Deepfake เป็นภัยคุกคามที่แพร่หลายและถูกใช้ในการเผยแพร่ข่าวเท็จหรือการปลอมแปลงตัวตน โดยในสถานการณ์การแพร่ระบาดของโรค COVID-19 มีการใช้ Deepfake เพื่อหลอกระบบยืนยันตัวตนและรับสิทธิ์ในการเข้าถึงทรัพย์สินทางดิจิทัลและบัญชีออนไลน์ จึงเป็นความท้าทายของสถาบันการเงินและบริษัทเทคโนโลยีการเงินที่ต้องหาวิธีตรวจสอบสิทธิและยืนยันตัวตนที่แม่นยำมากขึ้น
นักต้มตุ๋นใช้ Deepfake ในหลายวัตถุประสงค์ ตั้งแต่การปลอมเป็นคนดัง ไปจนถึงการปลอมข้อมูลในการสมัครงาน และในการโกงเงินครั้งใหญ่ มีการใช้ Deepfake แปลงเสียงเพื่อหลอกผู้จัดการธนาคารในฮ่องกงให้โอนเงินจำนวนมากเข้าบัญชีผู้ปลอมแปลง
Deepfake ได้ถูกพูดถึงความเป็นไปได้ในทางทฤษฎีมานานแล้ว แต่เพิ่งได้รับความสนใจอย่างกว้างขวางมากขึ้นในระยะสองสามปีนี้ และซอฟต์แวร์ Deepfake หาได้ง่าย ทำให้ใครก็ใช้ได้ ตั้งแต่ผู้ใช้งานที่มีความรู้ด้านเทคโนโลยีเล็กน้อย ไปจนถึงหน่วยงานระดับรัฐบาล ก็สามารถเข้าถึงแอปพลิเคชันมือถือหรือซอฟต์แวร์คอมพิวเตอร์ที่สร้างเนื้อหาการปลอมแปลงได้ และยังเป็นการยากสำหรับคนหรือซอฟต์แวร์ที่ใช้ตรวจสอบการปลอมแปลงที่จะแยกระหว่างวิดีโอหรือเสียงจริงกับ Deepfake
นักต้มตุ๋นใช้เทคโนโลยี Deepfake โจมตีหลายอุตสาหกรรม แต่อุตสาหกรรมที่ทำงานกับข้อมูลส่วนบุคคลและทรัพย์สินของลูกค้าจำนวนมากจะเสี่ยงมากยิ่งขึ้น เช่น การเปิดบัญชีใหม่ของลูกค้าในอุตสาหกรรมบริการด้านการเงิน ที่นักต้มตุ๋นสามารถใช้ Deepfake ปลอมตัวไปอ้างสิทธิ์ และสร้างบัญชีใหม่ได้ ทำให้นักต้มตุ๋นสามารถฟอกเงิน หรือยึดบัญชีผู้อื่นได้ นอกจากนี้ Deepfake ยังสามารถสร้างความเสียหายให้องค์กรด้วยการสูญเสียทรัพย์สินที่ถูกโกง เสียชื่อเสียงจากการถูกโกง เสียความน่าเชื่อถือจากลูกค้า และต้องมีกระบวนการตรวจสอบการโกงแบบรัดกุมและนิ่มนวลโดยให้มีผลกระทบต่อความความพึงพอใจของลูกค้าให้น้อยที่สุด
ปัจจุบันยังไม่มีวิธีตรวจจับการปลอมแปลงและตรวจสอบตัวตนออนไลน์ที่สมบูรณ์ แต่องค์กรสามารถป้องกันและลดผลกระทบจากการโจมตีได้ สถาบันทางการเงินและฟินเทคจะต้องระมัดระวังเมื่อเปิดบัญชีลูกค้าใหม่ ต้องตรวจจับการโกงจากบุคคลที่สาม ตรวจสอบการสังเคราะห์ตัวตนหรือปลอมแปลงตัวตน องค์กรจะสามารถตรวจจับ Deepfake และตอบโต้การปลอมแปลงได้ด้วยการใช้เทคโนโลยีที่เหมาะสม นอกจากจะมีการตรวจสอบข้อมูลส่วนบุคคลแล้ว จะต้องมีการตรวจสอบตัวตนผ่านการทดสอบความเหมือนจริงในหลายมิติ เช่น วิเคราะห์คุณภาพของรูปถ่ายใบหน้า และประเมินความลึกของภาพในการยืนยันตัวตนผ่านใบหน้า เนื่องจากในหลายกรณี นักต้มตุ๋นได้ใช้ข้อมูลส่วนบุคคลตามกฎหมายคู่กับรูปภาพใบหน้าที่ไม่ตรงกัน อัลกอริทึมที่ชนะในการแข่งขันของ Meta’s Deepfake สามารถตรวจจับ Deepfake ได้เพียง 65% เท่านั้น
การเชื่อมโยงข้อมูลการยืนยันตัวตนทางดิจิทัลแบบกราฟได้เริ่มเข้ามามีบทบาท เนื่องจากเป็นการยืนยันตัวตนด้วยข้อมูลดิจิทัลแบบต่อเนื่อง ทำให้ลูกค้าสามารถมั่นใจในตัวตนคู่ค้าและลดความเสี่ยงที่จะถูกปลอมแปลง อีกทั้งองค์กรก็ได้ตัวตนของลูกค้าแบบองค์รวมและแม่นยำ ทำให้สามารถระบุตัวตนได้ดีขึ้น ถูก Deepfake หลอกน้อยลง การป้องกันการโจมตีด้วย Deepfake ยังต้องนำวิธีการใหม่ๆ และนำปัญญาประดิษฐ์แบบทำนายมาใช้วิเคราะห์ความแม่นยำในการระบุการหลอกลวง และสร้างความน่าเชื่อถือทางดิจิทัล
ที่มา : https://venturebeat.com/security/deepfakes-arent-going-away-future-proofing-digital-identity/
