生成式AI与身份验证的挑战：范围综述
摘要
身份验证和真实性自信息共享之初便一直是安全挑战，尤其是在数字信息背景下。随着生成式人工智能的进步，这些挑战不断演变，亟需对其对社会和系统安全的影响进行更与时俱进的分析。本文通过范围综述，分析了来自IEEExplorer、Scopus和ACM数据库的88篇文献，通过六个指导性问题对结果组合进行了分析，重点关注最相关的工作、挑战、攻击面、威胁、提出的解决方案和空白。最后，通过这一指导性研究视角对组合文章进行了分析，并进行了个体化分析。结果一致地概述了与图像、文本、音频和视频相关的挑战、空白和威胁，从而支持身份验证和生成式人工智能领域的新研究。
主题
密码学与安全（cs.CR）；人工智能（cs.AI）
引用信息
arXiv:2507.11775 [cs.CR]
(或此版本的 arXiv:2507.11775v1 [cs.CR])
DOI: https://doi.org/10.48550/arXiv.2507.11775
提交历史
来自：Wesley Dos Reis Bezerra [查看邮箱] [v1]
2025年7月15日星期二 22:25:39 UTC (132 KB)
全文链接
- 查看论文PDF：[链接]
- HTML（实验性）
- TeX 源码
- 其他格式
浏览上下文
当前浏览上下文：cs.CR
切换浏览方式：cs | cs.AI
参考与引用
- NASA ADS
- Google Scholar
- Semantic Scholar
书目工具
- 书目浏览器
- 关联论文
- Litmaps
- scite.ai 智能引用
代码、数据与媒体
- alphaXiv
- CatalyzeX 代码查找器
- DagsHub
- GotitPub
- Hugging Face
- Papers with Code
- ScienceCast
演示
- Replicate
- Hugging Face Spaces
- TXYZ.AI
相关论文
- 影响力花
- CORE 推荐器
关于 arXivLabs
arXivLabs 是一个允许合作者直接在我们的网站上开发和共享新 arXiv 功能的实验性项目框架。