جعل هویت الگوریتمی؛ نفوذ شخصیت‌های مصنوعی هوش مصنوعی به بانک‌ها

در دنیای سایبری، پدیده جعل هویت از کپی کردن پاسپورت‌های کاغذی یا دست‌کاری مدارک فیزیکی، به سمت خلق انسان‌های کاملاً مجازی و الگوریتمی تغییر کرده. هکرهای حرفه‌ای از تکنیک پیچیده‌ای به نام جعل هویت ترکیبی (Synthetic Identity Theft) برای دور زدن پیشرفته‌ترین سیستم‌های امنیتی استفاده می‌کنند. در این روش، دیگر یک هویت واقعی به طور کامل سرقت نمی‌شود، بلکه اجزای مختلف اطلاعاتی با یکدیگر ترکیب می‌شوند تا موادی جدید برای دور زدن فیلترها و پروتکل‌های اعتبارسنجی شبکه ایجاد نمایند.

سازوکار خلق انسان‌های سایبری در تاریک‌وب

در این روش پیشرفته، یک شماره ملی واقعی از وب تاریک (Dark Web) خریداری شده و با یک نام جعلی و یک چهره تولیدشده توسط پردازش‌های ماشینی ترکیب می‌گردد. این موجود جدید در هیچ کجای دنیای واقعی وجود خارجی ندارد، اما در پرونده‌های دیجیتالی یک شهروند کاملاً بی‌نقص و معتبر به نظر می‌رسد. هویت‌های ترکیبی پایه و اساس کلاهبرداری‌های مدرن را تشکلیل می‌دهند. آن‌ها بدون اینکه شاکی حقیقی داشته باشند، در سیستم‌های آنلاین پذیرفته می‌شوند؛ زیرا کدهای شناسایی آن‌ها متعلق به اشخاصی است که معمولاً متوجه سوءاستفاده نمی‌شوند.

این پرونده‌های ساخته‌شده شروع به افتتاح حساب‌های بانکی، دریافت کارت‌های اعتباری و خرید خودرو به صورت اقساطی در پلتفرم‌های مختلف می‌کنند. از آنجا که هیچ شاکی خصوصی و حقیقی با این مشخصات وجود ندارد، بانک‌ها تا ماه‌ها متوجه وقوع کلاهبرداری نمی‌شوند و اعتبار گسترده‌ای به آن‌ها تخصیص می‌دهند. کلاهبرداری دیجیتال با این روش، خسارت‌های میلیاردی به بار می‌آورد؛ زیرا هویت مصنوعی پس از دریافت حداکثر وام‌ها و تسهیلات، به یکباره ناپدید می‌شود بدون اینکه هیچ آدرس یا مدرک فیزیکی از خود بر جای بگذارد.

پارادوکس بزرگ اینجاست که این هویت‌های الگوریتمی، رفتارهایی بسیار قانون‌مندتر، منظم‌تر و تمیزتر از انسان‌های واقعی در سیستم‌های مالی از خود نشان می‌دهند. الگوریتم‌های طراحی‌شده برای آن‌ها به گونه‌ای تنظیم شده‌اند که امتیاز اعتباری (Credit Score) آن‌ها را همیشه در بالاترین سطح ممکن نگه دارند. اعتبارسنجی الگوریتمی به دلیل رفتار منظم این کدهای مصنوعی فریب می‌خورد. آن‌ها اقساط اولیه خود را به موقع پرداخت می‌کنند تا تراکنش‌های بعدی برای دریافت مبالغ بسیار بزرگ‌تر هموار گردد.

حمله سیبیل و دستکاری بازارهای مالی

این پدیده خطرناک در امنیت شبکه به عنوان حمله سیبیل (Sybil Attack) شناخته می‌شود که در آن یک سیستم هوشمند توسط هزاران هویت جعلی محاصره می‌گردد. این شبکه از موجودیت‌های مصنوعی می‌توانند بازارهای مالی، افکار عمومی و حتی نتایج نظرسنجی‌ها و انتخابات را به شدت دستکاری کنند. حمله سیبیل اعتماد عمومی به داده‌های دیجیتال را نابود می‌سازد. وقتی حجم زیادی از اکانت‌های الگوریتمی به صورت هماهنگ عمل می‌کنند، رفتارهای واقعی بازار را تحریف کرده و تصمیم‌گیری‌های کلان را دچار خطاهای محاسباتی شدید می‌کنند.

شرکت‌های بزرگ فناوری سالانه میلیاردها دلار برای ساخت الگوریتم‌های تشخیص زنده بودن (Liveness Detection) و اعتبارسنجی بیومتریک هزینه می‌کنند. این جنگ پنهان و بی‌پایان میان هوش هویت‌ساز جاعل و هوش امنیتی پلیس به صورت شبانه‌روزی در جریان است. امنیت بیومتریک سعی می‌کند با تحلیل حرکات مویرگی چهره و اسکن‌های سه بعدی، جلوی ورود چهره‌های مصنوعی را بگیرد؛ اما ابزارهای جدید با شبیه‌سازی دقیق‌تر پدیده‌های زیستی، مدام این سدهای امنیتی را یکی پس از دیگری در می‌نوردند.

هزینه‌های پنهان کاربران واقعی در شبکه

دلیل اصلی سخت و آزاردهنده شدن مراحل تایید هویت در سایت‌ها و اپلیکیشن‌های مدرن امروزی همین فعالیت‌های غیرقانونی است. شما به عنوان یک کاربر واقعی در حال پرداخت بهای سنگین جرائم هزاران انسان مصنوعی هستید که در رگ‌های شبکه پرسه می‌زنند. تایید هویت چندمرحله‌ای، اسکن‌های متوالی چهره و ارسال اسناد متعدد، همگی واکنش‌های دفاعی سیستم‌ها برای تمایز انسان واقعی از الگوریتم‌ها هستند. این ناراحتی روزمره کاربران، نتیجه مستقیم جنگی است که پشت پوسته‌های گرافیکی در جریان است.

جدول مقایسه‌ای جعل هویت سنتی و الگوریتمی

معیار مقایسهجعل هویت سنتی (فیزیکی)جعل هویت الگوریتمی (ترکیبی)
ابزار اصلیدست‌کاری پاسپورت و شناسنامه کاغذیتلفیق کدهای واقعی با چهره مصنوعی
شاکی خصوصیدارد (صاحب واقعی مدارک)معمولاً ندارد یا دیر متوجه می‌شود
سرعت مقیاس‌پذیریکند و نیازمند حضور فیزیکیآنلاین، آنی و در حجم‌های میلیونی
الگوی رفتاری مالینامنظم و همراه با ریسک بالاکاملاً منظم برای جلب اعتماد سیستم

بافتن تارهای اجتماعی برای فریب سیستم‌ها

این هویت‌های جعلی دیجیتال حتی دارای تاریخچه کاری مشخص، دوستان مجازی گسترده و اکانت‌های بسیار فعال در شبکه‌های حرفه‌ای مانند لینکدین و اینستاگرام هستند. آن‌ها تارهای یک شبکه اجتماعی واقعی را به دور خود می‌تنند تا اعتبارسنجی‌ها را فریب دهند. پروفایل‌سازی مصنوعی شامل انتشار منظم مطالب، لایک کردن فعالیت‌های دیگران و ایجاد ارتباطات کاری ساختگی است. این جزئیات باعث می‌شود سیستم‌های امنیتی هنگام استعلام سوابق اجتماعی، هیچ نقطه شکی پیدا نکرده و آنها را واقعی تلقی کنند.

اقتصاد پنهان پشت این ماجرا ابعادی غول‌آسا پیدا کرده و سود حاصل از آن، بر اساس گزارش‌های مالی، از قاچاق مواد مخدر فراتر رفته است. این یک کلاهبرداری کاملاً بدون خون‌ریزی، تمیز و بی‌صدا از درون اتاق‌های تاریک خانگی در سراسر جهان است. اقتصاد سایبری مجرمانه با کمترین هزینه و پایین‌ترین سطح ریسک فیزیکی، منابع مالی بانک‌ها و موسسات اعتباری را تاراج می‌کند. درآمد حاصل از این ساختارها دوباره صرف توسعه الگوریتم‌های پیچیده‌تر برای خنثی‌سازی ابزارهای پلیس می‌شود.

تهدید دیپ‌فیک و زوال حقیقت بیولوژیکی

با ورود فناوری دی‌پ‌فیک (Deepfake) و صداهای شبیه‌سازی شده، این کدهای هوشمند حالا می‌توانند در تماس‌های تصویری زنده نیز کارشناسان بانک‌ها را فریب دهند. مرز میان حقیقت بیولوژیکی و تقلب دیجیتالی کاملاً در حال از بین رفتن است. فناوری دیپ‌فیک به این موجودات اجازه می‌دهد با حرکات طبیعی چهره، پلک زدن و بیان جملات پیچیده، حواس اپراتورهای انسانی را کاملاً پرت کنند. در این وضعیت، دیگر حس بینایی و شنیداری انسان نیز معیار معتبری برای تشخیص واقعیت از تقلب نخواهد بود.

این واقعیت جدید دیدگاه هر فردی را نسبت به امنیت داده‌های شخصی‌اش در فضای مجازی به شدت حساس، نگران و آسیب‌پذیر می‌کند. یک دیتای کوچک یا شماره شناسایی افشا شده از شما، می‌تواند سنگ بنای تولد یک هیولای دیجیتالی در آن سوی جهان باشد. امنیت داده‌ها دیگر یک توصیه ساده فانتزی نیست، بلکه درعی حیاتی در برابر متولد شدن همزادهای الگوریتمی شماست که می‌توانند بدهی‌های سنگینی به نام شما در سیستم‌های مالی جهانی ثبت کنند.

آینده امنیت در عصر حضور انسان‌های ترکیبی

چالش نهایی ساختارهای امنیتی، بازتعریف مفهوم هویت در دنیایی است که کدهای نرم‌افزاری می‌توانند انسان را بازسازی کنند. اگر داده‌های بیومتریک و رفتاری قابل کپی‌برداری باشند، اصالت فردی دچار بحران ساختاری می‌شود. اصالت دیجیتال نیازمند زنجیره‌های بلوکی و پروتکل‌های غیرمتمرکزی است که امکان تغییر یا ترکیب داده‌ها را از بین ببرند. بدون این زیرساخت‌ها، اعتماد پایه در سیستم‌های مالی و اجتماعی به طور کامل فرو خواهد ریخت.

نگارش و بررسی چگالی اطلاعاتی این پدیده، تصویری هولناک و در عین حال به شدت جذاب از آینده تمدن دیجیتال بشر ارائه می‌دهد. ما در آستانه عصری هستیم که در آن، تعریف شهروند از انحصار کالبد بیولوژیکی خارج شده است. تمدن دیجیتال برای بقای خود مجبور است خطوط قرمزی میان ساختارهای هوشمند و حقوق انسانی ترسیم کند؛ در غیر این صورت، این موجودات ترکیبی تمام منابع اعتباری و مالی جوامع انسانی را به نفع صاحبان خود مصادره خواهند کرد.

تحلیل رفتاری ماشین‌ها برای کشف هویت‌های ساختگی

رویکردهای جدید دفاعی به جای بررسی مدارک، بر تحلیل رفتار حرکتی و حرکات ریز موش‌واره (Mouse Movement) و نحوه تایپ کردن تمرکز کرده‌اند. انسان‌های واقعی دارای نوسانات هماهنگی حرکتی و خطاهای طبیعی هستند، در حالی که الگوریتم‌ها کارها را بیش از حد یکنواخت انجام می‌دهند. تحلیل رفتاری (Behavioral Analytics) تلاش می‌کند این یکنواختی‌های غیرطبیعی را شناسایی کند. اگر نحوه فشردن کلیدها یا حرکت شناور در صفحه بیش از حد ریاضی و بدون لرزش باشد، سیستم هوش مصنوعی امنیتی پرچم قرمز را بالا می‌برد.

تراژدی بزرگ برای جامعه انسانی، از دست رفتن اعتماد متقابل در ارتباطات دیجیتالی است. وقتی نتوان به یک تصویر، صدا یا سند آنلاین اعتماد کرد، همکاری‌های راه دور دچار کندی شدید می‌شوند. زوال اعتماد پدیده‌ای است که به بدنه اقتصاد شبکه ضربه می‌زند و هزینه‌های دادوستد را به شدت افزایش می‌دهد. برای جبران این خلاء، انسان‌ها مجبور خواهند شد به سمت تاییدهای حضوری و فیزیکی بازگردند که این خود یک عقب‌گرد بزرگ در عصر فناوری اطلاعات محسوب می‌شود.

دکتر علیرضا مجیدی
دکتر علیرضا مجیدی
پزشک، نویسنده و بنیان‌گذار وبلاگ «یک پزشک»
دکتر علیرضا مجیدی، نویسنده و بنیان‌گذار وبلاگ «یک پزشک».
با بیش از ۲۰ سال نویسندگی «ترکیبی» مستمر در زمینهٔ پزشکی، فناوری، سینما، کتاب و فرهنگ.
باشد که با هم متفاوت بیاندیشیم!
پیشنهاد اختصاصی سردبیر (علیرضا مجیدی)

این مقاله جذاب و جالب بود؟! پس برای خواندن این نوشته‌های مرتبط کلیک کنید:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا
[wpcode id="260079"]