AI stylometry fejlődése

Az AI-alapú stilometria fejlődése, azaz a modern gépi tanulási modellek képesek egy szerző egyedi írásstílusát – írási DNS-t – felismerni, és ez alapján nagy valószínűséggel azonosítani vagy összekapcsolni különböző, akár névtelenül publikált szövegeket. A módszer nem a tartalomra vagy a témára épít, hanem több száz nyelvi jellemzőt elemez például a mondat hosszakat, az írásjelek használatát, a névelőket, kötőszavakat, névmásokat, a szórendet, a nyelvtani szerkezeteket, a szóválasztást és az ismétlődő nyelvi mintázatokat. A modern AI-rendszerek ezeket a finom jellemzőket kombinálva olyan stilometriai profilt készítenek, amely gyakran akkor is felismerhető marad, ha a szerző tudatosan próbálja megváltoztatni az írásmódját. 

A stilometria ma már nemcsak az irodalomtudomány vagy a digitális kriminalisztika eszköze, hanem a kiberbiztonságban is egyre nagyobb szerepet kap. Segítségével összekapcsolhatók különböző adathalász kampányok, fórumbejegyzések, zsarolólevelek, fenyegető üzenetek vagy akár malware-fejlesztők által írt dokumentációk, még akkor is, ha az elkövetők különböző álneveket használnak. Hasonló módszereket már a forráskódok elemzésére is alkalmaznak, ahol a változónevek, a behúzások, a vezérlési szerkezetek és más programozási sajátosságok alapján azonosítható egy fejlesztő vagy akár egy adott nagy nyelvi modell által generált kód. 

A stilometria adatvédelmi kockázatot jelenthet újságírók, aktivisták és anonim szerzők számára, mivel megfelelő mennyiségű korábbi írás birtokában a névtelen publikációk szerzője sok esetben nagy valószínűséggel visszakövethető.

FORRÁS – I Know Which LLM Wrote Your Code Last Summer

FORRÁS – A Large-Scale Comprehensive Measurement of AI-Generated Code in Real-World Repositories