随着 deepfakes 变得越来越复杂，分辨真假比以往任何时候都更加困难。 今天，我们将告诉您一些可以帮助您检测 deepfake 视频的迹象。 有了这些工具，我们希望您不会在不知情的情况下成为假新闻和阴谋论的受害者。 我们还将向您介绍 deepfake 技术、它的工作原理以及宣传者和阴谋论者如何使用它来传播虚假信息并影响网民相信谎言。
检测 Deepfake 视频以防止虚假信息和阴谋论
目前，deepfakes 主要被业余爱好者用于在成人视频中变形名人面孔，并被令人讨厌的政治元素用于传播假新闻。 然而，专家们担心该技术在不远的将来会出现更危险的用途。 因此，在这里，我们列出了一些方法来帮助您检测 deepfake 视频，以防止您成为恶意虚假信息的受害者。
什么是 Deepfake 视频？
术语“深度学习”和“虚假”的组合，深度伪造是指使用人工智能或深度学习技术创建扭曲现实的音频或视频的操纵媒体。 该技术使用人工神经网络来创建超逼真的视频，这些视频似乎向人们展示了他们在现实生活中没有说过或做的事情。 最恶毒的例子包括在机器学习的帮助下变形的视频，将话语放在政治家的嘴里。 这被用来制造对其政策的混淆并影响选举。
deepfakes 的另一个有毒用途是在成人视频中改变名人的面孔，大规模侵犯隐私和尊严。 在过去的几年里，Deepfakes 已经成为一个大问题，而且随着更快的硬件和更强大的软件的出现，它只会变得更糟。 该技术最近因其在色情视频、假新闻和精心制作的恶作剧中的广泛使用而声名狼藉。
然而，并非所有 deepfakes 的使用都是阴暗的，正如以下由 MIT 学者 Alexander Amini 创建的视频所证明的那样，该视频让他的学生笑了起来。 它似乎显示了美国前总统巴拉克奥巴马邀请学生参加 Amini 在大学的深度学习讲座。 然而，正如研究人员在他的 YouTube 频道上明确透露的那样，这是彻头彻尾的深度伪造。
Deepfake 是如何工作的？
Deepfakes 依赖于一种称为“自动编码器”的人工神经网络，该网络用于以无监督的方式学习有效的数据编码。 它通常用于面部识别，以及寻找单词的语义等。在 deepfake 视频的情况下，该技术首先使用编码器在目标个体数小时的真实视频片段上训练神经网络. 然后，解码器使用有关其面部特征和身体姿势的关键信息重建新图像。 这有助于算法将目标的面部和身体特征叠加在原始视频中的人身上。
这方面的一项著名技术是一类专门的深度学习算法，称为生成对抗网络。 GAN 通常被添加到解码器中以获得更准确的结果。 GAN 训练解码器和鉴别器的方式是前者从源材料中创建新图像，而后者确定新创建的图像是否与真实镜头匹配。 这会导致生成器创建非常好地模仿现实的图像，因为对抗性算法可以捕捉到任何缺陷。
这使得 deepfakes 非常难以打击，因为它们在不断发展。 任何时候出现缺陷，都可以通过机器学习自动纠正。 由于不需要任何人工输入，GAN 已成为大多数 deepfake 创作者的终极选择。 然而，这项技术很复杂，需要更多的时间和数据来创建逼真的构图。 此外，虽然 GAN 很适合合成图像，但它们很难保持时间一致性，这意味着它们需要人工干预来保持图像从一帧到下一帧的对齐。
什么是浅层假视频？
浅层假视频是现有真实视频的篡改版本，旨在投射扭曲的现实。 这通常包括选择性编辑、操纵人们讲话或谈话的速度，甚至改变语调，使之听起来像是某人在生气、陶醉或在取笑一个严肃的问题，而这些都不是真的。
最近一个值得注意的案例包括美国众议院议长南希·佩洛西（Nancy Pelosi）的臭名昭著的调整视频，其浅薄的假视频减慢了她的演讲速度，让她听起来陶醉。 这些视频不同于 deepfakes，因为它们是使用传统视频编辑工具而不是 AI 算法处理的真实视频。
Deepfakes：历史和应用
照片处理技术最初是在 19 世纪后期发明的。 在人工智能和机器学习技术的爆炸式增长使其成为全球网民面临的巨大问题之前，该技术在整个 20 世纪稳步发展。 自 1990 年代以来，研究人员对注入人工智能的视频处理技术进行了广泛研究，其中许多方法已被全球电影制作人采用。
主流娱乐业使用深度伪造的最著名的例子之一是已故演员保罗沃克的复活， 速度与激情7 在 2015 年。然而，虽然数十位专家花了几周时间才对 Walker 进行了可信的再现，但现在大多数编码知识很少的爱好者只需几个小时（有时甚至更少）就可以使用新技术和算法创建新的 deepfake 视频。 这种现象在 2017 年首次进入公众意识，当时一位 Redditor 使用 deepfakes 制作和发布名人的假色情视频。
Deepfake 视频的危险
Deepfake 视频对毫无戒心的用户来说是一种危险，他们可能会被所谓的破坏稳定事件的图像轰炸，比如从未发生过的战争或恐怖袭击。 它会引起社会的怨恨和不满，导致基于人们的种族、宗教和民族身份的出于政治动机的攻击增加。 该技术还可用于传播关于自然灾害的 FUD（恐惧、不确定和怀疑），从而引起广泛的恐慌。 专家还预测，如果不加以制止，此类视频可能会引发深刻的政治危机，甚至破坏国际关系。
另一个已经成为大流行病的主要问题是对毫无戒心的女性的威胁。 据报道，deepfake 成人视频通常被称为非自愿色情内容 超过 90% 2019 年互联网上的所有 deepfakes。虽然它始于描绘 Gal Gadot 和 Alexandra Daddario 等名人的变形视频，但后来扩展到针对普通女性，作为虚假复仇色情活动的一部分。
如何检测 Deepfake 视频？
检测 deepfake 视频是一项即使专家也经常在没有合适工具的情况下发现困难的工作。 然而，麻省理工学院 (MIT) 的研究人员提出了一些建议，可以帮助普通人区分真实视频和 deepfake 之间的区别。 据他们说，在尝试检查人类主体的视频是真还是假时，需要密切注意面部。 那是因为高端的 deepfake 操作几乎总是面部转换。
这 最需要注意的面部区域是脸颊和前额。 皮肤是否显得太光滑或太皱？ 皮肤的年龄与头发和眼睛的年龄相似吗？ “DeepFakes 在某些方面往往不一致”，研究人员说。 同样，眼睛和眉毛也可以成为经验丰富的深度造假者的标志。 那是因为根据研究人员的说法， deepfake 视频中的阴影并不总是出现在您期望的位置. “DeepFakes 通常无法完全代表场景的自然物理特性”， 他们说。
另一个致命的特征是面部毛发。 Deepfakes 可能会添加或去除胡须、鬓角或胡须，但它们通常无法使面部毛发的变化看起来完全自然。 面部痣的情况也是如此，在 deepfakes 中通常看起来不够自然。 嘴唇的大小和颜色也可以暗示视频的有效性。 眨眼的速度和速度也可以说明视频的真假。 不自然的频繁或不频繁眨眼可能表明视频的深度伪造。
据麻省理工学院的研究人员称，高质量的深度造假并不容易被发现，但 “通过实践，人们可以建立直觉来识别什么是假的，什么是真的”. 研究人员还创建了一个完整的网页，人们可以上传视频并尝试猜测它们是真的还是假的。 你可以在 MIT 上试试你的 deepfake 检测技能 检测假货 网站。
Deepfakes：预防和立法行动
来自世界各地的许多国家已经在努力解决注入人工智能的深度伪造所带来的明显和当前的危险。 虽然中国早在 2019 年就禁止了 deepfake 视频，但美国加利福尼亚州也在同年早些时候推出了类似的立法，将政治 deepfake 定为非法，禁止在选举后 60 天内创建或分发政治人物的篡改视频、图像或音频. 从那时起，包括德克萨斯州和弗吉尼亚州在内的其他美国州也将深度伪造色情内容定为犯罪。 2019 年 12 月，特朗普总统签署了美国第一部打击深度伪造的联邦法律，作为 2020 年国防授权法案的一部分。
同时，在印度，还没有针对 deepfake 媒体的具体法律。 事实上，与人工智能算法相关的法律充其量只是粗略的。 在 2020 年德里选举期间，该国最显着的 deepfakes 用途之一出现，当时 BJP 的 IT 部门发布了一段官方竞选视频，旨在展示他们的首席部长候选人 Manoj Tiwari，以印地语、哈里扬维语和英语吸引选民. 问题是，只有印地语视频是真实的，而另外两个是使用原始视频制作的深度伪造剪辑，以覆盖更大范围的选民。
通过发现 Deepfake 视频来防止虚假信息的传播
曾经是价值数百万美元的好莱坞制作和国家资助的机构和组织的专属，近来深度伪造变得越来越民主化。 这使普通网民能够使用 deepfake 应用程序和网站制作 deepfake。 随着近年来深度伪造的天文数字增加，能够检测到它们比以往任何时候都更加重要。
我们希望这里的信息有助于让您更全面地了解该技术、它所带来的威胁以及需要注意的迹象，以更好地检测深度伪造视频。 那么，您是否曾经成为令人讨厌的政治行动团体或阴谋论者的深度伪造的受害者？ 请在下面的评论中告诉我们。
