Les cyberattaques continuent d’augmenter et représentent une menace sérieuse pour la sécurité des entreprises et des utilisateurs. Selon un rapport de Cybersecurity Ventures, le coût des dommages liés à la cybercriminalité devrait atteindre 265 000 milliards de dollars par an d’ici 2031. Dans ce contexte, il est essentiel de renforcer la sécurité des applications et des plateformes que nous utilisons au quotidien.
Des techniques avancées pour lutter contre les deepfakes
Dans le domaine de la vérification de l’identité numérique, il existe actuellement deux vecteurs d’attaque : les attaques de présentation (PAD) et les attaques par injection (IAD). Tout d’abord, afin de garantir que la technologie de détection des attaques de présentation réponde aux standards de pointe, il est indispensable de disposer de certifications telles que iBeta Niveau 1 et iBeta Niveau 2, ou encore d’être bien positionné dans le classement NIST FATE PAD.
En revanche, le vecteur d’attaque des deepfakes est plus complexe. Pour qu’une attaque de ce type ait lieu, elle doit être réalisée au moyen d’une attaque par injection. Actuellement, dans le cadre du groupe de travail CEN TC 224/WG18 « Biometric data injection detection », des travaux sont en cours pour élaborer une norme ISO spécifique à ce type de menace ; à ce jour, ce vecteur d’attaque ne dispose pas encore d’un schéma de certification de référence. Cela s’explique par le fait que l’injection d’images ou de vidéos affecte à la fois le matériel et le logiciel utilisés pour capturer les preuves de vérification d’identité numérique. C’est pourquoi il est courant de voir des approches qui abordent le problème à travers plusieurs couches de sécurité :
- Techniques visant à protéger la sécurité et l’intégrité des logiciels et du matériel utilisés pour capturer et transmettre les preuves (cybersécurité).
- Techniques d’évaluation de l’intégrité des données, par exemple grâce à l’implémentation de filigranes ou à l’analyse de l’origine de l’échantillon biométrique.
- Techniques d’analyse forensique des images, qui visent à détecter des indices suggérant une injection d’images ou de vidéos.
- Techniques d’intelligence artificielle pour la détection des deepfakes ou de l’usurpation faciale.
Facephi, garantir la sécurité
Chez Facephi, nous appliquons une stratégie de sécurité multicouche, en utilisant l’intelligence artificielle pour améliorer la précision et l’efficacité du processus de vérification d’identité. Les algorithmes d’apprentissage automatique permettent de détecter et de prévenir la fraude et le vol d’identité. Nous ne nous concentrons pas uniquement sur la détection des deepfakes, mais nous évaluons également l’ensemble du processus de capture, de traitement et d’analyse de l’image. Cela inclut une cybersécurité robuste, l’intégrité des données et l’analyse d’images basée sur l’intelligence artificielle.