Deepfake, estrategia de engaño cibernético creada con IA

Aunque no a la velocidad que en un principio se creyó, la inteligencia artificial (IA) continúa prosperando entre las industrias tecnológicas. No es sino ver a ChatGPT, el proyecto de OpenAI, que actualmente causa furor en la red con sus destrezas para responder preguntas, crear textos de diversos tipos y hasta construir códigos de software. Los problemas aparecen cuando son los criminales quienes buscan sacar provecho de estas nuevas tecnologías para perpetrar sus actos delictivos.

Fluid Attacks, compañía especializada en pruebas de seguridad continuas e integrales a software, comparte desde su experticia algunas tendencias en el uso de la IA, concepciones sobre lo que es y hace el deepfake, además de recomendaciones en su detección y prevención para individuos y compañías.

Tal como plantea Vladimir Villa, CEO de Fluid Attacks, “desde comienzos del 2020 registramos en nuestro blog la tendencia en ciberseguridad del creciente uso de la IA y el machine learning. Planteábamos que tanto las organizaciones, para sus estrategias de prevención y defensa, como los delincuentes, para llevar a cabo sus ataques, están usando algoritmos automatizados que les permiten optimizar operaciones. Como ejemplo, desde la postura preventiva, está algo que hacemos en Fluid Attacks: nuestra IA trabaja con base en unos datos que le permiten identificar y reportar a nuestros hackers éticos cuáles son esos archivos que deberían revisar primero en sus pruebas, ya que son los que muestran probabilidades más altas de contener vulnerabilidades de seguridad”.

Por el lado de la criminalidad, los hackers maliciosos con la IA han ido mejorando y automatizando técnicas de ataque de ingeniería social como el phishing y, precisamente, han ido incursionando en estrategias más complejas y cautivadoras como los llamados deepfakes, que, apenas hace unos pocos años, comienzan a marcar tendencia. Deepfake, según explica Villa, “es un término que tuvo origen en 2017 y, en pocas palabras, se refiere al empleo de IA para crear y modificar contenido de audio y visual con narrativas falsas que parecen provenir de fuentes auténticas y confiables. Si bien fue una práctica que inició con usos recreativos o cómicos, como hacer videos en los que parezca real que un presidente está diciendo cosas ridículas, es cierto que el deepfake ya se está usando para propósitos perversos”.

Por ejemplo, ya han ocurrido casos en los que el deepfake ha permitido a criminales hacerse pasar por directivos de compañías en reuniones virtuales (porque esta tecnología es incluso aplicable en transmisiones en vivo) o a través de mensajes de voz o llamadas para engañar a sus empleados y extraerles información sensible o incitarlos a transferir fondos monetarios. Ya se han visto incidentes en los que los delincuentes solicitan miles e incluso millones de dólares a las víctimas.

El deepfake se desarrolla gracias a “redes neuronales” —algoritmos en cierta medida inspirados en el cerebro humano— que examinan imágenes y sonidos y encuentran patrones necesarios para luego producir material convincente del mismo tipo. Entre más grande sea la base de datos de entrenamiento de dichos algoritmos, más precisos serán estos en su elaboración de deepfakes. Esta tecnología es cada vez de más fácil acceso, incluso para personas con poco conocimiento técnico —tanto así que ya existe el deepfakes-as-a-service—, y lo que es aún más preocupante es que, al parecer, los mecanismos de detección de deepfakes andan algo rezagados.

Mientras investigadores y organizaciones desarrollan y mejoran soluciones para ayudar a reconocer cuándo un video o un audio constituye un deepfake, algunas recomendaciones, como las entregadas a continuación por Fluid Attacks, pueden tenerse en cuenta para prevenir daños por culpa de estos intentos de engaño:

●      Entrenar a empleados y usuarios: Sea o no a través de simulación de engaños, las compañías podrían enseñar a su personal, e incluso a sus clientes o usuarios, a notar detalles extraños en quienes aparecen en los videos (más que todo cuando los productos de los algoritmos usados no son suficientemente buenos), como por ejemplo:

○      Falta de movimiento o movimiento antinatural en los ojos, así como ausencia de parpadeo.

○      Expresiones faciales inusuales y rarezas en la forma del cuerpo o del cabello.

○      Colores de piel anormales, sombras mal ubicadas e iluminación inusual.

○      Posición extraña y movimientos bruscos de la cabeza y el cuerpo.

○      Problemas de sincronización entre el movimiento de los labios y las palabras pronunciadas.

●      Mantener controles internos de seguridad suficientemente sólidos: Por ejemplo, dentro de las compañías deberían haber múltiples niveles de aprobación para las transacciones de recursos sensibles o importantes. Además, los directivos no deberían luego tener la potestad para incumplir en determinados momentos, y a su conveniencia, regulaciones como estas.

●      Prestar mayor atención a las solicitudes y a su autorización: Las compañías deberían atender en mayor medida a las solicitudes de recursos que diversas personas hacen a sus sistemas. Deberían mantener en revisión y bastante limitadas las autorizaciones que los miembros de la compañía tienen para hacer solicitudes o para aceptarlas y rechazarlas. Así, por ejemplo, solo algunos empleados con determinados privilegios podrían cumplir con ciertas demandas de sus superiores. Un punto adicional es que todo aquel que reciba una solicitud a través un medio, debería contactar por otro medio a la persona que la hizo, para confirmar la veracidad de la misma.