วัยชนว์ อานันท์ ผู้เขียน Tech Demystified: Cybersecurity – สัมภาษณ์ Series

วัยชนว์ อานันท์ นักเรียนวัย 17 ปีจากโรงเรียน Athenian ได้พัฒนาระบบ AI ที่สามารถตรวจจับ “geospatial deepfakes” ซึ่งเป็นภาพถ่ายดาวเทียมที่ถูกดัดแปลงโดย AI ซึ่งอาจซ่อนที่ตั้งทางทหาร สร้างข้อมูลปลอมเกี่ยวกับทรัพยากร หรือบิดเบือนข้อมูลเกี่ยวกับภัยพิบัติ ซึ่งอาจก่อให้เกิดความเสี่ยงต่อความมั่นคงแห่งชาติและความมั่นคงโลก โดยไม่มีฐานข้อมูลสาธารณะสำหรับการตรวจจับประเภทนี้ อานันท์สร้างภาพถ่ายสังเคราะห์ของเขาเองโดยใช้เครือข่าย Generative Adversarial Networks (GANs) ฝึกโมเดลจากศูนย์ และขณะนี้กำลังใช้วิธีการกระจายเพื่อปรับปรุงความแม่นยำ การวิจัยของเขาได้รับการนำเสนอที่ Esri International User Conference และมหาวิทยาลัยเคมบริดจ์ และได้รับการยอมรับจากประธาน Esri Jack Dangermond

ร่วมกับการทำงานด้านความปลอดภัยของ AI อานันท์ยังเขียนหนังสือสองเล่มเกี่ยวกับความปลอดภัยทางไซเบอร์ที่ถูกนำมาใช้ในโรงเรียนส่วนตัว โดยหนังสือเล่มล่าสุดของเขา Tech Demystified: Cybersecurity: Core Principles of Modern Cyber Defense ได้รับการจัดอันดับ 5.0 ดาว หนังสือเล่มนี้อธิบายหัวข้อที่ซับซ้อน เช่น การส่งอีเมลหลอกลวง มัลแวร์ ไฟร์วอลล์ และการเข้ารหัสลับเป็นบทเรียนที่ชัดเจนและใช้งานได้จริงสำหรับนักเรียน ครู และผู้ที่สนใจความปลอดภัยทางดิจิทัล โดยการทำให้ความปลอดภัยทางไซเบอร์เข้าถึงได้และน่าสนใจ อานันท์กำลังสร้างตัวเองไม่เพียงแต่ในฐานะผู้นวัตกรรมใน AI แต่ยังเป็นเสียงที่กำลังเกิดขึ้นในด้านการศึกษาและเทคโนโลยี

คุณยังอยู่ในโรงเรียนมัธยม แต่คุณได้สร้างผลกระทบใน AI และความปลอดภัยทางไซเบอร์แล้ว คุณถูกดึงดูดเข้าสู่สาขานี้ครั้งแรกและคุณเริ่มพัฒนาโครงการที่ซับซ้อนในอายุที่น้อยได้อย่างไร?

สิ่งที่ดึงดูดฉันเข้าสู่สาขานี้คือการเห็นธรรมชาติที่สองของ AI มัน มีศักยภาพที่น่าเหลือเชื่อ แต่ก็สามารถก่อให้เกิดอันตรายได้ ฉันมีประสบการณ์โดยตรงเกี่ยวกับเทคโนโลยี deepfake ที่เปลี่ยนมุมมองของฉัน การดูว่าเนื้อหาสังเคราะห์สามารถทำร้ายเด็กและเยาวชนได้อย่างไร ทำให้ฉันรู้ว่านี่ไม่ใช่แค่ความสนใจทางเทคนิค แต่เป็นปัญหาสังคมที่สำคัญที่ต้องการความเข้าใจมากขึ้น

การเข้าสู่การวิจัยของฉันไม่ได้มาจากแผนใหญ่ แต่มาจากความอยากรู้อยากเห็น ฉันถามคำถามและคำตอบนำไปสู่คำถามถัดไป ทำให้เกิดวงจรการค้นพบ ฉันพบว่าตัวเองสนใจปัญหาที่ซับซ้อนมากขึ้น ฉันไม่ได้พยายามหาการยอมรับ แต่ฉันสนใจอย่างแท้จริงในคำถามเหล่านั้น

ฉันเปลี่ยนจากการสำรวจส่วนบุคคลไปสู่การวิจัยที่มีความหมายโดยการสร้างเครือข่ายและการติดตาม ฉันเริ่มติดต่อผู้วิจัยที่มีชื่อเสียงซึ่งงานของพวกเขาที่ฉันชื่นชม โดยส่วนใหญ่ผ่านแพลตฟอร์มเช่น LinkedIn แม้ว่าหลายคนจะไม่ตอบกลับ แต่ฉันโชคดีที่ได้ติดต่อกับสองนักวิจัยด้าน PhD ที่เน้นการรักษาความปลอดภัยของ AI และการตรวจจับ deepfake พวกเขาทำให้ฉันเริ่มต้นด้วยงานเล็กๆ ภายในโครงการวิจัยที่ใหญ่ขึ้น เมื่อฉันพิสูจน์ความน่าเชื่อถือและข้อมูลเชิงลึกของฉัน งานเหล่านั้นก็กลายเป็นงานที่สำคัญขึ้น

การเป็นพี่เลี้ยงนี้เปลี่ยนแปลงชีวิตฉัน การมีนักวิจัยที่มีประสบการณ์เป็นคนชี้แนะการเติบโตของฉัน ช่วยให้ฉันเปลี่ยนความอยากรู้อยากเห็นของฉันเป็นงานวิจัยที่เข้มงวด การกระตุ้นภายในของฉัน การชี้แนะที่มีโครงสร้างของพวกเขา และความพยายามที่ต่อเนื่องกันของฉัน ทำให้ความสนใจที่ไม่สำคัญของฉันกลายเป็นผลงานวิจัยที่สำคัญ สิ่งนี้ทำให้ฉันเชื่อมั่นว่าการก้าวหน้าที่แท้จริงมักจะไม่มาจากความสำเร็จที่น่าตื่นเต้น แต่มาจากการมีส่วนร่วมอย่างต่อเนื่องกับปัญหาที่สำคัญ

คนส่วนใหญ่คิดถึง deepfakes ในแง่ของใบหน้าหรือเสียง คุณได้รับแรงบันดาลใจในการตรวจสอบ geospatial deepfakes โดยเฉพาะอย่างไร และทำไมคุณจึงเห็นว่านี่เป็นจุดบอดที่สำคัญ?

เมื่อคนส่วนใหญ่ฟังคำว่า “deepfake” พวกเขาจะคิดถึงวิดีโอที่ถูกดัดแปลงหรือเสียงที่ถูกเปลี่ยนแปลง ฉันก็เช่นกันในตอนแรก แต่เมื่อฉันเรียนรู้เพิ่มเติม ฉันเริ่มคิดว่าเทคโนโลยีนี้สามารถใช้ในบริบทอื่นๆ ได้อย่างไร ซึ่งเราอาจไม่พิจารณา นั่นคือเมื่อฉันรู้ว่าภาพถ่ายดาวเทียมมักถือว่าน่าเชื่อถืออย่างสมบูรณ์ รัฐบาล ธุรกิจ และแม้กระทั่งหน่วยงานบรรเทาสาธารณภัยตัดสินใจสำคัญโดยอาศัยข้อมูลนี้

สิ่งนี้ดูเหมือนจุดบอด หากวิดีโอที่ถูกดัดแปลงสามารถทำร้ายชื่อเสียงได้ ภาพถ่ายดาวเทียมที่ถูกดัดแปลงหรือเปลี่ยนแปลงอาจทำให้การปฏิบัติการช่วยเหลือในกรณีภัยพิบัติผิดพลาด การตัดสินใจด้านความมั่นคงแห่งชาติที่ไม่ถูกต้อง หรือแม้กระทั่งการเปลี่ยนแปลงในตลาดการเงินได้ เมื่อการป้องกันและสงครามต้องอาศัยระบบ AI ที่เพิ่มขึ้น ความเสี่ยงก็เพิ่มขึ้นเช่นกัน การดัดแปลงภาพถ่ายดาวเทียมสามารถหลอกลวงไม่เพียงแต่คน แต่ยังรวมถึงเครื่องจักรด้วย

สิ่งที่ทำให้ฉันตื่นตระหนกมากขึ้นคือ geospatial deepfakes ได้รับความสนใจน้อยกว่า deepfakes ใบหน้าหรือเสียง มีฐานข้อมูลสาธารณะและเครื่องมือมาตรฐานเพียงเล็กน้อยสำหรับการตรวจจับ และการตรวจจับปลอมในภาพถ่ายดาวเทียมยังเป็นเรื่องที่ท้าทายมากกว่า นี่คือสิ่งที่ทำให้ฉันรู้ว่านี่เป็นพื้นที่ที่สำคัญที่ต้องสำรวจ

คุณสามารถอธิบายกระบวนการค้นพบของคุณได้อย่างไร คุณรู้ว่าภาพถ่ายดาวเทียมที่ถูกดัดแปลงสามารถก่อให้เกิดความเสี่ยงต่อความมั่นคงแห่งชาติ การตอบสนองต่อภัยพิบัติ และการปฏิบัติการทางเศรษฐกิจได้อย่างไร?

จุดเปลี่ยนของฉันเกิดขึ้นหลังจากที่ฉันพบกับ deepfake ที่ทำให้ฉันสั่นคลอนความเชื่อมั่นในความน่าเชื่อถือของหลักฐานทางภาพ การสั่นคลอนนี้ทำให้ฉันเห็นถึงความสำคัญของการตรวจสอบความถูกต้องของข้อมูล

ในตอนแรก ฉันให้ความสนใจกับการตรวจจับ deepfakes ในรูปแบบวิดีโอและเสียง แต่เมื่อฉันเรียนรู้เพิ่มเติม ฉันก็เริ่มเห็นถึงผลกระทบที่กว้างขึ้นของเทคโนโลยีนี้

การทำงานร่วมกับข้อมูลภูมิศาสตร์และภาพถ่ายดาวเทียมทำให้ฉันเห็นถึงความสำคัญของข้อมูลเหล่านี้ในการตัดสินใจ ฉันเห็นภาพถ่ายดาวเทียมที่ชี้นำการปฏิบัติการช่วยเหลือในกรณีภัยพิบัติ การกำหนดนโยบายสิ่งแวดล้อม และการวางแผนชุมชน

สิ่งนี้ทำให้ฉันรู้ว่าหากวิดีโอที่ถูกดัดแปลงสามารถก่อให้เกิดความวุ่นวายทางอารมณ์และความไม่สงบทางสังคมได้ ภาพถ่ายดาวเทียมที่ถูกดัดแปลงหรือเปลี่ยนแปลงอาจนำไปสู่ผลลัพธ์ที่เลวร้ายในโลกแห่งความเป็นจริง

ระบบของคุณใช้ Generative Adversarial Networks (GANs) เพื่อตรวจจับภาพถ่ายดาวเทียมที่ถูกดัดแปลง คุณสามารถอธิบายว่าระบบของคุณทำงานอย่างไร และสิ่งที่ทำให้ระบบของคุณแตกต่างจากตัวตรวจจับ deepfakes ทั่วไป?

ระบบส่วนใหญ่ที่มีอยู่ในปัจจุบันถูกออกแบบมาเพื่อตรวจจับใบหน้าหรือเสียง ซึ่งมีลักษณะที่แตกต่างจากภาพถ่ายดาวเทียม

ในโครงการแรกของฉัน ฉันฝึกโมเดล GANs โดยใช้ฐานข้อมูล SpaceNet-7 ของภาพถ่ายดาวเทียมที่แท้จริง

การฝึกอบรมนี้ทำให้ระบบของฉันสามารถตรวจจับภาพถ่ายดาวเทียมที่ถูกดัดแปลงได้อย่างแม่นยำ

ในงานวิจัยของคุณที่ MIT URTC คุณกล่าวถึงการบรรลุผลลัพธ์ที่ประมาณ 88 เปอร์เซ็นต์ในการแยกแยะระหว่างภาพถ่ายดาวเทียมที่แท้จริงและภาพถ่ายที่ถูกดัดแปลง คุณสามารถอธิบายถึงความสำเร็จหลักๆ ที่ทำให้คุณได้ผลลัพธ์นี้ได้อย่างไร?

ความสำเร็จหลักๆ คือการสร้างฐานข้อมูลสังเคราะห์ของฉันเองโดยใช้ GANs และการฝึกโมเดลด้วยฐานข้อมูลนั้น

การฝึกอบรมนี้ทำให้ระบบของฉันสามารถเข้าใจรูปแบบทางสถิติของภาพถ่ายดาวเทียมที่แท้จริงได้อย่างแม่นยำ

คุณสามารถอธิบายว่าคุณสร้างฐานข้อมูลสังเคราะห์ของคุณเองได้อย่างไร โดยไม่มีฐานข้อมูลสาธารณะสำหรับการตรวจจับ geospatial deepfakes?

การสร้างฐานข้อมูลสังเคราะห์ของฉันเกี่ยวข้องกับการสร้างโครงสร้าง GAN ที่ซับซ้อนโดยใช้ฐานข้อมูล SpaceNet-7 ของภาพถ่ายดาวเทียมที่แท้จริง

การฝึกอบรมนี้ทำให้ระบบของฉันสามารถสร้างภาพถ่ายสังเคราะห์ที่มีลักษณะคล้ายกับภาพถ่ายดาวเทียมที่แท้จริงได้อย่างแม่นยำ

คุณสามารถอธิบายถึงความผิดปกติที่ระบบของคุณตรวจจับได้เมื่อแยกแยะระหว่างภาพถ่ายดาวเทียมที่แท้จริงและภาพถ่ายที่ถูกดัดแปลง?

ระบบของฉันสามารถตรวจจับความผิดปกติทางสเปกตรัมและรูปแบบที่ไม่สอดคล้องกับภาพถ่ายดาวเทียมที่แท้จริงได้

เมื่อมองไปข้างหน้า โปสเตอร์ของคุณกล่าวถึงงานวิจัยในอนาคต เช่น เบราว์เซอร์ 익ステนชั่นสำหรับการตรวจสอบความถูกต้องของภาพถ่ายดาวเทียมในเวลาจริง และเฟรมเวิร์กสำหรับหลายฐานข้อมูล คุณเห็นว่าขั้นตอนใหญ่ต่อไปในเส้นทางการวิจัยนี้คืออะไร?

ในขณะที่การวิจัยของฉันโดยใช้ GANs แสดงให้เห็นว่าเราสามารถตรวจจับภาพถ่ายดาวเทียมที่ถูกดัดแปลงได้อย่างแม่นยำ แต่ฉันก็รู้ว่าผลลัพธ์ที่ดีในห้องปฏิบัติการไม่ได้รับประกันความสำเร็จในโลกแห่งความเป็นจริง

ฉันกำลังพัฒนาระบบที่สามารถปรับตัวและทำงานได้ดีภายใต้สภาพแวดล้อมที่หลากหลาย

นอกเหนือจากข้อมูลภูมิศาสตร์แล้ว การวิจัยในวงกว้างของคุณยังครอบคลุมถึงวิดีโอ deepfakes การตรวจสอบเสียงในเวลาจริง และความลำเอียงของ AI ในการให้กู้ยืม คุณเลือกที่จะจัดการกับความท้าทายด้านจริยธรรมอย่างไร?

การวิจัยของฉันไม่ได้ถูกกำหนดโดยหัวข้อที่กำลังเป็นที่นิยม แต่ฉันให้ความสนใจกับการค้นหาจุดอ่อนที่สำคัญในระบบที่ผู้คนวางใจ

คุณได้ตีพิมพ์ Tech Demystified: Cybersecurity ซึ่งได้รับการนำมาใช้ในโรงเรียน คุณได้รับแรงบันดาลใจในการเขียนหนังสือเล่มนี้อย่างไร และคุณทำให้เนื้อหาทางเทคนิคที่ซับซ้อนเข้าถึงได้สำหรับนักเรียนและครู?

หนังสือเล่มนี้เกิดขึ้นจากประสบการณ์การวิจัยเกี่ยวกับ deepfakes ของฉัน ซึ่งทำให้ฉันเห็นถึงความสำคัญของการรู้เท่าทันเทคโนโลยีสำหรับเยาวชน

ในหนังสือ คุณครอบคลุมถึงภัยคุกคามต่างๆ ตั้งแต่การหลอกลวงทางอีเมลจนถึงมัลแวร์ คุณคิดว่าหลักการด้านความปลอดภัยทางไซเบอร์ที่สำคัญที่สุดสำหรับเยาวชนคืออะไร?

หลักการสำคัญที่สุดคือ “เชื่อแต่ต้องตรวจสอบ” เป็นสิ่งสำคัญที่จะต้องพัฒนานิสัยในการตั้งคำถามเกี่ยวกับข้อมูลดิจิทัลก่อนที่จะดำเนินการ

ระหว่างการวิจัยทางวิชาการ การศึกษา STEM และงานที่ตีพิมพ์ คุณมีความหลงใหลในเทคโนโลยีและจริยธรรม คุณหวังว่าจะ塑造อนาคตของความปลอดภัยของ AI และนวัตกรรมที่รับผิดชอบได้อย่างไร?

ทุกสิ่งที่ฉันทำมุ่งเน้นไปที่การสร้างและรักษาความไว้วางใจในเทคโนโลยี

ฉันหวังว่าจะมีส่วนช่วยในการค้นหาจุดอ่อนที่สำคัญก่อนที่จะกลายเป็นปัญหาใหญ่ และฉันหวังว่าจะมีส่วนช่วยในการสร้างอนาคตของ AI ที่ผู้คนสามารถไว้วางใจและได้รับประโยชน์จากมัน

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านได้รับการกระตุ้นให้อ่าน Tech Demystified: Cybersecurity: Core Principles of Modern Cyber Defense