本文认为,一系列当前的AI系统已经学会了如何欺骗人类。我们将解剖学定义为在追求某些结果以外的其他结果时系统地诱导错误的信念。我们首先调查了AI欺骗的经验例子,讨论了特殊使用AI系统(包括Meta's Cicero)和通用AI系统(包括大语言模型)。接下来,我们详细介绍了AI欺骗中的几种风险,例如欺诈,选举篡改和失去对AI的控制。最后,我们概述了几种解决方案:首先,监管框架应对AI系统进行欺骗的AI系统,以满足强大的风险评估要求;其次,政策制定者应实施机器人或非法律;最后,政策制定者应优先考虑相关研究的资金,包括检测AI欺骗并使AI系统较低欺骗性的工具。决策者,研究人员和更广泛的公众应积极努力,以防止AI欺骗破坏我们社会的共同基础。
本研究研究了影响企业对企业(B2B)经理采用生成人工智能(Genai)的意图的关键原因(b2b)。我们还研究了Genai采用如何影响公司绩效,以及道德领导的调节作用。研究1进行了一系列深入的访谈,得出了一组在研究中进行了测试的假设。从美国,英国,加拿大,印度,澳大利亚,马来西亚和日本的受访者总共收集了277个回应,以使用结构方程建模来测试拟议的模型。发现的结果表明,需要独特性,信息完整性,康复和欺骗性的需求显着影响Genai的采用。结果还强调了Genai采用促进了公司的绩效。最后,发现道德领导力调节了Genai采用对公司绩效的影响。这项研究丰富了Genai,技术的采用和行为推理理论文献,同时还为打算采用Genai的公司提供了相关的见解。
“非公开竞争者数据”是指(1)不可广泛使用或易于访问的信息,无论该信息是归因于特定竞争对手还是匿名化的信息,以及(2)由其他人(或其他人提供给)与人在同一市场中竞争的人(或其他人提供给)的信息,或者(2)。非公共竞争者数据包括实际租金价格,占用率,租赁开始和结束日期以及其他类似信息。在设定租金租金的租金量时,包括确定租赁续签的任何租金变更,房东可能不会雇用,使用或依赖或依靠,或依靠或依赖其他算法,使用或依靠 - 使用,使用,包括培训,与非公开竞争者数据一起使用的算法设备。现行法律:MCPA下的一种不公平,虐待或欺骗性的贸易实践包括任何错误,错误地贬低,误导性的口头或书面陈述,视觉描述或其他任何形式的代表,具有欺骗或误导消费者的能力,趋势或效力。禁止从事任何不公平,虐待或欺骗性的贸易实践涵盖或实际出售,租赁,租赁,租金,贷款或保释的任何消费品,消费者房地产或消费者服务;延长消费者信用;消费者债务的收集;或商家从消费者那里购买消费品或消费者房地产的要约,其业务包括与从消费者购买任何消费品或消费者房地产有关的消费者债务。消费者保护部负责执行MCPA并调查受害消费者的投诉。该部门可以试图调和此事,签发停止和停止命令,或在法庭上提起民事诉讼。违反MCPA的商人对每种违规行为的罚款最高为10,000美元,每次重复相同的违规行为最多可处以25,000美元的罚款。除了可能施加的任何民事处罚外,任何违反MCPA的人都犯有轻罪,并且被定罪,最高可处以最高1,000美元和/或监禁一年。小业务效应:该法案禁止房东使用算法设备来确定收费住宅租户的租金金额。虽然立法服务部假定受法案影响的大多数实体不是小型企业,但使用这些设备的任何小型企业都受法案有意义的影响。其他评论:2025年1月,美国司法部(以及几位州检察长)起诉了一家物业管理软件公司和几家房东(即,大型多户公寓大楼房东)用于利用算法定价方案。
网络钓鱼攻击是欺诈性尝试,在这些尝试中,网络犯罪分子创建了欺骗性的通信,例如电子邮件,消息或网站,似乎来自著名的来源。这些攻击已成为公司的主要问题,每年损失总计约1000亿美元。此外,它们正在上升,比往年增长了200%。目前可用于打击这些攻击的解决方案无效,并且迫切需要采用新的和创新的方法来保护公司和个人[1]。随着对计算机财务活动的依赖越来越多,现金交易的减少,网络犯罪分子通过使用网络钓鱼技术来欺诈地从毫无戒心的受害者那里获得敏感的财务信息来利用这一趋势[2]。犯罪组织已将其策略从利用技术系统脆弱性转变为利用人类脆弱性,例如缺乏辨别真正和欺诈性在线资源的能力,例如电子邮件和网站。因此,开发有效的解决方案以减轻这些问题至关重要[3]。由于全球网络和通信技术的快速发展,包括社交媒体,在线银行,电子商务和其他活动在内的许多元素,包括社交媒体,在线银行,电子商务和其他活动。但是,互联网的开放,私人和不受控制的特征也为网络攻击创造了一个有利的环境,对网络以及对通用计算机用户(甚至经验丰富的)构成了严重的安全危险。即使用户护理和技能至关重要,也很难完全防止个人患有网络钓鱼骗局[4]。网络钓鱼网站是一个欺骗性和欺诈性的网站,旨在欺骗和操纵用户泄露机密信息。这些网站通常被伪装成合法的网站或电子邮件,并且通常包含虚假的登录页面或其他旨在从毫无戒心的用户那里窃取信息的表格。网络钓鱼网站通常采用社会工程策略来吸引用户提供其敏感信息,例如摆姿势作为一个值得信赖的机构,例如银行,社交媒体平台或电子商务网站。用户将信息输入伪造的网站后,攻击者可以使用此信息来窃取金钱,身份或提交其他形式的欺诈[5]。为了防止成为网络钓鱼网站的牺牲品,在线进入个人信息时要谨慎行事至关重要。验证网站的URL,搜索诸如HTTPS和锁定图标之类的安全指标以及弃权在可疑电子邮件中单击链接都是必要的措施。
在 2023 年 9 月的州行政和退伍军人事务 (SAVA) 临时委员会会议上,成员投票决定在委员会工作计划中为成员主题分配 0.25 FTE。在 2023 年 11 月的会议上,委员会成员投票决定对蒙大拿州的选举安全进行研究,并创建一份确保蒙大拿州选举安全的项目清单。在 2024 年 1 月的 SAVA 会议上,委员会成员投票决定将 AI 在选举中的使用添加到研究计划中。在 2024 年 3 月的 SAVA 会议上,委员会成员要求在与规范 AI 在选举中的使用相关的立法和法规中提供“深度伪造”定义的示例。本文包括来自美国政府机构的示例、非营利组织公共公民的示范立法以及来自全国各地州的法规和法案。根据 NCSL,2023 年,立法在提及 AI 时可能会使用不同的术语,例如“深度伪造”、“合成媒体”或“欺骗性媒体”。这些术语都指人们通常认为的 AI,但根据使用的术语和法规如何定义,可能具有不同的含义。
生成式人工智能的兴起正在改变数字图像的格局,并对在线创意社区产生重大影响。这导致了人工智能生成内容 (AIGC) 社交平台的出现,例如 Civitai。这些独特的社交平台允许用户构建和分享自己的生成式人工智能模型,从而增强了更多样化艺术表达的潜力。它们以社交网络的风格设计,还为艺术家提供了展示其作品(从模型生成)、参与讨论和获得反馈的手段,从而培养了社区意识。然而,这种开放性也引发了人们对此类平台滥用的担忧,例如使用模型传播欺骗性的深度伪造或侵犯版权。为了探索这一点,我们对 AIGC 社交平台进行了首次全面的实证研究,重点关注其用于生成滥用内容的情况。作为示例,我们构建了一个涵盖最大的 AIGC 社交平台 Civitai 的综合数据集。基于这个包含 87K 个模型和 2M 张图像的数据集,我们探索内容的特征并讨论审核策略以更好地管理这些平台。
许多公司都拥有大量客户数据,并意识到这些数据对于训练 AI 模型非常有价值。但有些公司没有考虑清楚的是,他们是否可以正确地将这些数据用于此目的。有时,这些数据是在多年前收集的,通常是在公司考虑将其用于训练 AI 之前很久。但是,以超出或超出数据收集时有效的隐私政策所允许的方式使用客户数据可能会带来问题。[1] 当公司思考这些问题并考虑如何克服这个问题时,一些公司已经或将更新其服务条款或隐私政策来解决这个问题。在公司做出此类更改之前,确保任何此类更改具有法律效力至关重要。适当的通知和同意是明智的。考虑更改其服务条款或隐私政策的公司应该了解联邦贸易委员会的最新指导。2 月 13 日,联邦贸易委员会发布了题为“AI(和其他)公司:悄悄更改您的服务条款可能是不公平或欺骗性的”的指导。[2] 在该指导中,联邦贸易委员会警告称:
在本文中,我们应对基于离线手写的对比损失 - 十个签名验证模型的白盒假阳性对抗性攻击的挑战。我们采用了一种新颖的攻击方法,该方法将攻击视为紧密复制但独特的写作风格之间的样式转移。为了指导欺骗性图像的产生,我们引入了两个新的损失函数,通过扰动原始样品和合成样品的嵌入向量之间的欧几里得距离来提高抗差成功率,同时通过降低生成图像和原始图像之间的差异来确保最小的扰动。我们的实验证明了我们的方法在白框攻击基于对比度损失的白框攻击中的最新性能,这是我们的实验所证明的。与其他白色盒子攻击方法相比,本文的主要内容包括一种新颖的假积极攻击方法,两种新的损失功能,手写样式的有效风格转移以及在白盒子假阳性攻击中的出色性能。
月收入不稳定的家庭比固定工资的家庭更需要预算。许多收入不稳定的人陷入债务困境,因为他们在收入低的月份借钱,在收入高的月份花光赚到的钱,而不是偿还以前借的钱。箴言 27:12 说:“通达人见祸躲避,愚蒙人却要受罚。”靠不稳定的收入生活可能非常具有欺骗性,而且很难。几个月的高收入很容易被理解为暴利。要正确预算不稳定收入,您必须保守估计您的年收入可能是多少(您可以通过查看前几年的薪水来做到这一点,或者如果是新工作,请询问人力资源部门您的职位可能是多少),将其除以 12,然后根据该金额制定您的月度预算。您应该将所有收入存入储蓄账户,每月从该账户中提取您的平均月薪。这种方法可以让收入较高的月份的剩余资金积累在储蓄账户中,以支付收入较低的月份的预算开支。根据箴言 6:6-8,这不是囤积,而是计划。
广泛的证据表明,在多米尼加共和国(DR)生产甘蔗中使用强迫劳动。美国劳工部从2009年以来将甘蔗列为使用童工和强迫劳动的甘蔗。海地来源或血统的个人构成了DR中的大多数甘蔗劳动力。这些人中的大多数人特别容易受到劳动剥削的影响,因为他们没有证件或无国籍,并且具有高水平的文盲,低水平的教育和语言障碍,这些因素可能会阻碍他们对劳动权利的理解和行使。此外,这些人面临驱逐出境和种族歧视的风险。各种消息来源报告了DR甘蔗工人在甘蔗工人中的强迫劳动指标,包括虐待工作和生活条件,隔离和对运动的隔离和限制,工资扣留,过度加班,滥用脆弱性,剥削,剥削和欺骗性的招聘实践。这些工人中的许多人也都感谢他们当地的便利店或私人贷方。尽管已经研究并报告了甘蔗田博士的劳动条件,但有关甘蔗生产期间强制劳动条件如何影响甘蔗供应链的信息有限。