Deepfakes – also manipulierte Fotos, Videos und Audiodateien – bedrohen das Vertrauen in digitale Inhalte. Forschende an der ETH Zurich entwickelten deshalb einen Sensorchip, der Aufnahmen beim Erfassen kryptografisch signiert. Die Signatur dokumentiert das Gerät und den Zeitpunkt der Aufnahme und macht spätere Änderungen sichtbar.
Fernando Cardes, Mitentwickler der Technologie, erklärt, dass jede spätere Manipulation Spuren hinterlässt und ein physischer Angriff auf den Chip nötig wäre. Felix Franke, ebenfalls Mitentwickler und jetzt Professor an der Universität Basel, sagt, dadurch verliere die Vertrauenswürdigkeit der verarbeitenden Person oder Technologie stark an Bedeutung.
Die Technik lässt sich in Kameras integrieren, Plattformen könnten Uploads automatisch prüfen, und Journalistinnen oder Behörden können Material mit einfachen Werkzeugen authentifizieren. Das Team hat einen Prototyp gebaut, ein Patent angemeldet und prüft Kostensenkungen für Hersteller. Die Studie wurde in Nature Electronics veröffentlicht.
Schwierige Wörter
- deepfake — gefälschte digitale Fotos, Videos oder AudiodateienDeepfakes
- manipulieren — etwas verändern, um es falsch erscheinen zu lassenmanipulierte
- kryptografisch — mit Verschlüsselung oder speziellen Codes geschützt
- signieren — elektronisch oder digital eine Unterschrift machensigniert
- signatur — elektronischer Nachweis, wer und wann etwas entstand
- sensorchip — kleiner elektronischer Baustein, der Daten erfasst
- authentifizieren — prüfen, ob etwas echt und unverändert ist
- kostensenkung — Verringerung der Ausgaben oder HerstellungskostenKostensenkungen
Tipp: Fahre über markierte Wörter oder tippe darauf, um kurze Definitionen zu sehen – während du liest oder zuhörst.
Diskussionsfragen
- Würdest du einem Foto oder Video mehr glauben, wenn es kryptografisch signiert ist? Warum?
- Wie könnten Journalistinnen oder Behörden in deinem Land von dieser Technik profitieren?
- Welche Probleme oder Nachteile könnte eine solche Signatur-Technik haben?
Verwandte Artikel
Warum KI voreingenommen ist
Forscher der University of Texas at Austin untersuchten problematische Algorithmen und fanden drei Hauptursachen für KI-Bias: fehlende klare Entscheidungsgrundlagen, vereinfachte Modelle der Realität und fehlende Vielfalt bei den Entwicklern. Mehr als bessere Genauigkeit ist nötig.
Wie Menschen das Gehen mit einer robotischen Prothese lernen
Eine Studie untersuchte, wie Menschen das Gehen mit einer robotischen Unterschenkelprothese über vier Tage erlernen. Die Leistung verbesserte sich, doch die Selbsteinschätzung blieb ungenau; visuelle Rückmeldung könnte das Training verbessern.
El Salvador setzt KI in der Gesundheit ein
Die Regierung von El Salvador fördert künstliche Intelligenz, unter anderem mit der Telemedizin‑App DoctorSV. Unterstützer loben Modernisierung, doch Ärztinnen, Gewerkschaften und IT‑Expertinnen warnen vor Problemen bei Personal, Transparenz und Datenschutz.