首页行业分类人工智能AI2023-06-26-浙商证券--AI安全系列:以子之矛,攻子之盾-从deepfakes深度伪造技术看AI安全
PDF

2023-06-26-浙商证券--AI安全系列:以子之矛,攻子之盾-从deepfakes深度伪造技术看AI安全

n********e53页4.29M

下载文档
/53
全屏查看
2023-06-26-浙商证券--AI安全系列:以子之矛,攻子之盾-从deepfakes深度伪造技术看AI安全
还有 53 页未读 ,您可以 继续阅读 或 下载文档
报告派所有资源均由用户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
1、本文档共计 53 页,下载后文档不带水印,支持完整阅读内容或进行编辑。
2、当您下载文档后,并不意味着拥有了版权,文档仅供网友学习交流,不得用于其他商业用途。
3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!
4、本本所有内容不构成任何投资建议,不具有任何指导和买卖意见。
5、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。
摘要浙商证券股份有限公司1、Deepfakes技术始于2014年,随着Al大模型能力的提升关注度持续增高Deepfakes定义可分为广义和狭义两个层次,其中广义上指利用了以生成对抗网络技术(GAN)为主体的深度学习技术制造的2、生成式Al模型是Deepfakes的技术基础,而人脸伪造技术是deepfakes的一个重要分支生成式A!是深度学习的一个分支,根据生成内容的类别,生成式A模里可进一步被分为生成式语言模型和生成式图片模型。而随着多模态模型的应用逐步深入,生成式AI模里也开始向多模态方向发展。目前主流生成式Al模型包括VAE、GAN、diffusion模型等,stable diffusion模型的发布再次使得生成式A的输出质量大幅提升。人脸伪造技术是deepfakes的一个重要分支,可被进一步划分为有目标可视身份伪造和无目标可视身份伪造,其中有目标可视身份伪造技术已经在俄乌冲突中有所应用。3、生成式A技术的迭代增加伪造图片的真实度,同时增大AIGC识别难度考虑到:1)数据层面,可供训练的数据集规模扩大,带来模型效果的大幅提升:2)算法层面,算法框架的迭代与组合,.使得模型训练更加高效、稳定;3)算方层面,算力水平的提升,助力更加高效的复杂模型训陈,A伪造图片的真实度不断增加,使得识别难度增大,带来的潜在风险提升。4、反A1生成市场空间约64亿元针对A生成图像可能带来的风险,各国政府陆续推出政策加以约束。根据我们测算,反八1生成市场空间约64亿元,其中监管侧44亿元,企业侧20亿元。5、部分反AI生成相关公司上市公司:美亚柏科、东方通2非上市公司:瑞莱智慧、中科客鉴、llluminarty(海外)、Al Voice Detector(海外)、Google(海外)