Nos últimos anos, a tecnologia de deepfake ganhou o centro das atenções devido ao seu potencial em criar imagens e vídeos realistas. O termo deepfake vem de deep learning (aprendizado profundo) e fake (falso), em que se refere a vídeos, áudios e imagens modificados com o auxílio de inteligência artificial e machine learning para parecerem reais — no caso, uma simulação de que determinada pessoa está dizendo ou fazendo algo que não fez.
Esse avanço digital tornou-se preocupante devido à sua aplicação e as consequências para impulsionar ainda mais o cenário de fraudes e golpes — tanto que as organizações cravaram uma “corrida” para estarem à frente dos fraudadores, já que os deepfakes generativos habilitados por IA incorporam um sistema de “autoaprendizagem” que verifica e atualiza constantemente sua capacidade de enganar sistemas de detecção baseados em computador. Além disso, conforme reportagem da Bloomberg, já existe uma indústria na dark web que vende softwares fraudulentos, em que o preço varia de US$ 20 a milhares de dólares.
Com essa “democratização” dos softwares e a pronta disponibilidade de novas ferramentas de IA generativas, a tecnologia deepfake torna a fraude muito mais fácil e barata de ser realizada; e, neste cenário, empresas de diferentes segmentos estão investindo em soluções que vão além do reconhecimento facial, mas que, junto a outras ferramentas, adicione uma camada a mais de segurança para mitigar as deepfakes.
Veja: Entenda a relação entre deepfake e reconhecimento facial
Principais fraudes com uso de deepfake
Detectar uma deepfake é cada vez mais complexo, já que o material manipulado está cada vez mais sofisticado. Métodos tradicionais, como a análise de luminosidade, intensidade da voz, movimentação dos lábios e montagem do cenário, têm se mostrado menos eficazes à medida que as técnicas de deepfake avançam.
No cenário brasileiro, há diferentes tipos de ataques com a aplicação de deepfake, mas os dois tipos em que observamos maior incidência são:
Criação de usuário e documentos com dados sintéticos
Nesse caso, o fraudador cria um documento totalmente sintético, em que utiliza fotos de pessoas reais ou gera novas faces. Além disso, obtém dados verdadeiros de pessoas reais, que podem ser extraídos da internet ou de bancos de dados vazados. A partir de todas essas informações, com o apoio de ferramentas que gerem deepfakes e/ ou Photoshop, o fraudador consegue criar faces e documentos sintéticos, tornando a fraude mais convincente e difícil de detectar.
Documento verdadeiro + selfie manipulada
Aqui o golpista tem acesso a um documento verdadeiro e, com as informações ali presentes, procura por mais dados online da vítima, com o intuito de gerar novas selfies daquele usuário a partir de ferramentas que geram deepfakes, e, consequentemente, consiga passar por novos reconhecimentos faciais no momento da fraude.
Por isso, somente a biometria facial não soluciona a crescente de fraudes, é preciso combinar diferentes funcionalidades para aumentar a segurança do usuário e das empresas.
Leia também: Segurança inteligente: como unir tecnologia e estratégia de gestão de identidade
Quais tecnologias são assertivas para frear o avanço das deepfakes?
O caminho mais assertivo para mitigar fraudes ocasionadas por deepfakes é ter um processo holístico, em que a empresa consiga combinar diferentes camadas de tecnologias avançadas e processos rigorosos com o objetivo de promover segurança robusta em todas as etapas do processo de validação de identidade. Para isso, dentro do processo de validação de identidade da idwall, foram implementados algumas tecnologias e métodos, como:
Machine Learning e IA
Desde a sua fundação, a idwall utiliza estas tecnologias, em que modelos são atualizados frequentemente para acompanhar as últimas técnicas de fraude e captar qualquer inconsistência apresentada em deepfakes.
Laboratório de Prevenção a Fraudes
A partir de uma equipe multidisciplinar com foco em Data Science, Machine Learning e IA Generativa, diariamente trabalhamos com foco em descobrir novos tipos de fraude para aprimorar nossos modelos de detecção.
Controle de Envio via SDK
Utilizamos SDK com controle de captura em tempo real, dificultando o uso de imagens geradas ou manipuladas. Esse controle garante que as selfies e documentos sejam capturados ao vivo, reduzindo a possibilidade de inserção de deepfakes.
Liveness Capture e Liveness Detection
Há duas formas de validação:
- Liveness Capture: exige a interação do usuário, solicitando ações específicas no momento da captura;
- Liveness Detection: analisa características sutis e invariáveis durante a captura, complementando a detecção ativa com uma camada adicional de segurança — que o torna mais eficiente dentre outras ferramentas quando pensamos em deepfakes.
Verificação da Integridade do dispositivo
É possível monitorar a integridade dos dispositivos utilizados no processo de validação para identificar e bloquear tentativas de fraude que envolvam emulação e injeção de imagens. Essa funcionalidade é possível por meio do Marketplace da idwall.
Ecossistema de identidade digital idwall
Diante do avanço das fraudes de identidade e deepfakes, as empresas precisam de soluções que sejam práticas, integradas e escaláveis para acompanhar essa evolução e garantir a confiabilidade de seus processos.
A partir do Ecossistema idwall, as empresas podem agregar aos seus fluxos de validação de identidade diversas soluções do mercado — seja da própria idwall, de parceiros, ou de terceiros — em uma mesma plataforma, tanto por meio do Marketplace, como pela inserção de outra ferramenta via Integração Customizada.
Para entender melhor o papel do nosso Ecossistema na prevenção de deepfakes e demais fraudes de identidade, entre em contato com os nossos especialistas.