该项新调查还显示,消费者仍高估了自己识别深度伪造的能力,并希望政府采取更多措施来监管人工智能

美国加利福尼亚州森尼韦尔 — 2024 年 5 月 14 日 — 领先的自动化、人工智能驱动的身份验证、风险评估和合规解决方案提供商Jumio今天发布了“Jumio 2024 在线身份研究报告”,这是其年度全球消费者调研的第三部分。今年的调研结论显示出消费者对生成式人工智能和深度伪造相关风险的极大担忧,包括网络犯罪和身份欺诈增加的可能性。
该研究调查了来自英国、美国、新加坡和墨西哥的8,000多名成年消费者的观点。研究结果表明,近四分之三的消费者(72%)每天都担心被深度伪造欺骗,从而泄露敏感信息或被骗金钱。只有15%的全球消费者(新加坡只有7%)表示他们从未遇到过深度伪造的视频、音频或图像。

尽管人们对这种日益兴起且不断发展的技术感到高度焦虑,但消费者仍然高估了自己识别深度伪造的能力,60%的受访者相信他们可以检测到深度伪造,这一比例高于2023年的52%。在新加坡,这一数字高达77%。在全球范围内,男性受访者对自己识别深度伪造的能力更有信心(男性占66%,女性占55%),其中18-34岁的男性受访者表现出最强的信心(75%),而35-54岁的女性受访者最不自信(52%)。
Jumio首席技术官Stuart Wells表示:“随着生成式人工智能技术的进步,深度伪造的发生频率持续上升,这表明我们检测这些欺骗行为的整体能力还存在巨大差距。这种持续的过度自信更反映出加强公共教育和使用更有效的技术解决方案的必要性。企业和消费者必须合作强化数字安全措施,以有效防止身份欺诈。”
绝大多数(60%)的消费者呼吁政府加强对人工智能的监管以应对这些问题。然而,对政府监管的信任程度在全球各地各不相同,69%的新加坡人表示相信政府监管人工智能的能力,而英国仅为26%,美国为31%,墨西哥为44%。
网络欺诈的真实成本
欺诈是全球很多消费者都十分熟悉的问题,68%的受访者表示,他们遭受过或怀疑自己曾经遭受网络欺诈或身份盗窃,或者他们认识受到过欺诈的人。美国消费者最有可能直接成为欺诈的受害者(39%),无论是明知还是怀疑,而新加坡是报告认识受害者最多的国家(51%)。
在遭受或怀疑遭受网络欺诈或身份盗窃的消费者中,近一半(46%)的人表示这种经历只是带来了轻微的不便,但是32%的人表示这种经历造成了严重的问题,需要花费数小时的操作才能解决,14%的人甚至称之为一次痛苦的经历。
无论是否成为欺诈或身份盗窃的受害者,大多数消费者每天都担心成为数据泄露(79%)和账户接管攻击(77%)的受害者。

平衡身份验证的安全性和用户体验
对于希望保护自身安全并确保用户真实性的公司来说,身份验证是解决方案的关键部分。超过80%的新加坡消费者表示,如果这些措施能够提高金融服务(85%)、共享经济 (85%)、医疗健康(85%)、政府事务(84%)、旅游和酒店(84%)、零售和电子商务(83%)、社交媒体(82%)和电信(82%)等行业的安全性,他们愿意花更多时间进行身份验证。
在创建新的在线帐户时,全球消费者表示,拍摄身份证件照片和实时自拍照将是最准确的身份验证方式(21%),创建安全密码次之(19%)。
Jumio数字身份主管 Philipp Pointner表示: “在我们应对生成式人工智能带来的复杂性时,复杂的安全系统的作用变得至关重要。为了应对深度伪造和网络欺骗的兴起,采用基于生物特征的多模态验证系统势在必行。这些技术是确保企业能够保护其平台和客户免受新兴网络威胁的关键,并且比密码和其他传统的、过时的识别和身份验证方法要强大得多。”
点击查看更多数据和见解:https://www.jumio.com/2024-identity-study。
这项调查由Censuswide进行,参与调研的8,077名消费者平均分布在英国、美国、新加坡和墨西哥。实地调查于2024年3月25日至4月2日进行。Censuswide遵守并聘用了市场研究协会的成员,并遵循基于ESOMAR原则的MRS行为准则,同时他们也是英国民意调查委员会的成员。
好文章,需要你的鼓励
Python通过PEP 810提案正式引入惰性导入功能,允许程序延迟加载导入库直到实际需要时才执行,而非在启动时全部加载。该提案由指导委员会成员Pablo Salgado于10月3日提出并于11月3日获批。新功能采用选择性加入方式,保持向后兼容性的同时解决了社区长期面临的启动时间过长问题,标准化了当前分散的自定义解决方案。
Meta FAIR团队发布的CWM是首个将"世界模型"概念引入代码生成的32亿参数开源模型。与传统只学习静态代码的AI不同,CWM通过学习Python执行轨迹和Docker环境交互,真正理解代码运行过程。在SWE-bench等重要测试中表现卓越,为AI编程助手的发展开辟了新方向。
Valve最新Steam硬件软件调查显示,Linux用户占比达到3.05%,较上月增长0.37个百分点,相比去年同期增长约50%。游戏网站Boiling Steam分析显示,Windows游戏在Linux平台兼容性达历史最高水平,近90%的Windows游戏能在Linux上启动运行,仅约10%游戏无法启动。
卡内基梅隆大学研究团队发现AI训练中的"繁荣-崩溃"现象,揭示陈旧数据蕴含丰富信息但被传统方法错误屏蔽。他们提出M2PO方法,通过改进数据筛选策略,使模型即使用256步前的陈旧数据也能达到最新数据的训练效果,准确率最高提升11.2%,为大规模异步AI训练开辟新途径。