文|獵云網(wǎng) 邵延港
誰能想到，一場多人參加的跨國視頻會議，竟然只有一個人是真人，其余的“參會人員”全部是經(jīng)過AI換臉的詐騙“人員”。最后的結(jié)果就是受害人將2億港元分別轉(zhuǎn)賬15次，轉(zhuǎn)賬到5個本地銀行賬戶。
“AI換臉”的話題已經(jīng)被討論了很多年，如今已經(jīng)真實到看不出破綻了嗎？
新一輪的AI浪潮，大模型的能力進一步增強，這種新技術(shù)也在加速向現(xiàn)實世界沖擊。無論是ChatGPT，還是sora，AIGC都在“努力”創(chuàng)造一個真假難辨的世界：虛擬與現(xiàn)實的交織、身份與形象的混淆、聲音與真實的錯位、文字與真實的界限模糊。
如今，AI這個潘多拉的魔盒被進一步打開。AIGC是未來十年甚至更長周期的技術(shù)趨勢和變革動力，而技術(shù)發(fā)展的兩面性，在帶來機遇和發(fā)展同時，也帶來新的風險和挑戰(zhàn)。
不過，歷史的發(fā)展規(guī)律仍舊沒有變，無論是否為虛擬創(chuàng)造的產(chǎn)物，“作惡”的從來不是作為工具的AI本身。好在，AI也提供了一種新的途徑來鑒別AIGC，即更了解自己的AI去打敗AI自己。
AIGC安全問題泛濫
毫無疑問，各種AI引發(fā)的問題背后，是技術(shù)的進步。從Transformer網(wǎng)絡(luò)到ChatGPT，從最初專用于人臉深度合成的 DeepFaceLab發(fā)展到通用視頻生成服務(wù)Gen-2，各種生成式人工智能模型如今已經(jīng)不稀奇了。
大模型能做到這種程度的原因，終究還是機器學(xué)習能力的躍升。中文垂直創(chuàng)作大模型公司波形智能創(chuàng)始人姜昱辰這樣比喻：人工智能學(xué)習方法跟我們?nèi)朔浅Ｏ嘞?。把東西教給AI，它再進行學(xué)習和消化，之后就是模仿與創(chuàng)作。在初期，AI的反饋可能不盡如人意，但做過個性化的范式訓(xùn)練時，AIGC的“人味”會更明顯。
AIGC能做到也不只是如此。中文大模型已經(jīng)經(jīng)過層層打磨，寫一篇質(zhì)量過關(guān)，看不出“機器味”的稿子早已不是難事。隨著大模型的應(yīng)用越來越廣泛，馬斯克有當前最大參數(shù)大模型，谷歌有性能最強大模型，這些都能為之帶來更多的想象力。
當今年OpenAI再次祭出大殺器sora時，APUS董事長兼CEO李濤直言：它不僅展示了人工智能在視頻生成領(lǐng)域的強大能力，更觸及了人類對創(chuàng)作、真實性和未來的認知。
騰訊云天御安全專家黃澤豐表示，AIGC的安全存在于三個階段：一是數(shù)據(jù)訓(xùn)練階段的AI內(nèi)生安全，二是大模型部署運營時的AI應(yīng)用安全，三是推廣到公眾后的AI衍生安全。
如今公眾關(guān)注的如AI人臉詐騙這類問題，已經(jīng)是一個非常復(fù)雜的問題。
黃澤豐表示：AI換臉早期更多是通過社交工程學(xué)詐騙，通過不法手段獲取個人的信息，再進行加工處理進行欺詐；而現(xiàn)在演變?yōu)榭梢詫崟r模擬人臉的同時，將嘴型和眨眼等動作進行合成，極大的提升了迷惑性。
AIGC的安全挑戰(zhàn)讓世界真假難辨，內(nèi)容合規(guī)與幻覺一直是AIGC的首先要解決的問題。AI換臉視頻的形成，關(guān)鍵在于個人信息的泄露，而當人臉信息被惡意使用時，對于各種系統(tǒng)安全、金融安全、個人隱私等問題形成連鎖反應(yīng)。據(jù)悉，AIGC的快速發(fā)展已經(jīng)引發(fā)了黑灰產(chǎn)的新一輪的攻擊，利用AI換臉、批量生成版權(quán)內(nèi)容套現(xiàn)獲利等問題頻發(fā)。
以前，東南亞詐騙團伙利用病毒去獲取用戶信息，做成視頻去欺騙銀行，獲得一些轉(zhuǎn)賬或者是貸款的問題，整個系統(tǒng)非常成熟?，F(xiàn)在，有人可以基于人臉合成、擬聲等AI技術(shù)進行臉部替換，并結(jié)合表情驅(qū)動做出眨眼、張嘴等動作來構(gòu)造虛假的人臉視頻，同時通過攝像頭劫持進行攻擊。
AIGC可以帶來繽紛多彩的世界，但其對安全的刁難又該如何化解？
用大模型對抗大模型
面對AIGC帶來的震撼，李濤也感慨道：通過完全虛擬構(gòu)建展示真實場景，在未來這種“真實”與“虛擬”的界限模糊，讓我們不得不去思考：在AI時代，我們應(yīng)該如何定義和理解真實與虛擬。
大模型對于模擬對象的了解已經(jīng)達到很高的程度，對于以往的偽造內(nèi)容，現(xiàn)有檢測系統(tǒng)的檢測準確率可以達到90%以上，但是對基于大模型生成的內(nèi)容，其檢測效果并不好。
但現(xiàn)在有一個明確的思路，就是用大模型對抗大模型。
黃澤豐表示，想要鑒別AI視頻詐騙，首先要確保設(shè)備是否處在安全的系統(tǒng)環(huán)境里，例如系統(tǒng)可能被解鎖、篡改、重置、“雙開”等等。
但是，現(xiàn)在AI對AI，這種檢測更難，除了前端要這樣做檢測，后端就要以同樣的模型來檢測不同的動作，或者是更多的信息維度。
無論AI如何模擬，由于AIGC是通過算法和模型生成的，它們往往具有一些特定的模式或特征，AIGC終究會在人類面前露出馬腳。利用AI的深度學(xué)習技術(shù)，我們可以訓(xùn)練模型來識別這些特征，從而判斷一段內(nèi)容是否是由AI生成的。
當然，AIGC內(nèi)容安全新挑戰(zhàn)不僅體現(xiàn)在“天文級”的數(shù)據(jù)體量，處理的內(nèi)容也更加復(fù)雜。在內(nèi)容生成階段，新型AI偽造、虛假、違背倫理、不適內(nèi)容、未成年人等違規(guī)內(nèi)容，以及AI問答產(chǎn)生專業(yè)性內(nèi)容，都超出傳統(tǒng)內(nèi)容風控的范疇。
作為安全領(lǐng)域的專家，黃澤豐認為AIGC的鑒別不會是100%準確。目前，AIGC在一些細節(jié)上還是有很大的特征，例如AI渲染過的圖經(jīng)常會有一些沒有邏輯的。但有時候，AIGC內(nèi)容還會經(jīng)過二次修改，比如文章和代碼，這樣情況就會很難去鑒別。
但有思路就要有嘗試。
獵云網(wǎng)了解到，螞蟻數(shù)科有一支ZOLOZ“數(shù)字身份打假隊”，專注于辨別數(shù)字身份欺詐。據(jù)介紹，數(shù)字身份打假隊早在2020年就在儲備用AIGC打敗AIGC這項防御能力，而在當時，這樣的真實攻擊并不多見。于是，他們同樣用“左右手互搏”的方式打磨系統(tǒng)。先用AIGC 批量生成虛擬人臉，再利用生成的樣本來攻擊自己，從而不斷地優(yōu)化防御能力。
面對AI詐騙這類人臉合成攻擊，騰訊云慧眼也用AI打敗AI，其開發(fā)的遠近活模式，相比傳統(tǒng)的活體檢測技術(shù)，遠近活體通過對交互過程中人臉的形變信息建模，并對交互行為進行分析，從而分辨出是真人還是攻擊，能夠有效檢測并攔截新型 AIGC 攻擊以及高清紙片、翻拍、面具等常見攻擊。
作為安全廠商，360最新上線了360安全大模型，其中提出了“以模治?！钡姆桨?，即采用“小模型”的技術(shù)保障大模型安全的技術(shù)路線。
在產(chǎn)業(yè)界，用魔法打敗魔法的思路已經(jīng)被推廣。作為AI檢測與安全領(lǐng)域的技術(shù)服務(wù)商們，不只在鉆研，也在持續(xù)向外界賦能，AIGC的標簽也不會只隱藏在暗處。
AIGC主導(dǎo)的世界
給AIGC內(nèi)容打上標簽，更多的是無奈，而AI被濫用已經(jīng)不是新鮮事了，當下AI被濫用情況急需被遏止。
如今，安全行業(yè)圍繞AI的攻擊和防御一直是個業(yè)界焦點。在黑灰產(chǎn)產(chǎn)業(yè)化、鏈條化的分工模式下，應(yīng)用AI發(fā)起安全攻擊的門檻越來越低。
當AIGC的能力逐漸增強，大模型高效泛化內(nèi)容生成的特點，會讓黑客以更低的門檻和成本，發(fā)動更密集的攻擊。相比較而言，防守需要更縝密的邏輯關(guān)聯(lián)，更精準的溯源能力。在新技術(shù)的實踐落地過程中，成本效率將會經(jīng)歷更嚴峻的考驗周期。
但也不是所有事情都需要去鑒別是否由AI生成，不是因為有時候AI也“無能為力”，而是AIGC是挑戰(zhàn)也是機遇。
當AI作為輔助時，人類生產(chǎn)效率的可觀提升，被視為一場生產(chǎn)力的變革。多模態(tài)的AIGC技術(shù)可以超越人類原有的表現(xiàn)形式去創(chuàng)造新的表現(xiàn)形式，自動化生成大量內(nèi)容，不僅可以節(jié)省人力和時間成本，對于嚴謹?shù)膶I(yè)領(lǐng)域的內(nèi)容可以減少或消除誤差。
但無論內(nèi)容是AI創(chuàng)造的，還是人創(chuàng)造的，這個內(nèi)容對社會有用，它就是有意義的；如果說信息有害，無論是人的創(chuàng)造還是AIGC的創(chuàng)造，都需要去鑒別出來。
國內(nèi)某網(wǎng)文平臺編輯告訴獵云網(wǎng)，“AI寫小說在四五年前就有了，只不過這類文章很難達到簽約標準，從質(zhì)量上一眼就能看出來，并且目前還沒聽說哪一本AI寫的書出了不錯的成績。” AI可以加速稿件更新進度，提高作者效率，但只要文章的反饋好，誰還會在意它是怎么生成的呢？
但用AIGC去偽造內(nèi)容，本身就是一條歧路。AIGC內(nèi)容的版權(quán)風險，幾乎成為共識，畢竟這個生產(chǎn)過程，也是學(xué)習過程，人類的學(xué)習也離不開初期的模仿。
對于內(nèi)容是否由AI主導(dǎo)要因地制宜，多數(shù)觀點認為還是要給AI發(fā)揮的土壤。