NIA报告：“多模态、多重认证必不可少”
生成式AI提升生物识别准确度
但也存在被深度伪造等恶意利用的可能
有报告指出，为应对深度伪造威胁，生物识别安全解决方案有必要引入双重认证系统。
29日，韩国智能信息社会振兴院（NIA）在《生成式人工智能时代，生物识别技术的机遇与挑战》报告中表示，为了应对深度伪造威胁，需要通过“多模态生物认证”和“多要素认证（利用密码、门禁卡、生物识别等不同类别的认证方式）”来强化安全性。
多模态生物认证是指利用两种及以上生物信息的认证方式，通过组合利用身体特征（指纹、虹膜、面部、静脉、声音等）或行为特征（步态、笔迹、打字习惯等）进行认证。多要素认证是指在知识要素（密码、安全问题等）、持有要素（门禁卡、一次性密码、智能手机等）、个人固有要素（生物识别指标）中，至少采用两种以上要素的认证方式。
NIA之所以强调双重安全，是因为生成式人工智能对生物识别技术而言如同一把双刃剑。深度学习算法通过学习、分析海量数据，可以提升生物识别技术的准确度与效率，但同时也可能暴露安全薄弱环节。仅依靠单一认证方式，很难识别被精心制作的伪造图像、行为、声音等。
今年年初，在美国新罕布什尔州总统预选前夕，一起事件引发关注：有自动录音电话向选民拨出，其中包含引导选民不要投票的、伪造的总统Joe Biden语音。
NIA强调称：“深度伪造利用生成式人工智能，更加轻易、简单地篡改他人面部或声音，被用于诈骗、信息操纵、侵犯隐私等恶意目的，进而成为威胁生物识别系统安全性的因素。”“安全解决方案也必须持续发展，以便能够应对深度伪造等威胁，并需要引入深度伪造检测技术等额外防御手段。”
本报道由人工智能(AI)翻译技术生成。
版权所有 © 阿视亚经济。未经许可不得转载，禁止用于AI训练及使用。
