《攻殼機動隊》描述了大量機器技術深入發展的時代的犯罪形態,
而早在《2010太空漫遊》,
新如《異形:契約》中也都有大量對“不友好”的人工智慧的描述。
當然這些都是對發展人工智慧的風險的揣測,
但其實在初期人工智慧作為一種工具。
雖然工具“本無善惡”,
但當強大的人工智慧為惡人掌握的時候,
其“惡能”也更為強大
AI 開始進入我們的生活, 棲息在智慧音箱或者手機裡的它們, 是能夠給你放音樂、陪聊天的助手, 而在互聯網的灰色地帶裡, 它們也正成為犯罪分子的幫兇。
關於上述案件的詳細介紹老男孩如下文:今年 9 月,
為什麼 AI 會先學習識別驗證碼?
一般而言, 黑產最初盜取的帳號密碼資訊往往是「粗糙」的。 但由於人們的同一個郵箱, 通常也是多個網站的登陸帳號, 同樣的密碼往往也在多個網站使用。 因此黑產會通過利用已有的帳號密碼資訊, 去批量嘗試這些帳號密碼能否在更多不同的平臺上登陸。 (所以真的不要在多個網站使用同樣的密碼)這個過程被稱為「撞庫」,
當我們登陸網站、提交資訊時, 總能遇上驗證步驟,
網路黑產撞庫時, 與打碼平臺是這樣合作的:首先黑產把已竊取的帳號密碼資訊導入到撞庫軟體,
早期的打碼平臺, 是通過眾包讓分佈在各地電腦前的打碼小工來完成的。 後來進化到了「人工 + OCR 降維識別圖片」。 隨著互聯網公司對驗證碼識別難度的升級, 「人工 + OCR 降維識別圖片」的識別率在降低, 因此像「快啊」這樣的打碼平臺就開始運用 AI 技術訓練機器, 提高識別驗證碼的精度和效率。
隨著安全防護與破解入侵兩方面的抗衡日益升級, 驗證碼的難度在增加, 形式也在多樣化。 從簡單的字母數位、算術題, 到扭曲的字元、模糊的圖片, 這些被歸類為知識性驗證碼;如今新一代的驗證碼已經開始向無知識型進化, 例如 Google 的 reCAPTCHA, 某些網站需要拖動滑條的驗證步驟。
機器學習的發展, 讓字母、數位組成的知識性驗證碼被識別和破解的風險日漸增大, 但這種驗證碼, 依然是主流。 據警方公佈, 這次抓捕的團夥所使用和訓練的 AI, 已經能夠識別出 98% 以上的驗證碼。
中國互聯網協會發佈的《中國網名權益保護調查報告 2016》顯示, 在 2016 年, 我國 6.88 億線民因詐騙短信、資訊洩露等造成的經濟損失約為 915 億元。 全國平均每個人的個人資訊至少被洩露了 5 次。