Таким образом, настоящая конфиденциальность останется только для очень богатых: они могут себе позволить проводить жизнь в защищенных от наблюдения местах, использовать надежные цифровые технологии и (или) просто заплатить за уничтожение информации о них во всех доступных базах данных и на всех возможных носителях. Любой обычный гражданин будет постоянно находиться под наблюдением, поскольку даже незначительные перемены в его типичном поведении станут важными сигналами для кредиторов и страховых компаний, работающих на основе вышеупомянутой модели Behavioral Finance. IoE позволяет им контролировать и автоматизировать среду жизни клиентов, которым, конечно, открываются новые возможности для совершения покупок, обращения за услугами и т. д. Но если поведение клиента в любой ситуации становится предсказуемым, то встает вопрос: сколько реальной личной свободы у него остается, не начинают ли люди сами действовать как роботы и наоборот – из чувства протеста (или желания обмануть алгоритмы) действовать так, чтобы прогноз не оправдался?
11.5. Угроза кражи цифровой личности или создания достаточно убедительной фейковой
Повышение надежности механизмов поведенческой и биологической идентификации при стремительном падении стоимости секвенирования генома[274] открывает возможность создания крайне надежного биологического идентификатора – геномного (генетического) паспорта. Такое решение проблемы идентификации в принципе открывает доступ к любым финансовым сервисам из любой точки мира, но создает новую проблему – утраты биообразцов[275], которые могут быть использованы для введения в заблуждение систем идентификации, причем такой инцидент будет крайне сложно оспорить.
Таким образом, введение методов биометрической идентификации, например распознавания голоса и лица, как в применяемой в Российской Федерации Единой биометрической системе (ЕБС), не устраняет полностью проблему кражи и (или) подмены «электронного образа» потребителя.
Программное обеспечение компании Nvidia, используя генеративно-состязательную нейросеть (Generative Adversarial Network, GAN), позволяет уже сейчас превращать наброски в реалистичные изображения. GAN на основе огромной коллекции изображений реальных лиц способна за секунды создавать в высоком разрешении изображения несуществующих людей, генерируя любые культурные и этнические особенности, эмоции, настроение и т. п. GAN использует комбинацию работы двух нейросетей: первая генерирует (создает) образцы, вторая отличает настоящие образцы от поддельных. Преступники могут использовать такие изображения для разного рода мошеннических действий, распознать которые cможет только еще более продвинутая GAN.
Следующим шагом на пути обретения электронной «тенью» некоторой самостоятельности стала технология DeepFake, позволяющая уже снять видеоролик, в котором сгенерированный с применением GAN персонаж практически неотличим от прототипа, но, управляемый закадровым «кукловодом», может двигаться и говорить, демонстрируя вполне реалистичные мимику и артикуляцию. Первые примеры реализации технологии DeepFake были представлены в интернете в 2017 г. Тогда пользователь с ником Deepfakes выложил в Reddit несколько роликов «для взрослых», в которых заменил порноактрис на таких celebrities, как певица Тейлор Свифт, актрисы Галь Гадот, Скарлетт Йоханссон, Эмма Уотсон и др.[276] Опасность DeepFake-технологий состоит в том, что инструменты, которые позволяют сделать все вышеописанное, стали доступны обычным людям и, постепенно совершенствуясь, становятся все менее требовательными к вычислительным мощностям[277]. То же касается и голосовых данных: уже сегодня существуют коммерческие решения для высококачественной имитации чужого голоса. А при активном внедрении технологий удаленной биоидентификации доказать, что, например, договор с банком или МФО заключил «виртуальный персонаж», будет все труднее[278].