SecTor 2025 | AI, Deepfakes, and the Next Evolution of Digital Identity Verification
三句話摘要
在 AI 深偽（Deepfake）與合成身份爆炸性成長的時代，如何透過多層驗證框架與新興技術證明「你是真人」。 在 AI 能偽造臉、聲音與證件的時代，真正的防線不是驗證「你是誰」，而是用持續性行為生物辨識 + 多層訊號交叉驗證來證明「你是人」，並從架構端推進 Self-Sovereign Identity 以切斷個資集中洩露的根源。 歷史案例是最好的警示教材：Bernie Madoff 用獨立系統偽造投資人報告、Frank Abagnale 利用人類對「權威」的盲目信任詐騙身份、Equifax 因遲遲未修補已知漏洞遭駭，這三起事件各自揭示了技術控制、社會工程、與漏洞管理的失敗模式。
重點整理
重點- 1
歷史案例是最好的警示教材：Bernie Madoff 用獨立系統偽造投資人報告、Frank Abagnale 利用人類對「權威」的盲目信任詐騙身份、Equifax 因遲遲未修補已知漏洞遭駭，這三起事件各自揭示了技術控制、社會工程、與漏洞管理的失敗模式。
- 2
驗證「是否是人」比驗證「是誰」更難：傳統身份驗證問的是「你能證明你是誰嗎」，但現在 AI 能秒產假臉、假聲音、假文件，真正的問題已變成「你能證明你是人類嗎」，需要從靜態身份轉向動態、持續性的人格驗證。
- 3
行為生物辨識是難以偽造的最後防線：每個人握手機的角度、鍵盤敲擊節奏、滑鼠停頓習慣都是唯一的，這些細微行為即使狼披上羊皮也難以完整模仿，是多因子驗證中最高熵的訊號。
- 4
Self-Sovereign Identity 是架構層面的根本解法：目前身份系統從中心化（如 Equifax）、密碼式、聯邦式（Google/Apple Sign-In）都仍有單點失敗風險；SSI 讓用戶自持金鑰，企業僅驗證最小必要資訊，不需持有個資，從架構端切斷大規模洩露的可能。
實用技巧與重點
乾貨- 統計數字
- 合成身份文件詐欺：2024 Q1 北美增加 311%
- 深偽技術攻擊：成長 1100%
- 奈及利亞 SWIFT 駭客：竊取目標 3.4 億美元，實際盜走 8100 萬，透過菲律賓賭場洗錢
- 工具 / 平台
- 深偽偵測工具：Hive AI、Intel FakeCatcher、Reality Defender
- 身份驗證新創（加拿大）：
- Faith（蒙特婁，Vivian & Jonathan）：持續式行為認證，監測握機方式、打字節奏
- SLC（Travis McGregor）：將 eSIM applet 內嵌於 SIM 卡，結合電信商地理位置與生物辨識
- Selentium（亞伯達省）：MACSec 協議，在 Layer 2 加密 IP 封包 header/footer（「隱身」技術），已應用於美國核電廠與軍事系統
- 框架
- 「小紅帽框架 (LRHR)」五步驟：
- 臉部辨識（檢查顴骨、眉毛、眼睛、下顎線、眨眼、眼鏡）
- 政府核發證件真偽（日期格式、全息標籤、影像竄改痕跡）
- 地理位置一致性（同一帳號 Toronto → Singapore 一小時內為高風險）
- 行為生物辨識（打字節奏、滑鼠遲疑、手機握持角度、步行速度）
- 交叉比對 — 「哪個不對勁？」（Sesame Street 思維：哪個和其他不一樣）
- 身份模型演進
- 中心化 → 用戶密碼式 → 聯邦式（Google/Microsoft） → SSI（自我主權身份，Self-Sovereign Identity）
- 參考書目：SSI 相關書籍第 59 頁（各架構層 OSI 對應）、第 104 頁（商業案例）
- 監管
- 美國 SEC / FINRA：Equifax 後要求科技高管必須是 FINRA ops 專業人士並通過 FBI 全面背景調查
- 拜登政府 OMB 指引：零信任框架中明確要求持續式認證（Continuous Authentication）
結論
結論“在 AI 能偽造臉、聲音與證件的時代，真正的防線不是驗證「你是誰」，而是用持續性行為生物辨識 + 多層訊號交叉驗證來證明「你是人」，並從架構端推進 Self-Sovereign Identity 以切斷個資集中洩露的根源。”
完整解析
詳細這是一場在 Black Hat 資安年會上由 Christine（金融科技稽核背景）與 Shelley（AML 及信用詐欺專家）聯合主講的演講，核心命題是：在 AI 生成合成身份的時代，身份驗證的問題已從「你是誰」升維為「你是人嗎」。
兩人以五大歷史身份詐欺案為開場，串起整個論述。Bernie Madoff 的案例說明了內部技術人員配合偽造報告系統的致命性——促使美國 SEC 立法要求所有科技高管必須通過 FINRA 與 FBI 雙重背景調查。Frank Abagnale（《神鬼交鋒》原型）的案例則點出人類對「權威符號」的盲目信任：制服、頭銜、機構背書足以讓人放棄查驗。Equifax 2017 年事件更是直擊技術債的後果——一個已公開的 Apache Struts 嚴重漏洞拖延未修，最終導致數億人個資外洩；諷刺的是，修補程式在業務上「說不通」，直到 Equifax 事件後才成為董事會議程的第一優先。奈及利亞 SWIFT 駭客則示範了社會工程結合系統入侵的複合式攻擊，駭客以竊得的憑證偽裝成合法金融機構，幾乎成功轉走 3.4 億美元。
面對這些威脅，兩位講者引入「小紅帽框架」作為實作指引。紅帽奶奶被狼冒充的故事，恰好對應現代身份欺詐的五個偵測維度：一、臉部辨識——不只看長相，要看下顎線接縫、眼鏡折射、頸飾連貫性等細節，因為深偽技術在邊緣融合上仍有破綻；二、證件真偽——政府核發 ID 的日期格式、全息標籤、字體品質都是肉眼可辨的偽造痕跡；三、地理位置——同一身份若在不合理時間內出現於兩個遠端城市，即可判定異常，微軟等企業已開始以此作為地理封鎖依據；四、行為生物辨識——每個人的打字節奏、手機握持角度、滑鼠停頓模式都是高度個人化的生物特徵，難以被 AI 完整複製；五、多層交叉驗證——將上述四項訊號聚合，找出「哪個和其他不一樣」，才能確認是真人。
在解決方案層面，講者介紹了三家加拿大新創，代表了從邊緣運算到電信底層到網路協議三個不同切入角度的創新。Faith 透過手機使用行為的持續分析，能在高風險金融交易觸發前發出預警，無需中斷用戶操作。SLC 則直接將 eSIM applet 嵌入 SIM 卡，結合電信商的真實位置數據與生物辨識，讓金融機構的 wire transfer 驗證流程更難偽裝。Selentium 採用 MACSec 協議加密 Layer 2 封包的 header 與 footer，讓攻擊者根本看不到目標，目前已應用於美國核電廠與軍事設施，並逐步向商業市場擴展。
演講的最終落點是架構層面的根本主張：身份驗證必須從靜態走向動態（Personhood as a Service）、從集中走向自主（Self-Sovereign Identity）、從揭露走向零知識（Zero-Knowledge Proof）。Christine 直言，SSI 的概念自 2015 年提出至今仍未全面落地，但這是唯一讓個人真正掌控自己數位身份、不再依附於科技巨頭或政府的路徑。與此同時，AI 攻防本質上是軍備競賽，政策與倫理護欄的建立速度必須跟上技術演進，否則生物辨識監控與社會評分的風險同樣值得警惕。
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
