Ant Digital ganó el premio "Caso de aplicación e innovación de tecnología de tecnología financiera" por su solución de detección de Deepfake en la 12ª Conferencia de Finanzas Digitales y Finanzas de Tecnología de la Serie de Foros de Zhongguancun. Esta solución se basa en el Laboratorio Ant Digital Tianji para construir el primer conjunto de datos Deepfake multimodal, de alta calidad y a gran escala de la industria, mejorando efectivamente la precisión y confiabilidad del modelo de detección de Deepfake y aplicándolo con éxito a escenarios reales de servicios financieros para efectivamente. proteger la seguridad de los activos de los usuarios. La construcción de este conjunto de datos resuelve los problemas anteriores de entrenamiento a pequeña escala de modelos de detección de Deepfake en el campo financiero y la imposibilidad de ser evaluados en entornos reales, y promueve el desarrollo de modelos de detección tradicionales.
Recientemente, en la 12ª Conferencia de Finanzas Digitales y Finanzas Tecnológicas de la serie de eventos del Foro Zhongguancun, la solución de detección Deepfake de Ant Digital fue seleccionada entre los "Casos de aplicación e innovación de tecnología de tecnología financiera" de la conferencia.
Confiando en su filial Tianji Laboratory, Ant Digital ha construido un conjunto de datos Deepfake multimodal, de alta calidad y a gran escala por primera vez en la industria. Sintetiza más de un millón de niveles de contenido multimedia y simula completamente Deepfake en el. Entorno de control de riesgos financieros del mundo real. Las muestras de ataques se han convertido en un criterio importante para evaluar el rendimiento de los modelos de detección de deepfake existentes en el campo financiero. En escenarios de negocios financieros, la precisión de la detección de Deepfake de Ant Digits en múltiples conjuntos de datos de prueba ha alcanzado más del 98% y ha prevenido con éxito muchos fraudes utilizando la tecnología Deepfake y ha protegido la seguridad de los activos de los usuarios.
Este conjunto de datos resuelve el problema de que los modelos de detección de deepfake en el campo financiero no se pueden entrenar a gran escala y no se pueden evaluar en entornos reales. También promueve el desarrollo de modelos de detección tradicionales desde la perspectiva del análisis multimodal. En la actualidad, este conjunto de datos se ha convertido en la capacidad clave del producto anti-falsificación profunda ZOLOZDeeper de Ant Digital para atender a clientes externos.
Se entiende que Ant Digital utiliza hasta 81 tecnologías avanzadas de deepfake para generar imágenes sintéticas de alta calidad, que cubren una variedad de tipos de tecnología de falsificación, condiciones de iluminación complejas, entornos de fondo y expresiones faciales para simular entornos de ataque complejos y realistas del mundo real. Además de las imágenes estáticas, también se recopila y genera una gran cantidad de datos de vídeo que contienen sonido, incluidos más de 100 tipos de técnicas de falsificación, que abarcan diferentes idiomas, acentos y ruido de fondo, lo que garantiza la diversidad y complejidad del conjunto de datos.
En la etapa de preprocesamiento y anotación de datos, Ant Digital limpia y preprocesa los datos recopilados para garantizar la calidad de los datos. El equipo de expertos anota los datos para dejar claro si cada imagen o vídeo es generado por Deepfake, al tiempo que garantiza que se minimicen los rastros de falsificación para lograr un efecto altamente realista. Anteriormente, Ant Digital lanzó una plataforma de producción y síntesis de datos de IA que logró el "dominio de la IA" en el nivel de anotación de datos, reduciendo la cantidad de anotaciones manuales en las que dependía el modelo de anotación en más del 70%.
Además, Ant Digital lanzó un desafío de defensa y ofensiva Deepfake en la Conferencia Bund de 2024, utilizando el conjunto de datos Deepfake como datos básicos de entrenamiento y prueba para la competencia. Atrajo a más de 2200 jugadores de 26 países y regiones de todo el mundo para firmar. para la competencia. A través de las soluciones algorítmicas aportadas por los concursantes, se ha verificado y evaluado eficazmente la calidad del ataque y la dificultad de detección del conjunto de datos Deepfake.
Con el desarrollo de la tecnología de inteligencia artificial, la tecnología Deepfake también avanza rápidamente. Esta tecnología utiliza algoritmos de aprendizaje profundo para reemplazar caras en videos de manera realista. Aunque Deepfake tiene aplicaciones activas en campos como el entretenimiento y los medios, la tecnología Deepfake trae nuevos riesgos en el campo financiero, especialmente en los enlaces de verificación de identidad y verificación de transacciones. Los sistemas de verificación de identidad de las instituciones financieras a menudo se basan en tecnologías biométricas como el reconocimiento facial. Una vez que estos sistemas sean engañados por la tecnología Deepfake, puede resultar en un fraude financiero grave.
En vista de esto, es muy necesario desarrollar un sistema de detección de ataques Deepfake en el campo financiero, pero un modelo poderoso de detección y defensa de Deepfake requiere un conjunto de datos faciales de Deepfake de alta calidad que se ajuste al entorno del mundo real, entonces, ¿cómo construir un conjunto de datos que simule el mundo real y cómo verificar su efectividad es un tema urgente.
La solución de detección de deepfake de Ant Digital proporciona una sólida garantía para la seguridad financiera. Los conjuntos de datos de alta calidad a gran escala que construye también proporcionan recursos valiosos para la investigación de la industria, promueven el desarrollo de tecnología de detección de deepfake y brindan una nueva dirección para la seguridad financiera futura. .