Description: At a high school in Issaquah, Washington, a male student is reported to have used deepfake technology to alter pictures of several female classmates and then shared them.
Entités
Voir toutes les entitésAlleged: unknown developed an AI system deployed by Unnamed male student, which harmed Anonymous female high school students.
Statistiques d'incidents
ID
617
Nombre de rapports
2
Date de l'incident
2023-11-09
Editeurs
Sean McGregor, Daniel Atherton
Applied Taxonomies
Risk Subdomain
A further 23 subdomains create an accessible and understandable classification of hazards and harms associated with AI
4.3. Fraud, scams, and targeted manipulation
Risk Domain
The Domain Taxonomy of AI Risks classifies risks into seven AI risk domains: (1) Discrimination & toxicity, (2) Privacy & security, (3) Misinformation, (4) Malicious actors & misuse, (5) Human-computer interaction, (6) Socioeconomic & environmental harms, and (7) AI system safety, failures & limitations.
- Malicious Actors & Misuse
Entity
Which, if any, entity is presented as the main cause of the risk
Human
Timing
The stage in the AI lifecycle at which the risk is presented as occurring
Post-deployment
Intent
Whether the risk is presented as occurring as an expected or unexpected outcome from pursuing a goal
Intentional
Rapports d'incidents
Chronologie du rapport
:quality(70)/d1hfln2sfez66z.cloudfront.net/11-09-2023/t_6f2d9161f0dc4f479eebb782100221a1_name_7s_Issaquahe_HS_Fake_Nude_Pics_transfer_frame_508.jpeg)
ISSAQUAH, Washington — KIRO 7 a appris d'un parent d'un élève du lycée d'Issaquah que des images pornographiques générées par l'IA ont récemment circulé dans l'école. Nous avons également appris qu'un adolescent prenait des photos de plusie…
Réponse post-incident de Natasha Singer
Caroline Mullet, a ninth grader at Issaquah High School near Seattle, went to her first homecoming dance last fall, a James Bond-themed bash with blackjack tables attended by hundreds of girls dressed up in party frocks.
A few weeks later, …
Variantes
Une "Variante" est un incident qui partage les mêmes facteurs de causalité, produit des dommages similaires et implique les mêmes systèmes intelligents qu'un incident d'IA connu. Plutôt que d'indexer les variantes comme des incidents entièrement distincts, nous listons les variations d'incidents sous le premier incident similaire soumis à la base de données. Contrairement aux autres types de soumission à la base de données des incidents, les variantes ne sont pas tenues d'avoir des rapports en preuve externes à la base de données des incidents. En savoir plus sur le document de recherche.