Hoe AI contenthashing ontrafelt

Laten we eenvoudig beginnen. Een hash is als een vingerafdruk voor een bestand. Je neemt een foto, een video of een document, voert deze door een hashfunctie en je krijgt een korte code. Deze code noemen we een hashwaarde.

Als er ook maar één pixel in de foto verandert, verandert de hashwaarde volledig. Zo werken tools zoals SHA-256 . Ze zijn uitstekend geschikt om te controleren of een bestand is gemanipuleerd.

Maar er is een probleem. Reguliere hashing is te streng voor contentmoderatie in de praktijk. Als iemand een verboden afbeelding met één pixel verkleint, komt een strikte hash niet meer overeen. Daarom hebben bedrijven een mildere versie ontwikkeld, genaamd perceptuele hashing.

Perceptuele hashing analyseert wat een afbeelding daadwerkelijk laat zien, niet alleen de ruwe bits. Het extraheert visuele kenmerken uit een afbeelding om een ​​vingerafdruk te creëren die vrijwel hetzelfde blijft, zelfs als iemand de afbeelding bijsnijdt, verkleint of de kleuren aanpast. Deze technologie ligt ten grondslag aan tools die video's met auteursrecht, spamafbeeldingen en andere schadelijke content detecteren voordat ze zich verspreiden.

Dit is precies wat perceptuele hashing zo slim maakt. Maar het is ook precies wat het kwetsbaar maakt, en dat is waar AI zich begint te verzetten tegen de systemen die het zelf heeft helpen bouwen.

Waar AI om de hoek komt kijken

Dezelfde neurale netwerken die perceptuele hashing slim maken, maken het ook kwetsbaar voor kraakpogingen.

Onderzoekers van de Technische Universiteit Darmstadt bestudeerden Apple's NeuralHash-systeem , dat is ontwikkeld om CSAM (Computer-Screen Auto-Application Machine) op apparaten te detecteren. Ze ontdekten dat kleine, bijna onzichtbare veranderingen aan een afbeelding de hash ervan volledig kunnen veranderen. Een aanvaller zou een schadelijke afbeelding er veilig uit kunnen laten zien voor de detector, of een volkomen normale foto een vals alarm kunnen laten veroorzaken.

Een aparte studie toonde iets nog groters aan. Ze bewezen dat twee compleet verschillende afbeeldingen gedwongen konden worden om exact dezelfde hash te produceren. Dit noemen we een hash-botsing, en het werkt omdat perceptuele hashfuncties differentieerbaar zijn. Simpel gezegd gedragen ze zich als wiskundige problemen die een AI stilletjes kan oplossen en reverse-engineeren.

Dit is belangrijk omdat het hele idee van content-hashing gebaseerd is op één belofte: vergelijkbare content zou een vergelijkbare hash moeten krijgen, en verschillende content een verschillende hash. AI kan die belofte nu opzettelijk verbreken.

Het kraken van hashes is echter maar de helft van het verhaal. De andere helft is nog veel lastiger, omdat AI niet alleen detectie ontwijkt, maar ook zelf de nepcontent creëert die detectiesystemen juist zouden moeten opsporen.

AI vervalst ook content.

Er is nog een tweede probleem dat bovenop het eerste komt. Generatieve AI-tools kunnen nu deepfakes en synthetische content creëren die er volkomen realistisch uitzien.

De afgelopen jaren zijn deze vervalsingen veel overtuigender en gemakkelijker te produceren geworden. Wat vroeger echte vaardigheid en dure tools vereiste, kan nu door bijna iedereen met de juiste software in elkaar worden gezet. Daardoor is de hoeveelheid synthetische content die online circuleert snel toegenomen en kunnen gewone mensen vaak niet meer onderscheiden wat echt is en wat gegenereerd is.

Om dit tegen te gaan, plaatsen sommige bedrijven nu een verborgen watermerk in door AI gegenereerde content, zodat deze later herkend kan worden. Het idee is goed, maar het is verre van waterdicht. Een kleine en bijna onzichtbare wijziging in een bestand kan het watermerk ongemerkt verwijderen, terwijl de content er nog steeds volkomen normaal uitziet. Dit betekent dat een markering die de authenticiteit moet bewijzen, zomaar kan verdwijnen.

We hebben nu dus twee met elkaar verbonden problemen. AI kan nepcontent creëren die er echt uitziet, en AI kan ook de systemen omzeilen die juist ontworpen zijn om nep- of schadelijke content te detecteren. Voor beveiligingsteams is dit niet zomaar een onderzoeksvraagstuk. Het is een reële tekortkoming in alledaagse tools zoals contentmoderatiefilters, scanners voor merkbescherming en fraudedetectiesystemen.

Dit zijn geen kleine, op zichzelf staande risico's. Wanneer je ze combineert, vormen ze een veel groter bedrijfsprobleem, en dat is precies waar beveiligingsteams zich vervolgens op moeten richten.

Het bedrijfsrisico

Dit risico beperkt zich niet tot sociale mediaplatformen. Het geldt net zo goed voor bedrijven, om een ​​aantal duidelijke redenen.

• Bestandsintegriteitscontroles kunnen worden omzeild als aanvallers manieren vinden om twee verschillende bestanden dezelfde simpele hash te laten delen, wat bekend staat als een hash-botsing.
• Merk- en contentbeschermingsinstrumenten die gebruikmaken van perceptuele hashing kunnen worden omzeild, waardoor gestolen of schadelijke content door de filters heen glipt.
• Met deepfake-spraak- en videoclips kunnen identiteitscontroles in de banksector, bij HR-aanwervingen en bij klantenservice worden omzeild.
• Digitaal bewijsmateriaal en auditsporen die afhankelijk zijn van hashing voor authenticiteitsbewijs, worden minder betrouwbaar als de hashingmethode zelf gemanipuleerd kan worden.

Dit sluit direct aan op bredere zorgen die al door NIST zijn geuit . NIST benadrukt namelijk dat cryptografische sterkte alleen niet voldoende is als het omringende systeem kan worden misleid door slimme, door AI gegenereerde invoer.

Het is één ding om de risico's te kennen. Het is echter veel nuttiger om te weten wat je er daadwerkelijk aan kunt doen. Laten we daarom eens kijken naar een aantal praktische stappen.

Praktische stappen vooruit

Het probleem is echter niet onoplosbaar. Het vereist alleen een gelaagde aanpak in plaats van alleen op één hashcontrole te vertrouwen.

• Vertrouw niet alleen op perceptuele hashing. Combineer het met cryptografische hashing, metadata-controles en gedragsgebaseerde detectie.
• Beschouw door AI gegenereerde content als een normaal onderdeel van uw dreigingsmodel, niet als een uitzondering. Ontwikkel detectieregels die ervan uitgaan dat aanvallers ook AI kunnen gebruiken.
• Voeg sterke identiteitsverificatie toe, zoals multifactorauthenticatie en liveness-detectie, voor elk proces waarbij een deepfake daadwerkelijk schade kan aanrichten, zoals bankoverschrijvingen of het resetten van wachtwoorden.
• Zorg dat uw hashing- en detectiemodellen up-to-date zijn. Oude modellen die getraind zijn op oudere deepfakes zullen nieuwere, realistischere deepfakes missen.
• Gebruik cryptografische ondertekening in combinatie met hashing voor alles wat een sterk bewijs van authenticiteit vereist, zoals juridische documenten of financiële gegevens.

Geen van deze stappen hoeft ingewikkeld te zijn. Het kernidee is simpel. Laat nooit één enkele hashwaarde de enige poortwachter zijn tussen uw organisatie en gemanipuleerde content.

Zelfs de cryptografie die vandaag de dag ten grondslag ligt aan uw hashing en ondertekening, dezelfde SHA-256- en publieke sleutelmethoden die we eerder noemden, zal uiteindelijk onder druk komen te staan ​​zodra kwantumcomputers volwassen zijn. Het nu al implementeren van deze gelaagde verdedigingsmechanismen betekent ook dat u zich moet voorbereiden op die volgende verschuiving, en dit is precies het soort werk waarbij de juiste beveiligingspartner u kan helpen om de concurrentie voor te blijven.

Hoe encryptieconsultancy kan helpen

Als het gaat om het in de praktijk brengen van al het bovenstaande, blijft de basis hetzelfde: een helder, nauwkeurig en actueel beeld van uw cryptografische status. Dat is precies wat de Encryption Advisory Services van Encryption Consulting bieden.

Onze adviesdiensten op het gebied van encryptie bieden u een onafhankelijke beoordeling van hoe uw organisatie cryptografie gebruikt. Het helpt u ook inzicht te krijgen in hoe uw sleutels worden gegenereerd, opgeslagen en geroteerd, welke algoritmen worden gebruikt, waar gevoelige gegevens wel en niet worden beschermd, en hoe dit alles aansluit op de normen en deadlines die in deze blog worden besproken. Vanuit die basis helpen we u bij het opstellen van een encryptiebeleid, het versterken van sleutelbeheer en -governance, het dichten van compliance-lacunes en het prioriteren van de werkzaamheden die het risico het snelst verminderen.

En wanneer u klaar bent om specifiek de post-quantum-tijdlijn aan te pakken, breiden onze post-quantum-adviesdiensten datzelfde werk uit naar een gefaseerd migratieplan dat is afgestemd op de CNSA 2.0- en NIST-regelgeving. Neem contact met ons op om uw encryptiestrategie en post-quantum-gereedheid te bespreken. Ontdek ons ​​volledige aanbod aan producten en diensten om te zien hoe wij uw organisatie kunnen beveiligen.

Conclusie

Het hashen van content was vroeger een stil en betrouwbaar proces op de achtergrond, maar AI heeft daar verandering in gebracht. Perceptuele hashes kunnen worden gemanipuleerd en watermerken kunnen worden verwijderd. Deepfakes kunnen identiteitscontroles omzeilen. Dit alles betekent niet dat hashing nutteloos is. Het betekent alleen dat hashing op zich niet meer voldoende is.

De juiste aanpak is om hashing te beschouwen als één laag in een groter vertrouwenssysteem, ondersteund door sterke cryptografie, goed sleutelbeheer, identiteitscontroles die ervan uitgaan dat aanvallers ook AI-tools hebben, en een duidelijk plan voor de post-kwantumtransitie die al gaande is.

Als uw organisatie wil onderzoeken hoe uw huidige cryptografische beveiliging zich houdt tegen deze nieuwe, door AI gedreven risico's, dan is Encryption Consulting het juiste startpunt voor dat gesprek.