インシデント 800: translated-ja-53% of American and British Businesses Report Attacks by AI-Powered Deepfake Scams in 2024
概要: translated-ja-According to Medius, Deepfake scams have targeted 53% of businesses in the U.S. and U.K., with 43% falling victim. Using AI to create realistic fake videos and audio of corporate executives, scammers have successfully stolen millions, including $25 million from British engineering group Arup.
Alleged: Unknown deepfake technology developers developed an AI system deployed by Unknown scammers と Unknown deepfake creators, which harmed American businesses , British businesses , Finance professionals , Employees と Arup.
インシデントのステータス
Risk Subdomain
A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
4.3. Fraud, scams, and targeted manipulation
Risk Domain
The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
- Malicious Actors & Misuse
Entity
Which, if any, entity is presented as the main cause of the risk
Human
Timing
The stage in the AI lifecycle at which the risk is presented as occurring
Post-deployment
Intent
Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
Intentional
インシデントレポート
レポートタイムライン
Loading...
- 金融ソフトウェアプロバイダーのメディウスによる調査によると、米国と英国の企業の半数以上（53%）が「ディープフェイク」技術を利用した金融詐欺の標的となり、43%がそのような攻撃の被害者となっている。
- メディウスが調査した米国と英国の金融専門家1,533人のうち、85%がそのような詐欺を組織の財務セキュリティに対する「実存的」脅威と見なしていると、先月発表された調査結果に関するレポートで示されている。ディープフェイクとは、人工知能によって操作された、偽物でありながら説得力のあ…
Loading...
ディープフェイク技術が進化するにつれ、フィッシング攻撃の種類と巧妙さはますます増加しています。組織は、重大な経済的損失や評判の失墜につながる可能性のあるディープフェイク攻撃からどのように身を守るべきか疑問に思うかもしれません。
Reality Defender はディープフェイク問題への取り組みに尽力しており、その方法を紹介する 2 つの無料リソースを提供しています。
ニューヨークのディープフェイク検出会社によるダウンロード可能な ケース スタディ では、世界最大の金融機関の…
バリアント
「バリアント」は既存のAIインシデントと同じ原因要素を共有し、同様な被害を引き起こし、同じ知的システムを含んだインシデントです。バリアントは完全に独立したインシデントとしてインデックスするのではなく、データベースに最初に投稿された同様なインシデントの元にインシデントのバリエーションとして一覧します。インシデントデータベースの他の投稿タイプとは違い、バリアントではインシデントデータベース以外の根拠のレポートは要求されません。詳細についてはこの研究論文を参照してください
似たようなものを見つけましたか？
