لینکدین از ردیاب تصویر هوش مصنوعی برای شناسایی پروفایل های جعلی رونمایی کرد

رسانه های اجتماعی کوچک ترین عالم جامعه ما هستند. و همانطور که دنیای واقعی خطرات خود را دارد، رسانه های اجتماعی نیز عاری از آنها نیستند. یکی از این خطرات مشکل پروفایل های جعلی است. پروفایل های جعلی عمیقاً مشکل ساز هستند زیرا نه تنها سایر کاربران را در مورد اصالت شخص پشت نمایه سردرگم می کنند، بلکه هویت بسیاری از افراد از این طریق به سرقت رفته است. و هنگامی که چنین حوادثی در فضای حرفه ای مانند لینکدین رخ می دهد، جدیت وضعیت چندین برابر می شود. برای جلوگیری از چنین مشکلاتی، پلتفرم رسانه‌های اجتماعی ابزار هوش مصنوعی جدیدی را معرفی کرده است که می‌تواند تصاویر پروفایل جعلی را بگیرد و خطر انتشار چنین حساب‌هایی را در پلتفرم کاهش دهد.

لینکدین در یک پست وبلاگی با اعلام ابزار جدید هوش مصنوعی گفت: “برای محافظت از اعضا در برابر تعاملات غیراصولی آنلاین، بسیار مهم است که جامعه پزشکی قانونی تکنیک های قابل اعتمادی را برای تشخیص افراد واقعی از مصنوعی ایجاد کند که می توانند در شبکه های بزرگ صدها میلیون کاربر روزانه کار کنند. “. ابزار جدید می‌تواند تصاویر پروفایل جعلی را با دقت 99.6 درصد بگیرد، اگرچه نرخ مثبت کاذب آن 1 درصد است.

ابزار هوش مصنوعی برای کاهش پروفایل های جعلی لینکدین

لینکدین با دانشگاه همکاری کرد تا ابزار تشخیص خود را بسازد، که به دقت عکس های نمایه را بررسی می کند و تشخیص می دهد که آیا عکسی در چندین پروفایل استفاده شده است یا خیر. این ابزار تصاویری را که با استفاده از تکنیک هوش مصنوعی به نام شبکه متخاصم مولد (GAN) ایجاد شده اند را شکار می کند. این تصاویر را با استفاده از تعداد زیادی ویژگی شناسایی می‌کند که به دنبال بی‌نظمی‌های ساختاری در صورت هستند که معمولاً در تصاویر تولید شده توسط هوش مصنوعی وجود ندارند.

این ابزار از دو تکنیک خاص برای آموزش مدل استفاده می کند. اولی یک جاسازی خطی آموخته شده بر اساس تجزیه و تحلیل مؤلفه اصلی (PCA) و دومی یک تعبیه مبتنی بر رمزگذار خودکار (AE) است.

این نشریه ذکر می‌کند: «هدف جاسازی مبتنی بر فوریه این است که نشان دهد تعبیه کلی برای تشخیص چهره‌های سنتز شده از چهره‌های عکس‌برداری شده کافی نیست و جاسازی‌های آموخته‌شده برای استخراج بازنمایی‌های توصیفی کافی ضروری هستند.»

هدف این ابزار کاهش بروز پروفایل های جعلی است که به عنوان افراد تأثیرگذار به منظور کلاهبرداری یا آسیب رساندن به کاربر دیگر ظاهر می شوند.