• Buradasın

    Yeni Zelanda'da milletvekili deepfake eylemi yaptı

  • Yeni Zelanda’da Act Partisi Milletvekili Laura McClure, Parlamento’da yapay zekâ tarafından üretilmiş çıplak bir görüntüsünü göstererek dikkat çekici bir eyleme imza attı. 
    1
    31 Mayıs
    McClure, Temsilciler Meclisi'nde elinde fotoğraf ile yaptığı konuşmada, yapay zekâ kullanarak böyle bir fotoğraf yaratmanın ne kadar kolay olduğunu gördüğünde endişelendiğini belirtti. 
    2
    31 Mayıs
    McClure, mevcut yasaların bu tür içeriklerle mücadelede yetersiz kaldığını belirterek, insanların dijital ortamda maruz kaldığı tehditlere karşı daha güçlü bir yasal koruma çağrısında bulundu. 
    3
    31 Mayıs
    McClure, bu durumun özellikle kadınları hedef aldığını belirterek, yasal düzenlemelerin acilen güncellenmesi gerektiğini söyledi. 
    4
    31 Mayıs

    Diğer konular

  • Yanıt bulun

    Yazeka

    Arama sonuçlarına göre oluşturuldu

    Rızasız deepfake içeriklerin tespiti için aşağıdaki yöntemler kullanılabilir:
    • Göz hareketleri ve göz kırpma: Doğal olmayan göz hareketleri veya göz kırpma eksikliği, deepfake işareti olabilir 135.
    • Jest ve mimiklerdeki uyumsuzluklar: Yüz ifadeleri ve dudak hareketleri sesle eşleşmeyebilir 135.
    • Orantısız yüz ve vücut hatları: Yüz veya vücut doğal görünmeyebilir, cilt tonu uyumsuz olabilir 135.
    • Doğal olmayan ışık ve gölge: Işık yansımaları ve gölgeler doğal durmayabilir 15.
    • Saçların doğal olmayan hareketleri: Saçlar gerçekçi olmayan şekilde hareket edebilir 15.
    • Bulanıklık ve yanlış hizalama: Görüntü kenarları bulanık veya görseller yanlış hizalanmış olabilir 14.
    • Tutarsız gürültü veya ses: Zayıf dudak senkronizasyonu, robotik sesler ve arka plan gürültüsü sahte olduğunu gösterebilir 14.
    Ayrıca, tersine görsel arama ve deepfake tespit araçları (örneğin, Sensity AI, DeepFake-o-meter, Deepware AI) kullanılabilir 124.
    Bu yöntemler kesin kanıt sağlamaz, yanlış pozitifler veya negatifler olabilir 4.
    Deepfake teknolojilerinin yasal sonuçları çeşitli suçların oluşmasına yol açabilir:
    • Özel hayatın gizliliğini ihlal suçu 24. Kişinin daha önce hiç yayınlanmamış bir görüntüsü rızası dışında deepfake teknolojisiyle manipüle edilerek bir video içeriğine yerleştirilirse, TCK m. 134 gereği özel hayatın gizliliğini ihlal suçu oluşur 4.
    • Kişisel verilerin hukuka aykırı olarak verilmesi veya ele geçirilmesi suçu 24. Bir kişinin daha önce yayınlanmış bir görüntüsü rızası olmaksızın deepfake teknolojisiyle manipüle edilerek bir video içeriğine veya deepfake porno içeriğine yerleştirilirse, TCK m. 136 gereği kişisel verileri hukuka aykırı olarak verme veya ele geçirme suçu oluşur 4.
    • Müstehcenlik suçu 4. Deepfake pornografisinde mağdur çocuksa, TCK m. 226’da düzenlenen müstehcenlik suçu oluşur 4.
    • İftira ve hakaret suçları 4. Sahte video içeriğiyle bir kişi aşağılanıyor, küçük düşürülüyor ve onur ve şerefi ihlal ediliyorsa TCK 125. maddesinde düzenlenen hakaret suçu oluşur 4.
    • Tehdit suçu 4. İlgili sahte içerikler ile kişi tehdit ediliyorsa TCK m. 106 gereği tehdit suçu oluşur 4.
    • Banka veya kredi kartlarını kötüye kullanma suçu 4. Bir kişinin sesi ve görüntüsü klonlanarak banka veya kredi kartı bilgileri kullanılır veya kullandırtılarak kendisine veya başkasına yarar sağlanırsa, TCK m. 245 gereği banka veya kredi kartlarını kötüye kullanılması suçu oluşur 4.
    Ayrıca, deepfake oluşturucunun, TBK’nin 530. maddesi uyarınca, eylemleri sonucu elde ettiği ekonomik kazançları (örneğin yayımlanan içerikten elde edilen reklam gelirleri, takipçi sayısındaki artış vb.) kişilik hakları ihlal edilen kişiye devretmesi gerekir 2.
    Deepfake teknolojileri uluslararası hukuk tarafından düzenlenmemektedir 5.
    Deepfake teknolojisi, yapay zeka ve makine öğrenimi teknikleri kullanarak gerçek gibi görünen ancak tamamen sahte olan dijital içerikler üretir 123.
    Çalışma prensibi:
    1. Hedef video seçimi 14. İlk olarak, üzerinde değişiklik yapılacak hedef video belirlenir 14.
    2. Kaynak veri toplama 14. Hedef videodaki kişiyle ilgili video ve fotoğraflardan oluşan bir koleksiyon oluşturulur 14.
    3. Derin öğrenme 14. Üretici ağ (generator), bu kaynaklardan kişinin farklı açılardan ve ışık türlerinde nasıl göründüğünü öğrenir 14.
    4. Görüntü ve ses eşleştirme 12. Öğrenilen veriler kullanılarak, hedef videodaki kişi yerine başka bir kişinin görüntüsü ve sesi eşleştirilir 12.
    Deepfake teknolojisi, özellikle Generative Adversarial Networks (GANs) adı verilen bir teknikle geliştirilir 23. Bu sistemde, bir ağ gerçekçi içerikler üretmeye çalışırken diğer ağ bu içeriklerin sahte olup olmadığını ayırt etmeye çalışır 23.
    Deepfake ile mücadele için alınabilecek bazı önlemler:
    • Yapay zeka tabanlı tespit araçları kullanmak 13. AI, yüz ifadeleri, sesler veya video yapısındaki doğal olmayan değişiklikleri tespit edebilir 3.
    • Dijital kimlik doğrulama yöntemlerini güçlendirmek 3. Biyometrik doğrulama yöntemleri, dijital kimliklerin korunmasında önemli bir rol oynar 3.
    • Eğitim ve farkındalık oluşturmak 3. Kullanıcıların deepfake içeriklerini tanımaları ve sahte içerikleri nasıl ayırt edebilecekleri konusunda eğitilmeleri gerekir 3.
    • Hukuki düzenlemeler ve politikalara uyum sağlamak 3. Deepfake içeriği üreten veya yayan kişilere karşı cezai yaptırımlar getiren yasalar çıkarılmalıdır 3.
    Ayrıca, tersine görsel arama ve blok zincir tabanlı doğrulama sistemleri de deepfake içeriklerin tespitinde kullanılabilir 2.
    Yeni Zelanda'da deepfake yasaları şu şekilde işlemektedir:
    • Mevcut Durum: Yeni Zelanda'da çevrimiçi zararlı içeriklerle ilgili bazı yasalar bulunmaktadır, ancak bunlar deepfake meselesine özel bir düzenleme getirmemektedir 13.
    • Önerilen Yasa: Milletvekili Laura McClure, "Deepfake Dijital Zarar ve Sömürü Yasası" adlı bir yasa teklifi sunmuştur 135. Bu yasa, rızasız deepfake içerik üreten veya paylaşan kişilere cezai sorumluluk getirmeyi ve mağdurlara içeriklerin kaldırılması ve zararların giderilmesi için açık yollar sunmayı hedeflemektedir 135.
    Bu yasa henüz hükümet desteği almamıştır 2.