Ant Digital a remporté le prix « Financial Technology Technology Innovation and Application Case » pour sa solution de détection Deepfake lors de la 12e conférence sur la finance numérique et la finance technologique de la série de forums Zhongguancun. Cette solution s'appuie sur le laboratoire Ant Digital Tianji pour créer le premier ensemble de données Deepfake multimodales, de haute qualité et à grande échelle du secteur, améliorant efficacement la précision et la fiabilité du modèle de détection Deepfake, et appliquée avec succès à des scénarios de services financiers réels pour efficacement protéger la sécurité des actifs des utilisateurs. La construction de cet ensemble de données résout les problèmes précédents de petite échelle de formation des modèles de détection Deepfake dans le domaine financier et de l'incapacité à être évalués dans des environnements réels, et favorise le développement de modèles de détection traditionnels.
Récemment, lors de la 12e conférence sur la finance numérique et la finance technologique de la série d'événements du Forum Zhongguancun, la solution de détection Deepfake d'Ant Digital a été sélectionnée dans la conférence « Innovation technologique et cas d'application de la technologie financière ».
S'appuyant sur sa filiale Tianji Lab, Ant Digital a construit pour la première fois dans l'industrie un ensemble de données Deepfake multimodales et à grande échelle. Il synthétise plus d'un million de niveaux de contenu multimédia et simule entièrement Deepfake dans le secteur. environnement de contrôle des risques financiers réels. Les échantillons d’attaques sont devenus un critère important pour évaluer les performances des modèles de détection des deepfakes existants dans le domaine financier. Dans des scénarios financiers, la précision de détection des Deepfakes d'Ant Digits sur plusieurs ensembles de données de test a atteint plus de 98 %, et a réussi à empêcher de nombreuses fraudes grâce à la technologie Deepfake et à protéger la sécurité des actifs des utilisateurs.
Cet ensemble de données résout le problème selon lequel les modèles de détection des deepfakes dans le domaine financier ne peuvent pas être formés à grande échelle et ne peuvent pas être évalués dans des environnements réels. Il favorise également le développement de modèles de détection traditionnels du point de vue de l'analyse multimodale. À l’heure actuelle, cet ensemble de données est devenu la capacité clé du produit anti-deep fake ZOLOZDeeper d’Ant Digital pour servir les clients externes.
Il est entendu qu'Ant Digital utilise jusqu'à 81 technologies avancées de deepfake pour générer des images synthétiques de haute qualité, couvrant une variété de types de technologies de contrefaçon, de conditions d'éclairage complexes, d'environnements d'arrière-plan et d'expressions faciales pour simuler des environnements d'attaque complexes et réalistes du monde réel. En plus des images statiques, une grande quantité de données vidéo contenant du son est également collectée et générée, y compris plus de 100 types de techniques de contrefaçon, couvrant différentes langues, accents et bruits de fond, garantissant la diversité et la complexité de l'ensemble de données.
Au cours de la phase de prétraitement et d'annotation des données, Ant Digital nettoie et prétraite les données collectées pour garantir la qualité des données. L'équipe d'experts annote les données pour indiquer clairement si chaque image ou vidéo est générée par Deepfake, tout en garantissant que les traces de contrefaçon sont minimisées pour obtenir un effet très réaliste. Auparavant, Ant Digital a publié une plate-forme de synthèse et de production de données d'IA qui a atteint la « domination de l'IA » au niveau de l'annotation des données, réduisant de plus de 70 % la quantité d'annotations manuelles sur laquelle s'appuyait le modèle d'annotation.
En outre, Ant Digital a lancé un défi offensif et défensif Deepfake lors de la conférence Bund 2024, en utilisant l'ensemble de données Deepfake comme données de formation et de test de base pour la compétition. Il a attiré plus de 2 200 joueurs de 26 pays et régions du monde à signer. partant pour la compétition. Grâce aux solutions algorithmiques apportées par les concurrents, la qualité de l'attaque et la difficulté de détection de l'ensemble de données Deepfake ont été efficacement vérifiées et évaluées.
Avec le développement de la technologie de l’intelligence artificielle, la technologie Deepfake progresse également rapidement. Cette technologie utilise des algorithmes d’apprentissage profond pour remplacer de manière réaliste les visages dans les vidéos. Bien que Deepfake ait des applications actives dans des domaines tels que le divertissement et les médias, la technologie Deepfake entraîne de nouveaux risques dans le domaine financier, notamment en matière de vérification d'identité et de transaction. Les systèmes de vérification d'identité des institutions financières s'appuient souvent sur des technologies biométriques telles que la reconnaissance faciale. Une fois que ces systèmes sont trompés par la technologie Deepfake, une grave fraude financière peut en résulter.
Compte tenu de cela, il est absolument nécessaire de développer un système de détection des attaques Deepfake dans le domaine financier, mais un modèle puissant de détection et de défense des Deepfakes nécessite un ensemble de données Deepfake faciales de haute qualité, conformes à l'environnement du monde réel. construire un ensemble de données qui simule le monde réel et comment vérifier son efficacité est une question urgente.
La solution de détection des deepfakes d'Ant Digital offre une solide garantie de sécurité financière. Les ensembles de données à grande échelle et de haute qualité qu'elle construit fournissent également des ressources précieuses pour la recherche industrielle, favorisent le développement de la technologie de détection des deepfakes et ouvrent une nouvelle direction pour la sécurité financière future. .