Deep Fake Challenge

Любая идентификация имеет нулевую ценность, если её можно обмануть

Menu
Skip to content
  • Общая информация
    • Термины и определения
    • Стандарты
    • Логотипы
    • Резюме
    • Политика крнфиденциальности
    • Контакты
  • История биометрии
    • Идентификация по отпечатку пальца
    • Идентификация по радужной оболочки глаз
    • Автоматизированное распознавание лиц
    • Разработка устройств и алгоритмов синтеза голоса
  • Методы обмана
    • Обман биометрической идентификации
    • Фейк Ньюс
      • Разоблачение фейковых новостей
    • Отпечаток пальца
    • Лицо
    • Радужка
    • Рисунок вен
  • Материалы для загрузки
    • Тестирование и исследования
    • Тестовые и обучающие наборы
    • Тестовые и обучающие наборы обмана
    • Данные для участников конкурсов
    • Данные для оптимизации алгоритмов

День: 17.08.2020

В реальном мире мы полагаемся не только на внешность, чтобы идентифицировать человека. Точно так же в цифровом мире нам нужно выйти за рамки физической биометрии и учитывать передовые технологии, такие как ИИ и машинное обучение (ML), которые распознают поведенческие черты. Рассмотрим гипотетический пример: ваш сосед, Лин, стучит в вашу дверь, чтобы одолжить газонокосилку. Вы уверены, что одолжили ей это, потому что, во-первых, вы узнаете Лин (физиологию). Во-вторых, для вас не является неожиданностью видеть вашего соседа у входной двери (контекст). В-третьих, Лин заимствовал газонокосилку раньше (история), и в результате вы оцениваете (интеллект) риск одолжить ей газонокосилку как низкий. Все эти факторы в совокупности создают высокий уровень уверенности в этом конкретном взаимодействии. Таким же образом, AI и ML способны учиться распознавать поведение, соответствующее поставленной задаче, и принимать решения за доли секунды. В мобильной коммерции поведенческая аналитика может оценить пассивную биометрию того, как человек взаимодействует со своим телефоном: как он печатает, проводит пальцами по веб-сайтам и приложениям и перемещается по ним. Из этих отдельных точек данных можно создать профиль пользователя, который мошенникам сложно подделать. AI и ML решения также эффективны, потому что они учатся. Чем больше образцов, тем умнее будет идентификация. Они также могут быть динамичным присутствием. Известный как непрерывная проверка, множественные поведенческие биометрии могут быть объединены в фоновом режиме, чтобы постоянно проверять человека, без этого дополнительного уровня безопасности, вызывающего любое нарушение вообще. Важно отметить, что эти методы аутентификации не требуют обширной личной информации. Вам не нужно знать дату или место рождения Лин, ее судимость, банковский счет или девичью фамилию, чтобы одолжить ей газонокосилку. Вам просто нужно знать достаточно, чтобы узнать Лин и быть уверенным, что ей можно доверять в этом взаимодействии.
  • 2D Лицо

Учёные хотят помешать нейросетям копировать реальность

  • Posted on 17 августа, 202026 мая, 2023
  • by DFC

Пока самые известные и популярные видео, изготовленные с применением технологии Deepfake, — это пародии на политиков и знаменитостей

Read More

Свежие комментарии

  • Петр к записи Ведяхин назвал успехи искусственного интеллекта в России
  • Арина к записи Ведяхин назвал успехи искусственного интеллекта в России
  • DFC к записи Как без DeepFake заменили актрису в сцене из фильма
  • the Grey к записи Как без DeepFake заменили актрису в сцене из фильма
  • DFC к записи Описание разработки распознавания лиц на Raspberry Pi
  • Rashid Kandah к записи Описание разработки распознавания лиц на Raspberry Pi
  • DFC к записи Описание разработки распознавания лиц на Raspberry Pi

Рубрики

Август 2020
Пн Вт Ср Чт Пт Сб Вс
 12
3456789
10111213141516
17181920212223
24252627282930
31  
« Июл   Сен »

Архивы

© Copyright 2019-2025 – Deep Fake Challenge
Retina Theme by WPAisle ⋅ Powered by WordPress