Einleitung
ETH Zürich hat eine Sensortechnologie entwickelt, die Deepfakes, künstlich hergestellte Bilder und Audios, erkennt und gegen die Flut von unechten Daten vorscheren kann. Diese Technologie signiert die Bilder, Videos und Audiosignale direkt bei der Aufnahme in einem Sensorchip.
Deepfakes und ihre Bedrohung
Deepfakes sind mit Künstliche Intelligenz (KI) erzeugte oder stark manipulierte Bilder, Videos und Audios. Diese Fälschungen haben in der digitalen Welt eine zunehmende Bedeutung und können Menschen täuschen, insbesondere in Krisengebieten oder bei Politikern, die Fälschungen ausnutzen.
Der Ansatz der ETH Zürich
ETH Zürich betont, dass eine solche Technologie für die Demokratie und Gesellschaft notwendig ist. Der Ansatz der Forscher besteht darin, die Bilder, Videos und Audiosignale direkt bei der Aufnahme in einem Sensorchip kryptografisch zu signieren. Dies macht es möglich, die Originalität der Daten zu überprüfen.
Bestehende Technologien
Obwohl andere Geräte mittlerweile eine Verifikationsmethode namens C2PA (Coalition for Content Provenance and Authenticity) nutzen, sind diese Technologien nur annähernd effektiv. Einige Kameras und Handys von Sony, Nikon und Leica unterstützen diese Methode. Auch das Leitzphone, das mit Xiaomi gemeinsam entwickelt wurde, hat eine Authentizitätsfunktion. Der Snapdragon 8 Elite Gen 5 Chip von Qualcomm, der in Samsung-Smartphones und Handys von Xiaomi verwendet wird, versieht originale A/V-Aufnahmen mit einem kryptografischen Zertifikat und einer digitalen Signatur.
Kritik an Deepfakes
Die Verbreitung von Deepfakes auf Onlineplattformen hat gravierende Konsequenzen. Menschen beginnen, Quellen zu misstrauen, wenn sie sich täuschen. Das Weltwirtschaftsforum (WEF) zählt KI-erzeugte Fehlinformationen und synthetische Medien zu den drängendsten globalen Bedrohungen.
Zusammenfassung
ETH Zürich hat eine Sensortechnologie entwickelt, die Deepfakes erkennt und gegen die Flut von unechten Daten vorscheren kann. Diese Technologie signiert die Daten direkt bei der Aufnahme und ist effektiver als bestehende Methoden. Es ist jedoch wichtig, dass diese Technologie in den Massengeräten integriert wird, um die Bedrohung von Deepfakes zu bekämpfen.
Kommentare