สัมภาษณ์
โอเมอร์ บัคคาร์ ผู้ร่วมก่อตั้งและซีอีโอของ Vetric – สัมภาษณ์ซีรีส์

ประเด็นสำคัญการบูตสแตรปปิ้งบังคับให้ Vetric…
ดูเพิ่มเติม
- การบูตสแตรปปิ้งบังคับให้ Vetric ให้ความสำคัญกับความน่าเชื่อถือของโครงสร้างพื้นฐานมากกว่าการขยายตัวแบบไม่คำนึงถึงต้นทุน
- โมเดลการตรวจจับไม่มีประโยชน์หากไม่มีโครงสร้างพื้นฐานข้อมูลสาธารณะที่ปรับขนาดได้เพื่อป้อนภัยคุกคามแบบเรียลไทม์ให้กับพวกเขา
- Deepfake-as-a-Service กลายเป็นสินค้าที่มีราคาถูกในระดับฟรีแล้วด้วยเครื่องมือโอเพนซอร์ส
โอเมอร์ บัคคาร์ ผู้ร่วมก่อตั้งและซีอีโอของ Vetric เป็นนักธุรกิจชาวอิสราเอลและผู้นำด้านเทคโนโลยีที่มุ่งเน้นไปที่ โอเพ่นซอร์สอินเทลลิเจนซ์ (OSINT) ซึ่งมีประสบการณ์ในการแก้ปัญหาข้อมูลและอินเทลลิเจนซ์ที่ซับซ้อน ก่อนที่จะก่อตั้ง Vetric ในปี 2022 บัคคาร์ได้พัฒนาและสร้างรายได้จากธุรกิจเว็บหลายแห่งในฐานะวัยรุ่น โดยได้รับประสบการณ์ในการพัฒนาเว็บ SEO การสร้างรายได้จากเว็บ และการดำเนินงานดิจิทัลที่มีประสิทธิภาพ ในช่วงเวลาต่อมา เขาได้รับใช้ในกองทัพอิสราเอล โดยช่วยให้การดำเนินงานของตำรวจทหารทันสมัยผ่านการอัตโนมัติ AI การทำเหมืองข้อมูล และวิธีการแบบคล่องตัว ในขณะที่นำทีมและโครงการผลิตภัณฑ์ หลังจากที่เริ่มต้นธุรกิจที่ล้มเหลวและช่วงการวิจัยอย่างเข้มข้นในประเทศไทยพร้อมกับผู้ร่วมก่อตั้ง บัคคาร์ได้เปิดตัว Vetric โดยมุ่งเน้นไปที่โครงสร้างพื้นฐานมากกว่าการระดมทุนจากนักลงทุน โดยเติบโตอย่างรวดเร็วโดยการให้บริการองค์กรที่ต้องการการเข้าถึงข้อมูลเว็บสาธารณะในระดับใหญ่ งานของเขาเน้นไปที่ WEBINT OSINT การรวบรวมข้อมูล และการรักษาความปลอดภัยดิจิทัล โดยเฉพาะในด้านการปลอมตัว การฉ้อโกง และความเสี่ยงที่เกี่ยวข้องกับ deepfake
Vetric เป็นบริษัทโครงสร้างพื้นฐานข้อมูลที่ช่วยให้องค์กรสามารถรวบรวมประมวลผลและใช้ข้อมูลเว็บสาธารณะในระดับใหญ่ บริษัทนี้มีจุดมุ่งหมายที่จะเป็นชั้นโครงสร้างพื้นฐานที่เชื่อถือได้สำหรับทีมความปลอดภัย ไซเบอร์ และอินเทลลิเจนซ์ที่ต้องการการเข้าถึงข้อมูลเว็บสาธารณะที่เชื่อถือได้และทันสมัย แทนที่จะสร้างแพลตฟอร์มที่มุ่งเน้นผู้บริโภค Vetric มุ่งเน้นไปที่ API ที่จัดการและช่องทางการข้อมูลที่ยืดหยุ่นเพื่อทำให้การรวบรวมข้อมูลสาธารณะในระดับใหญ่ผ่านสภาพแวดล้อมออนไลน์ที่เปลี่ยนแปลงอย่างต่อเนื่องง่ายขึ้น บริษัทได้เน้นย้ำถึงแนวทาง “ข้อมูลเพื่อสิ่งที่ดี” โดยสนับสนุนองค์กรที่ทำงานเพื่อระบุแคมเปญการปลอมตัว deepfakes การฉ้อโกง และภัยคุกคามดิจิทัลอื่นๆ ตามที่บริษัทระบุว่าได้เติบโตจากทีมผู้ก่อตั้งที่เล็กๆ เป็นการดำเนินการที่ขยายตัวอย่างรวดเร็ว โดยให้บริการมากกว่า 100 องค์กรทั่วโลก ในขณะเดียวกันก็ยังคงเน้นไปที่โครงสร้างพื้นฐานและความน่าเชื่อถือในการดำเนินงาน
คุณเริ่มต้นสร้างธุรกิจอินเทอร์เน็ตตั้งแต่วัยรุ่น และต่อมาทำงานเพื่อปรับปรุงกองทัพอิสราเอลให้ทันสมัยด้วยเครื่องมือ AI และ OSINT และในที่สุดก็ร่วมก่อตั้ง Vetric.io หลังจากใช้เวลาหลายเดือนในการวิจัยปัญหาในประเทศไทย คุณได้รับประสบการณ์เหล่านั้นมาอย่างไร และมันช่วยให้คุณเชื่อมั่นได้อย่างไรว่าโครงสร้างพื้นฐานข้อมูล ไม่ใช่แค่การตรวจจับแบบจำลอง จะเป็นสนามรบที่แท้จริงในการต่อสู้กับ deepfake และการปลอมตัวดิจิทัล
เส้นเชื่อมระหว่างทั้งสามบทนี้คือปัญหาเดียวกัน: ทุกปัญหาที่ฉันคิดว่าเป็นปัญหาการตรวจจับ กลับกลายเป็นปัญหาข้อมูลเมื่อไปดูในระดับที่ลึกขึ้น
เมื่อฉันยังเป็นวัยรุ่นและพบจุดอ่อนในระบบ การใช้ประโยชน์จากจุดอ่อนนั้นไม่ใช่สิ่งที่ยาก แต่การสร้างโครงสร้างพื้นฐานเพื่อค้นหาวัตถุประสงค์ที่ถูกต้องในระดับใหญ่นั้นเป็นสิ่งที่ยาก ในกองทัพอิสราเอล OSINT เป็นช่องว่างที่ไม่มีใครทำงานอยู่ ผู้กระทำผิดก็ทิ้งหลักฐานไว้ทั่วทุกที่บนเว็บสาธารณะ แต่เรามีวิธีการที่เป็นระบบเพียงเล็กน้อยในการเข้าถึงข้อมูลเหล่านั้น จากนั้นในประเทศไทย เราใช้เวลาหลายเดือนในการพูดคุยกับหน่วยงานป้องกันภัย ไซเบอร์ ทีมอินเทลลิเจนซ์ ผู้ให้บริการการป้องกันการปลอมตัว และทีมการฉ้อโกง รูปแบบเดียวกันเกิดขึ้นทุกที่ ทุกคนต้องการข้อมูลเชิงลึก
นั่นคือเมื่อความเข้าใจเกิดขึ้น: แบบจำลองการตรวจจับเป็นเพียงแค่ดีเท่าที่ข้อมูลที่คุณให้เข้าไปเท่านั้น หากคุณไม่สามารถเห็น deepfake เมื่อมันปรากฏขึ้นบนเว็บสาธารณะ แบบจำลองการตรวจจับของคุณจะไม่มีประโยชน์ สนามรบนั้นไม่ใช่เรื่องของว่าแบบจำลองของคุณสามารถจับหน้าปลอมในมาตรฐานที่กำหนดได้หรือไม่ แต่เป็นเรื่องของว่าคุณมีความสามารถในการมองเห็นพื้นผิวที่การโจมตีเกิดขึ้นจริงหรือไม่ โครงสร้างพื้นฐานข้อมูลสาธารณะคือส่วนที่ไม่มีใครต้องการสร้างเพราะมันยากและไม่น่าดึงดูด แต่หากไม่มีมัน ส่วนที่เหลือของสแต็กจะเป็นเพียงการแสดง
คุณได้โต้แย้งว่าปัญหาของ deepfake ได้เปลี่ยนแปลงไปอย่างมากในช่วง 18 เดือนที่ผ่านมา เทคโนโลยีใดที่ทำให้การฉ้อโกง AI ที่สร้างขึ้นในปัจจุบันเป็นอันตรายมากกว่าคลื่นการปลอมตัวและโจมตีในอดีต
มีสิ่งเปลี่ยนแปลงสามอย่างในเวลาเดียวกัน และการรวมกันของสิ่งเหล่านี้ทำให้ปัญหานี้แตกต่าง
ประการแรก แบบจำลองหลายรูปแบบมีความสามารถที่ดีเพียงพอที่จะสามารถสร้างวิดีโอ เสียง และข้อความที่น่าเชื่อจากคำสั่งเดียวกันภายในไม่กี่นาที สิ่งที่เคยต้องใช้ทีมเล็กๆ และเวลาสองสามสัปดาห์ ตอนนี้สามารถทำได้ด้วยคนเดียวและเวลาดื่มกาแฟ
ประการที่สอง ต้นทุนลดลงอย่างมาก ตัวอย่างเสียงที่มีคุณภาพสูงของบุคคลสาธารณะที่ต้องใช้งบประมาณ GPU ที่ร้ายแรง ตอนนี้สามารถใช้ฮาร์ดแวร์ของผู้บริโภคหรือสมัครสมาชิกรายเดือนในราคา 20 ดอลลาร์ ต้นทุนไม่ใช่ภาระอีกต่อไป
ประการที่สาม — และสิ่งนี้เป็นส่วนที่ไม่ได้รับการชื่นชม — ชั้นการกระจายก็ทันสมัยขึ้น การปลอมไม่ได้อยู่บนฟอรัมที่ไม่ชัดเจนและรอการค้นพบอีกต่อไป แต่จะอยู่บนเว็บสาธารณะ ในแหล่งข้อมูลสาธารณะที่ลูกค้าและพนักงานของคุณบริโภคหลายครั้งต่อวัน โดยมีการเพิ่มการโฆษณาแบบชำระเงินบนนั้นด้วย วิดีทัศน์ปลอมสามารถเดินทางได้เร็วเท่ากับอะไรๆ บนอินเทอร์เน็ตสาธารณะ
ในคลื่นก่อนหน้านี้ ผู้โจมตีต้องเลือกระหว่างคุณภาพ ความเร็ว ขนาด และการเข้าถึง ตอนนี้พวกเขาสามารถมีทั้งสี่ได้ในราคาไม่เกิน 100 ดอลลาร์ ความไม่สมดุลระหว่างต้นทุนที่จะสร้างการปลอมตัวที่น่าเชื่อและต้นทุนที่องค์กรต้องใช้ในการตรวจจับ ระบุ และตอบสนองต่อนั้นกว้างกว่าที่เคยเป็นมา นั่นคือการเปลี่ยนแปลง
การอภิปรายสาธารณะเกี่ยวกับ deepfake ยังคงมุ่งเน้นไปที่ซอฟต์แวร์ตรวจจับ คุณเชื่ออย่างไรว่าโครงสร้างพื้นฐานข้อมูลสาธารณะที่เชื่อถือได้และขนาดใหญ่นั้นสำคัญเท่ากับแบบจำลอง AI เอง
เพราะว่าเครื่องตรวจจับที่ไม่สามารถเห็นภัยคุกคามนั้นเป็นเพียงโครงการวิจัย ไม่ใช่การป้องกัน
การอภิปรายส่วนใหญ่เกี่ยวกับ deepfake มุ่งเน้นไปที่ว่าแบบจำลองสามารถแยกแยะระหว่างใบหน้าปลอมและใบหน้าจริงในมาตรฐานที่ควบคุมได้หรือไม่ นั่นคือสิ่งพื้นฐาน การดำเนินการปัญหาคือปัญหาที่ยากกว่า: วิดีโอการปลอมตัวของแบรนด์ถูกโพสต์เวลา 3 โมงเช้า รวบรวมวิว 200,000 ครั้งภายในเวลาที่ใครสังเกตเห็น และการตรวจจับของคุณต้องได้รับเนื้อหานั้นในเวลาจริง ระบุ และกระตุ้นการตอบสนอง หากคุณไม่มีวิธีการที่มั่นคงและขนาดใหญ่ในการดูดข้อมูลสาธารณะจากเว็บสาธารณะ — สถานที่ที่การปลอมตัวและฉ้อโกงเกิดขึ้นจริง — คุณไม่มีอะไรที่จะให้แบบจำลองการตรวจจับของคุณทำงาน
มีจุดอื่นที่เกี่ยวข้องที่เราได้กล่าวถึงในบทความเกี่ยวกับการละเมิดซัพพลายเชนของ Anodot องค์กรต่างๆ เริ่มรู้ว่าภาวะความปลอดภัยของซัพพลายเออร์ข้อมูลของตนคือภาวะความปลอดภัยของตนเอง การตระหนักเดียวกันนี้กำลังจะเกิดขึ้นกับ AI ด้วย: ความน่าเชื่อถือของแบบจำลองการตรวจจับของคุณคือความน่าเชื่อถือของช่องทางการข้อมูลของคุณ แบบจำลองได้รับการโปรโมต แต่โครงสร้างพื้นฐานทำงาน การปฏิบัติแบบจำลองและโครงสร้างพื้นฐานเป็นสองบรรทัดงบประมาณที่แยกจากกัน ซึ่งเป็นข้อผิดพลาดที่ตลาดกำลังจะหยุด
Vetric เติบโตขึ้นอย่างมีนัยสำคัญโดยไม่มีการระดมทุนจากภายนอก ในขณะที่ให้บริการแก่ธุรกิจและองค์กรที่เกี่ยวข้องกับการป้องกันภัย ไซเบอร์ การระดมทุนแบบ Bootstrap มีอิทธิพลต่อวิธีการสร้างบริษัทและจัดลำดับความสำคัญของความน่าเชื่อถือของโครงสร้างพื้นฐานมากกว่าการขยายตัวแบบเติบโตทุกวิถีทางอย่างไร
การระดมทุนแบบ Bootstrap บังคับให้เกิดความหลงใหลในลูกค้าที่บริษัทที่ได้รับการสนับสนุนสามารถหลีกเลี่ยงได้เป็นเวลานาน เราเชื่อมั่นเสมอว่าการให้คุณค่าก่อนการเติบโตอย่างรวดเร็ว — และสำหรับเรา สิ่งนี้ไม่ใช่แค่คำขวัญ แต่เป็นความเป็นจริงทางการเงิน
ทุกดอลลาร์ในบัญชีธนาคารของเราคือดอลลาร์ที่ลูกค้าเลือกให้เราเพื่อแลกกับสิ่งที่ทำงานได้ เราไม่มีเงิน 50 ล้านดอลลาร์ในการเชื่อมช่องว่างระหว่างผลิตภัณฑ์ที่ทำงานได้บ้างและผลิตภัณฑ์ที่ทำงานได้จริง
สิ่งนี้เปลี่ยนแปลงทุกการตัดสินใจที่บริษัททำ มันกำหนดสถาปัตยกรรมของเราเช่นเดียวกับที่กำหนดเส้นทางของเรา ลูกค้าของเรา หน่วยงานป้องกันภัย ไซเบอร์ ทีมป้องกันภัยดิจิทัล ทีมความปลอดภัยสาธารณะ ทีมอินเทลลิเจนซ์ และแพลตฟอร์มอินเทลลิเจนซ์ ไม่ต้องการแค่ผลิตภัณฑ์ที่ทำงาน
นั่นคือเหตุผลที่เราได้กำหนดขอบเขตความไว้วางใจในลักษณะนั้น เราส่งต่อข้อมูลไปยังลูกค้า เราไม่ดึงข้อมูลจากลูกค้า เราไม่เก็บข้อมูลเข้าระบบลูกค้า เมื่อลูกค้าต้องการส่งมอบไปยัง AWS ของตนเอง เราใช้บทบาท IAM ที่มีหน้าที่เขียนเท่านั้นพร้อมด้วย ID ภายนอก — รูปแบบที่แนะนำโดย AWS โดยเฉพาะเพื่อป้องกันการละเมิดของซัพพลายเออร์เป็นเวกเตอร์การโจมตี เช่นเดียวกับการละเมิดที่เพิ่งเกิดขึ้นกับลูกค้าของ Anodot
แพลตฟอร์ม Deepfake-as-a-Service กำลังลดข้อจำกัดในการเข้าถึงสำหรับผู้โจมตี เรากำลังเข้าใกล้จุดที่ความสามารถในการฉ้อโกงที่ซับซ้อนจะกลายเป็นสินค้าที่สามารถเข้าถึงได้สำหรับทุกคนหรือไม่
เรากำลังอยู่ที่นั่นแล้วสำหรับความสามารถพื้นฐาน — และไม่ใช่แค่ระดับที่จ่ายเงิน แต่ยังรวมถึงระดับฟรีด้วย เรากำลังจะอยู่ที่นั่นใน 12 ถึง 18 เดือนสำหรับความสามารถที่ซับซ้อนกว่านี้ ดูสิ่งที่มีอยู่แล้วที่สามารถเข้าถึงได้แบบเปิด Model เช่น Sora สามารถสร้างวิดีโอที่น่าเชื่อจากคำสั่งป้อนข้อความได้ โครงการเปลี่ยนใบหน้าแบบเปิดซอร์สบน GitHub จะนำรูปภาพอ้างอิงใดๆ และใส่ใบหน้าลงในวิดีโอ และผลลัพธ์จะดูเหมือนจริง — ไม่ต้องมีทักษะเฉพาะ ไม่ต้องจ่ายเงิน ไม่ต้องไปตลาดใต้ดิน
ข้อจำกัดในการผลิตการปลอมที่มีคุณภาพสูงคือการดาวน์โหลดฟรีและทดลองใช้บ่ายเดียว มีบริการจ่ายเงินที่ห่อการทำงานแบบ turnkey รอบๆ แบบจำลองเดียวกันสำหรับผู้ที่ไม่ต้องการติดตั้งอะไร แต่ระดับเปิดซอร์สคือเรื่องราวที่แท้จริง เพราะมันคือสิ่งที่คุณไม่สามารถปิดกั้นด้วยการชำระเงินได้ บุคคลที่ดำเนินการไม่ต้องเข้าใจเทคโนโลยีเบื้องหลังมากกว่าที่บุคคลที่ใช้เครื่องมือฟิชชิ่งจะต้องเข้าใจ SMTP
สิ่งที่กำลังจะเกิดขึ้นต่อไปคือระดับแบบ campaign-in-a-box — ชุดปลอมตัวที่พร้อมใช้สำหรับแบรนด์เฉพาะ ผู้บริหารเฉพาะ รอบการเลือกตั้งเฉพาะ โดยมีสื่อสังเคราะห์ บัญชีปลอม ตารางการกระจาย และการกำหนดเป้าหมายทั้งหมดรวมอยู่ด้วย เมื่อสิ่งนี้มีอยู่ในระดับใหญ่ ต้นทุนการดำเนินการโจมตีการปลอมตัวจะลดลงจนใกล้เคียงกับต้นทุนในการดำเนินการโฆษณาจ่ายต่อคลิก ผลกระทบต่อผู้ป้องกันจะไม่สบายใจ คุณไม่สามารถถือว่าผู้โจมตีเป็นคนชำนาญหรือมีทรัพยากรมากได้อีกต่อไป ผู้โจมตีคือใครก็ตามที่มีแล็ปท็อปและมีเรื่องให้แค้น สิ่งนี้เปลี่ยนแปลงปริมาณและความหลากหลายของภัยคุกคามด้วยอันดับของขนาด และทำให้คำว่า “ภัยคุกคามที่น่าเชื่อถือ” มีความหมายใหม่สำหรับแบรนด์ ผู้บริหาร หรือบุคคลสาธารณะที่มีเว็บสาธารณะ
หลายองค์กรยังคงพึ่งพาระบบการตรวจสอบที่กระจัดกระจายและข้อมูลข่าวกรองภัยคุกคามที่ล่าช้า คุณเห็นจุดอ่อนที่ใหญ่ที่สุดอย่างไรในกระบวนการรวบรวมและประมวลผลข้อมูลเว็บสาธารณะที่เกี่ยวข้องกับการปลอมตัวและฉ้อโกง
จุดอ่อนบางอย่างที่ปรากฏขึ้นในการสนทนากับลูกค้า คือการกระจัดกระจาย ส่วนใหญ่ขององค์กรดำเนินเครื่องมือหนึ่งสำหรับการตรวจสอบแบรนด์ อีกเครื่องมือหนึ่งสำหรับการปกป้องผู้บริหาร อีกเครื่องมือหนึ่งสำหรับการฉ้อโกง และอีกเครื่องมือหนึ่งสำหรับการรักษาความปลอดภัย แต่ละเครื่องมือดึงข้อมูลจากแหล่งที่แตกต่างกัน โดยมีการครอบคลุม ละติจูด และจุดบอดที่แตกต่างกัน
เมื่อการรณรงค์การปลอมตัวเกิดขึ้นพร้อมกันในหลายมุมของเว็บสาธารณะ ช่องว่างระหว่างเครื่องมือเหล่านั้นคือที่ที่ผู้โจมตีหลบซ่อน และอยู่ภายใต้การกระจัดกระจาย คือปัญหาที่ลึกกว่า — ส่วนใหญ่ของเครื่องมือเหล่านี้ได้รับการปรับให้เหมาะสมสำหรับการยึดคืน มากกว่าการสืบสวน การลบโปรไฟล์ปลอมเป็นสิ่งจำเป็น แต่โดยตัวมันเองมันเหมือนเกม whac-a-mole — อีกหนึ่งจะปรากฏขึ้นในวันถัดไป ทีมที่ได้รับผลประโยชน์จริงคือทีมที่เพิ่มการตรวจสอบ: การเชื่อมต่อจุดระหว่างบัญชี อินฟราสตรัคเจอร์ และการรณรงค์ เพื่อที่พวกเขาจะถอดถอนเครือข่ายที่อยู่เบื้องหลังการปลอมตัว ไม่ใช่แค่การโจมตี URL หนึ่งครั้งต่อครั้ง
ประการที่สอง คือการพึ่งพาเครื่องมือกลางที่ต้องมีการเข้าถึงลึกเข้าสู่ระบบของลูกค้า นี่คือปัญหาทางโครงสร้างที่เราเขียนเกี่ยวกับกรณีการละเมิดของ Anodot — ซัพพลายเออร์ที่ต้องการ OAuth หรือคีย์ API เข้าสู่ระบบคลาวด์ของคุณกลายเป็นจุดล้มเหลวเดียวสำหรับทุกคนในลำดับ การออกแบบไม่มีจุดล้มเหลว
ประการที่สาม คือความล่าช้า มากของสิ่งที่ขายเป็น “ข้อมูลข่าวกรองภัยคุกคามแบบเรียลไทม์” เป็นการล่าช้า 4-24 ชั่วโมง เนื่องจากการรวบรวมข้อมูลเป็นแบบแบตช์ สำหรับการปลอมตัวและฉ้อโกง นี่คือช่วงเวลาที่ยาวนานมาก
ประการที่สี่ คือการกระจายทรัพยากรที่ไม่เหมาะสมระหว่างการตรวจจับและการวิเคราะห์ บริษัทต่างๆ ลงทุนในเครื่องมือที่ระบุเนื้อหาสังเคราะห์หรือน่าสงสัย แต่ลงทุนไม่เพียงพอในเรื่องการครอบคลุมเพื่อเห็นสิ่งที่โพสต์เกี่ยวกับตนเองบนเว็บสาธารณะ และความสามารถในการวิเคราะห์เพื่อทำความเข้าใจสิ่งที่พวกเขาเห็น — ใครอยู่เบื้องหลัง มันเชื่อมโยงกับบัญชีใด และมีอินฟราสตรัคเจอร์ใดที่ใช้ร่วมกัน การระบุเป็นเพียงขั้นตอนเดียว การครอบคลุมและการวิเคราะห์คือสิ่งที่เปลี่ยนการระบุเป็นการดำเนินการ นี่เหมือนกับการซื้อเครื่องตรวจจับควันและลืมเสียบปลั๊ก
คุณได้พูดถึงการรับมือกับจุดข้อมูลสาธารณะหลายพันล้านจุดในแต่ละเดือน สิ่งที่ท้าทายทางเทคนิคเกิดขึ้นเมื่อพยายามสร้างโครงสร้างพื้นฐานแบบเรียลไทม์ที่สามารถระบุภัยคุกคาม AI ได้ในระดับอินเทอร์เน็ต
ปัญหาที่ยากไม่ใช่สิ่งที่คนส่วนใหญ่คาดหวัง สิ่งแรกที่ต้องบอกคือการสร้างโครงสร้างพื้นฐานประเภทนี้ไม่ใช่สิ่งที่ยาก — การบำรุงรักษามันคือสิ่งที่ยาก คุณไม่ได้สร้างไปเพียงครั้งเดียวแล้วปล่อยให้มันไป คุณต้องมีทีมทั้งหมดที่มีหน้าที่รักษามันให้ทำงานต่อไป และนั่นคือทีมที่เราสร้างขึ้น แหล่งข้อมูลสาธารณะที่เรารวบรวมข้อมูลมีการเปลี่ยนแปลงอย่างต่อเนื่อง และแหล่งใดแหล่งหนึ่งสามารถหยุดการทำงานได้โดยไม่มีการแจ้งเตือน ส่วนใหญ่ของความพยายามด้านวิศวกรรมตลอดอายุการใช้งานของผลิตภัณฑ์เช่นนี้ไปสู่การบำรุงรักษา ไม่ใช่การพัฒนาใหม่
ประการที่สอง คือการขยายขนาดเป็นเครื่องบินเลื่อน คุณปรับปรุงไปเพิ่มและผลักดันให้หนักขึ้น และถึงจุดหนึ่ง ขนาดกลายเป็นมากเกินไปสำหรับสิ่งที่คุณสร้าง และสิ่งต่างๆ เริ่มสั่นคลอน จากนั้นคุณก็สร้างชั้นใหม่ — บางครั้งจากศูนย์ — สำหรับระดับถัดไป รอบนี้ไม่เคยสิ้นสุด ทุกอันดับของขนาดเป็นแทบจะเป็นระบบที่แตกต่าง แม้ว่ามันจะดูเหมือนผลิตภัณฑ์เดียวกันจากภายนอก
ประการที่สาม คือการทำงานอย่างต่อเนื่อง ซึ่งดูเหมือนจะไม่น่าสนใจจนกระทั่งคุณจำได้ว่าลูกค้าของเราคือใคร บางคนใช้ข้อมูลของเราช่วยป้องกันการโจมตีของผู้ก่อการร้าย การทำงานแบบเรียลไทม์หมายความว่าคุณไม่ได้รับเวลาพัก การหยุดทำงานจะเกิดขึ้น — มันเกิดขึ้นเสมอ — และสิ่งที่สำคัญคือมันทำงานได้ตลอดเวลาและสามารถแก้ไขได้เร็วที่สุดเท่าที่จะเป็นไปได้เมื่อมันไม่ทำงาน เราได้วิศวกรรมท่าทางเรียกใช้ การเตือน และการสำรองข้อมูลรอบๆ ความเป็นจริงนี้ ไม่ใช่รอบๆ ตัวเลขการทำงานของ SaaS ทั่วไป
เมื่อสื่อสังเคราะห์กลายเป็นน่าเชื่อถือมากขึ้น คุณคิดว่าสังคมกำลังจะเข้าสู่วิกฤตความเชื่อถือที่กว้างขึ้น ซึ่งผู้คนเริ่มสงสัยเสียง วิดีโอ และการสื่อสารที่ถูกต้องโดยอัตโนมัติหรือไม่
ใกล้กว่าที่คนต้องการจะเชื่อ แต่ฉันไม่คิดว่ามันจะสิ้นสุดในความล่มสลาย — ฉันคิดว่ามันจะสิ้นสุดในสมดุลที่แตกต่าง
รูปแบบที่ไร้เดียงสาของวิกฤตความเชื่อถือบอกว่า: ไม่มีใครเชื่อเสียงหรือวิดีโอใดๆ และสังคมสาธารณะจะล่มสลาย ฉันไม่คิดว่ามันจะไปสู่ที่นั่น มนุษย์สามารถปรับตัวเข้ากับสภาพแวดล้อมเชิงอุปนัยได้อย่างน่าประทับใจ เราเรียนรู้ที่จะอ่านหนังสือพิมพ์ด้วยความระมัดระวัง จากนั้นโทรทัศน์ และจากนั้นเว็บ เราจะเรียนรู้ที่จะอ่านสื่อที่สร้างโดย AI ด้วยความระมัดระวังเช่นกัน และนี่ไม่ใช่ผลลัพธ์ที่ไม่ดีโดยสิ้นเชิง
สิ่งที่ฉันคิดว่าเราจะเห็นคือการเปลี่ยนแปลงในเรื่องของสิ่งที่ถือว่าเป็นหลักฐาน วิดีโอและเสียงดิบจะกลายเป็นหลักฐานที่อ่อนแอ การรับรองทางพจนานุกรม การลงนามด้วยการเข้ารหัสลับ สายการตรวจสอบ และการยืนยันตัวตนจะกลายเป็นหลักฐานที่แข็งแกร่งกว่า สถาบันที่สามารถยืนยันตัวตนของการสื่อสารของตนเองได้อย่างน่าเชื่อถือ — ธนาคาร รัฐบาล สื่อข่าว — จะก้าวหน้า สถาบันที่ไม่สามารถทำเช่นนั้นจะถูกปลอมตัวจนไม่มีความสำคัญ
ช่วงเวลาอันตรายคือช่วงกลาง ซึ่งเป็นสองถึงสามปี ที่การปลอมตัวที่น่าเชื่อถือจะพัฒนาเร็วกว่าชั้นการยืนยันตัวตนที่ถูกนำมาใช้ นี่คือช่วงเวลาที่ความเสียหายเกิดขึ้น และนี่คือช่วงเวลาที่เราพยายามให้ลูกค้าของเรามีความสามารถในการอยู่รอด
ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้ที่ Vetric.












