Vấn nạn tin giả trở nên đáng lo ngại khi cuộc tấn công vào tòa nhà quốc hội Mỹ diễn ra, lý do là vì những thông tin sai lệch được lan truyền trên mạng Internet đã thúc đẩy người dân hành động bạo lực ngoài thế giới thực. Sau cuộc bạo động, Facebook và Twitter đã chặn lượng lớn tài khoản được xác định là thủ phạm hoặc lan truyền thông tin sai lệch.
Vụ việc đặt ra câu hỏi thông tin sai lệch, giả mạo có thể được phát hiện nhanh đến mức nào trên Internet? Các công ty truyền thông xã hội chủ yếu sử dụng sức người để điều hành phần lớn việc truy vết và loại bỏ tin tức giả mạo. Nhưng hàng tỷ bài đăng mỗi ngày là khối lượng công việc quá lớn đối với người thường. Tự động hóa là cách tiếp cận khả thi hơn, đồng nghĩa phụ thuộc nhiều hơn vào trí tuệ nhân tạo (Artificial Intelligence - AI).
Tại Anh, Logical là công ty đi đầu sử dụng AI để chống lại tin tức giả mạo. Giải pháp này giúp phân loại những nội dung được nhận định là tin giả hoặc tin sai lệch trước khi người dùng có thể đọc được. Nó có sẵn dưới dạng ứng dụng dành cho thiết bị di động và chương trình bổ trợ trên trình duyệt Chrome. Phương pháp tiếp cận của Logical gồm ba hướng là nguồn gốc của nội dung, nội dung và siêu dữ liệu liên quan đến nội dung đó để cung cấp thông tin toàn diện, bổ sung và xác thực được nội dung.
Từ quan điểm kỹ thuật, công ty sử dụng học máy (machine learning), lập trình ngôn ngữ tư duy, lý thuyết mạng, biểu đồ kiến thức để tự động xác định và phân loại số lượng lớn những nội dung đáng ngờ. Nó cũng phụ thuộc vào các chuyên gia để kiểm tra thuật toán, xây dựng thuật toán và phát triển nâng cao. Các chuyên gia cũng thiết lập ngôn ngữ tự nhiên để hệ thống xác định độ tin cậy của nội dung.
Công nghệ và kỹ thuật AI được sử dụng trong một số giai đoạn của thuật toán Logical. Công ty sử dụng kỹ thuật học sâu (deep learning) để tăng cường khả năng hiểu nghĩa văn bản và các nội dung khác. Ngoài hiểu ngôn ngữ, thuật toán cũng phải theo dõi được nguồn gốc của nội dung, các nền tảng nó được lan truyền.
Khó khăn cơ bản là phải tìm ra lỗ hổng trong thông tin sai lệch. Vì vậy, Logical phải thu thập vô số tín hiệu khác nhau xung quanh một nội dung đáng nghi, kết hợp phân tích kỹ thuật về nội dung và tài khoản đăng tải.
Thách thức khác là ngôn ngữ mạng liên tục thay đổi, yêu cầu Logical phải thường xuyên cập nhật các xu hướng ngôn ngữ mới cho mô hình ngôn ngữ của thuật toán. Tuy nhiên, điều đó chưa đủ để đảm bảo độ chính xác tuyệt đối cho công nghệ này. Logical phải lập mô hình rất nhiều siêu dữ liệu và tiến hành phân tích mạng, đồng thời các chuyên gia cũng không ngừng phải cải tiến mô hình.
Theo đánh giá nội bộ, hệ thống của Logical làm việc chính xác khoảng 90%. Nó có thể xác định nhầm tin thật là tin giả khoảng 5 trong 100 lần quét. Công nghệ này là không hoàn hảo nhưng Logical khẳng định sẽ không ngừng phát triển, cải tiến và đầu tư vào AI.
Trong cuộc chiến chống tin giả, phần mềm của Logical luôn nằm ngoài tiền tuyến. Tại cuộc bầu cử tổng thống Mỹ năm 2020, Logical đã làm việc với ủy ban bầu cử tại một bang chiến trường lớn để đẩy lùi tin giả. Công ty cũng hợp tác với một số nền tảng truyền thông xã hội lớn nhưng điều này được giữ bí mật.
Người dùng Facebook và Twitter có thể đã nhiều lần chứng kiến những nội dung bị báo cáo sai phạm nhưng những thông tin này chưa đủ để ngăn chặn làn sóng dữ liệu giả mạo.
Để những thông tin sai lệch không in sâu trong nhận thức của người dùng mạng xã hội, phần mềm chống tin giả phải làm việc nhanh chóng, ngăn chặn thông tin xấu trước khi nó có thể đến tay người dùng. Công nghệ này có thể nhắc nhở người dùng tin tức nào là giả mạo. Tuy nhiên, để làm được điều này, các nhà khoa học đang nghiên cứu điều chỉnh nội dung lời khuyên mà AI đưa ra phù hợp với thực tế xã hội để người dùng dễ dàng chấp nhận.
Cuộc chiến chống lại tin tức giả mạo và thông tin sai lệch sẽ không bao giờ có giải pháp hoặc cách ngăn chặn hiệu quả 100%. Con người không thể không mắc sai lầm, đồng nghĩa với hệ thống AI xác định tin giả khó có thể chính xác tuyệt đối. Nhưng các nhà khoa học tin rằng, với đủ thời gian, công nghệ và sự kiên nhẫn, con người có thể tạo ra các hệ thống AI ngăn chặn tối đa việc lan truyền thông tin gây tổn hại, giảm thiểu thiệt hại từ chúng.
Công nghệ dùng AI đẩy lùi thông tin sai lệch được dự đoán sẽ là vấn đề đáng được chú trọng và sẽ sớm được khai phá trong tương lai.
Nguyễn Chân
13:00 | 03/02/2021
09:00 | 12/04/2021
14:00 | 01/06/2021
16:00 | 25/08/2021
15:00 | 19/04/2021
11:00 | 09/04/2021
14:00 | 24/03/2021
10:00 | 03/03/2022
14:00 | 17/05/2021
10:00 | 09/09/2020
08:00 | 12/04/2021
09:00 | 14/09/2016
09:00 | 14/08/2020
08:00 | 11/11/2020
09:00 | 08/03/2024
Từ lâu, botnet là một trong những mối đe dọa lớn nhất đối với an ninh mạng, nó đã gây ra nhiều thiệt hại cho các tổ chức và doanh nghiệp trên toàn thế giới. Bài báo sẽ giới thiệu tới độc giả một số kỹ thuật phát hiện botnet bằng Honeynet và tính hiệu quả của chúng, đồng thời đề xuất một số hướng phát triển trong tương lai để nâng cao khả năng phát hiện và ngăn chặn botnet bằng Honeynet.
17:00 | 18/12/2023
Ngày nay, Trí tuệ nhân tạo (AI) hiện diện trong mọi lĩnh vực của đời sống con người, từ kinh tế, giáo dục, y khoa cho đến những công việc nhà, giải trí hay thậm chí là trong quân sự. Học máy là một ứng dụng của trí tuệ nhân tạo cung cấp cho các hệ thống khả năng tự động học hỏi và cải thiện từ kinh nghiệm mà không cần lập trình rõ ràng. Học máy tập trung vào việc phát triển các chương trình máy tính có thể truy cập dữ liệu và sử dụng nó để tự học. Do đó, vấn đề đảm bảo tính riêng tư trong ứng dụng phương pháp học sâu đang là một vấn đề được quan tâm hiện nay.
13:00 | 26/12/2022
Một khía cạnh quan trọng của công nghệ blockchain (chuỗi khối) là xác định người dùng nào công bố khối tiếp theo. Điều này được giải quyết thông qua việc thực hiện một trong nhiều mô hình đồng thuận có thể. Trong khi cố gắng cải thiện hiệu quả năng lượng của các chuỗi khối sử dụng bằng chứng công việc (Proof of Work - PoW) trong cơ chế đồng thuận, bằng chứng cổ phần (Proof of Stake - PoS) lại đưa ra một loạt các thiếu sót mới đáng kể trong cả mô hình tiền tệ và mô hình quản trị. Bài viết trình bày lại các phân tích của [1] và chỉ ra rằng những hệ thống như vậy là độc tài, độc quyền nhóm và được ủy quyền (permissioned).
14:00 | 09/12/2022
Phần mềm độc hại đã trở thành khái niệm không còn xa lạ đối với người dùng hiện nay. Tuy nhiên, chúng được phân loại và có cách thức hoạt động khác nhau. Bài viết này hướng dẫn người dùng cách loại bỏ những phần mềm độc hại thuộc dạng virus, trojan, worm.
08:00 | 11/01/2024 | Chính sách - Chiến lược
09:00 | 10/01/2024 | Giải pháp khác
09:00 | 05/01/2024|Chính sách - Chiến lược
09:00 | 05/01/2024|An ninh – Quốc Phòng
Lược đồ chữ ký số dựa trên hàm băm là một trong những lược đồ chữ ký số kháng lượng tử đã được Viện Tiêu chuẩn và Công nghệ Quốc gia Mỹ (NIST) chuẩn hóa trong tiêu chuẩn đề cử FIPS 205 (Stateless Hash Based Digital Signature Standard) vào tháng 8/2023. Bài báo này sẽ trình bày tổng quan về sự phát triển của của lược đồ chữ ký số dựa trên hàm băm thông qua việc phân tích đặc trưng của các phiên bản điển hình của dòng lược đồ chữ ký số này.
09:00 | 01/04/2024
Mới đây, Cơ quan An ninh mạng và Cơ sở hạ tầng Hoa Kỳ (CISA) đã phát hành phiên bản mới của hệ thống Malware Next-Gen có khả năng tự động phân tích các tệp độc hại tiềm ẩn, địa chỉ URL đáng ngờ và truy tìm mối đe dọa an ninh mạng. Phiên bản mới này cho phép người dùng gửi các mẫu phần mềm độc hại để CISA phân tích.
13:00 | 17/04/2024
