάσει άτομα και οργανισμούς. Οι εκβιαστές χρησιμοποιούν διάφορες τεχνικές για να εξαπατήσουν τα θύματά τους και να τα αναγκάσουν να πληρώσουν χρήματα ή να αποκαλύψουν ευαίσθητες πληροφορίες.
Το απόλυτο σενάριο πανικού – και όμως, είναι αληθινό
Σκεφτείτε το: είναι λίγο μετά τα μεσάνυχτα και στο τηλέφωνο σας καλεί ο αριθμός της κόρη σας.
‘Oταν το σηκώνετε, στην άλλη άκρη της γραμμής ακούγεται η φωνή της
Είναι ξεκάθαρα η δική της και, άλλωστε, η αναγνώριση δείχνει πως αυτή έχει καλέσει- να φωνάζει «Αφήστε με!», «Βοήθεια!» και άλλες φράσεις σε πανικό.
Tο τηλέφωνο παίρνει τότε ένας άντρας, που σας ενημερώνει ότι μπήκαν στο σπίτι της για διάρρηξη, αλλά δεν βρήκαν κάτι αξίας και την κρατούν όμηρο. Και απαιτούν να τους στείλετε το χρηματικό ποσό των 30.000 ευρώ άμεσα για να μην τη σκοτώσουν.
Ο κ. Παπαευσταθίου εξηγεί πως η νέα αυτή μορφή απάτης, γνωστή ως “vishing” ή “voice phishing”, βασίζεται στην Τεχνητή Νοημοσύνη και τη φωνητική αναπαραγωγή.
Μόλις 3 δευτερόλεπτα ηχητικού υλικού από ένα βίντεο ή ηχητικό μήνυμα αρκούν, για να αναπαραχθεί με απόλυτη πιστότητα η φωνή οποιουδήποτε.
Οι εγκληματίες «ντύνουν» τα σενάρια απαγωγής ή απειλής με τη φωνή αγαπημένων προσώπων, χτυπώντας στο συναίσθημα και προκαλώντας πανικό.
Όπως εξηγεί ο Καθηγητής Σύγχρονων Τεχνολογιών Μάριος Παπαευσταθίου οι επιτήδειοι χρησιμοποιούν διάφορες μεθόδους για να αποκτήσουν τα απαραίτητα δεδομένα φωνής και προσώπου:
Δημόσια Διαθέσιμα Δεδομένα: Βίντεο, φωτογραφίες και ηχογραφήσεις που είναι διαθέσιμα στο διαδίκτυο, όπως σε κοινωνικά δίκτυα, συνεντεύξεις και δημόσιες εμφανίσεις.
Διαρροές Δεδομένων: Σε ορισμένες περιπτώσεις, δεδομένα μπορεί να αποκτηθούν μέσω διαρροών ή χάκινγκ.
Αυτοδημιουργία Περιεχομένου: Οι επιτήδειοι μπορούν να χρησιμοποιήσουν λογισμικό για τη δημιουργία συνθετικών δεδομένων που να μοιάζουν με τα πραγματικά.
Πώς παίρνουν φωνές και πρόσωπα μέσω της τεχνητής νοημοσύνης
Η χρήση της τεχνητής νοημοσύνης για τη δημιουργία παρουσιαστών γίνεται με συνδυασμό τεχνολογιών αναγνώρισης και σύνθεσης φωνής, αναγνώρισης και
δημιουργίας προσώπων, καθώς και deepfake τεχνικών.
Η διαδικασία περιλαμβάνει τα εξής βήματα:
Δημιουργία Συνθετικών Φωνών και Προσώπων
1)Συλλογή Δεδομένων:
Δεδομένα Φωνής: Συλλέγονται ηχογραφήσεις από τις φωνές των παρουσιαστών.
Αυτά τα δεδομένα χρησιμοποιούνται για την εκπαίδευση των μοντέλων σύνθεσης φωνής.
Δεδομένα Εικόνας και Βίντεο: Συλλέγονται εικόνες και βίντεο από τα πρόσωπα των παρουσιαστών. Αυτά τα δεδομένα είναι απαραίτητα για την εκπαίδευση μοντέλων
αναγνώρισης και αναπαραγωγής προσώπου.
2)Εκπαίδευση Μοντέλων:
Speech Synthesis Models: Χρησιμοποιούνται μοντέλα όπως το Tacotron 2 και το WaveNet, τα οποία εκπαιδεύονται με τα δεδομένα φωνής για να δημιουργήσουν συνθετική φωνή που ακούγεται φυσική και ρεαλιστική.
Face Synthesis Models: Χρησιμοποιούνται τεχνικές όπως τα Generative Adversarial Networks (GANs) και συγκεκριμένα μοντέλα όπως το StyleGAN, για τη δημιουργία συνθετικών εικόνων προσώπου.
3)Deepfake Technology: Face Replacement: Με τη χρήση GANs, οι τεχνολογίες deepfake μπορούν να αντικαταστήσουν το πρόσωπο σε ένα βίντεο με το συνθετικό πρόσωπο του παρουσιαστή. Αυτό επιτρέπει την εμφάνιση ενός παρουσιαστή που φαίνεται και ακούγεται όπως ο πραγματικός, αλλά στην πραγματικότητα είναι ένα ψηφιακό δημιούργημα.
Lip Syncing: Η τεχνολογία lip-syncing προσαρμόζει τις κινήσεις των χειλιών του συνθετικού προσώπου ώστε να ταιριάζουν με τον ήχο της συνθετικής φωνής, προσδίδοντας ρεαλισμό στην παρουσίαση.
Πώς να προστατευθείτε – Οι 5 «χρυσοί κανόνες» του Διακεκριμένου Καθηγητή Μάριου Παπαευσταθίου
