Uma máscara pode ser engraçada, assustadora, fantástica ou assustadoramente precisa. No Halloween, qualquer uma dessas máscaras é aceitável - e divertida, mas quando se trata de saber com quem você está interagindo no mundo digital - onde máscaras podem ser trocadas ou mudadas em um instante - e a que elas têm acesso, todas as máscaras devem ser removidas.
Está se tornando cada vez mais difícil distinguir quem é ou não um ator mal-intencionado. Personagens suspeitos não podem mais ser identificados apenas como aqueles que enviam e-mails com links falsos e más intenções. Eles são indivíduos que podem, com muita habilidade, ocultar sua verdadeira identidade com a de outra pessoa. Hackers estão empregando cada vez mais deepfakes, ou manipulações realistas de uma semelhança ou voz assumida, para obter acesso a sistemas e informações protegidos.
Deepfakes como serviço permitem até mesmo atores fraudulentos menos avançados a imitar uma vítima de forma quase perfeita. Essa progressão torna todos os tipos de fraude, desde chantagens individuais até fraudes de corporações inteiras, significativamente mais difíceis de detectar e defender. Com a ajuda de Redes Adversariais Generativas (GANs), até mesmo uma única imagem de um indivíduo pode ser suficiente para que golpistas produzam um deepfake convincente daquela pessoa.
Embora queiramos acreditar que ferramentas de autenticação de usuários possam instantaneamente detectar um deepfake, isso nem sempre é o caso. Dada a sua ascensão em sofisticação, certas formas de autenticação de usuários podem ser enganadas por um competente fraudador de deepfake. Para se defender melhor contra deepfakes, as organizações precisam empregar ferramentas de IA especializadas para identificar os sinais sutis, mas característicos, de uma imagem ou voz manipulada.
É hora de desmascarar os fraudadores e recuperar nossa confiança nas ferramentas de autenticação de usuários e protocolos de segurança. À medida que os fraudadores aumentam suas habilidades com deepfakes, é hora de os bons também fazerem o mesmo.