真實視頻畫面（左）與“深度僞造”畫面（右）。

視頻編輯軟件變得越來越複雜，很多精心僞造的視頻讓你越來越難以相信自己的眼睛——這個演員真的在那部電影中出現過嗎？這個視頻是經過剪輯的嗎？這些難以通過肉眼識別真假的視頻被稱爲“深度僞造”視頻。

有的“深度僞造”可能是無傷大雅的玩笑，但有的可能用心險惡。那麼，我們怎麼才能分辨視頻是否經過篡改？

techxplore.com網站當地時間10月27日報道，美國賓漢姆頓大學（BHU）與英特爾公司（Intel）合作開發了一款辨別視頻真僞的工具FakeCatcher，其準確率超過90%。相關研究成果發佈於《IEEE Transactions on Pattern Analysis and Machine Intelligence》中。

FakeCatcher通過分析由心跳引起的膚色細微差別來判定視頻的真僞，它使用的光電容積脈搏波（PPG）與血氧儀和蘋果手錶等可穿戴設備使用的技術非常相似。

Intel高級研究科學家Ilke Demir說：“我們從人臉的不同部位提取了多種PPG信號，然後觀察這些信號在時間和空間上的一致性。在‘深度僞造’視頻中，心跳不一致，也沒有脈搏信息。而在真實視頻中，人們左、右臉頰的血流情況是相同的（即脈搏相同）。”

BHU博士生Umur A. Ciftci與Demir共同參與了FakeCatcher的開發。Ciftci所在的Lijun Yin教授實驗室長期從事圖形與圖像計算研究，創建了多個人臉和情緒表情的三維數據庫。

Yin說：“Ciftci已經做了大量生理數據分析工作。信號處理研究始於我們的第一個多模式數據庫，我們不僅採用了2D和3D可視圖像，還加入了熱感攝像機和生理傳感器來捕捉數據。利用生理學作爲另一特徵，我們得以檢視數據的前後一致性。”

研究人員隨機蒐集的“深度僞造”視頻質量比實驗室生成的專業僞造視頻質量低得多，因此，前者更容易露出破綻。

Ciftci說：“我們的假視頻是通過掃描真人制作而成，而其他假視頻是由他人數據加工而成，因此也更容易識別。我們也學習了一些假視頻的技巧，將其應用在數據創建過程中。”

然而，FakeCatcher的成功發佈也引發了新的憂慮——這是不是等於告訴惡意造假者：“你們的假視頻是這樣被發現的”？造假者可能會再度修改自己的“贗品”，使造假行爲無法被察覺。

對此，Ciftci認爲不必過度擔憂。他說：“對於不太瞭解其科學原理的人來說，這是很複雜的事情，他們很難依靠現有知識儲備來應對驗真檢視。”

未來，研究人員將持續對FakeCatcher進行完善，使其能夠確定“深度僞造”是如何達成的，這一功能對於網絡安全和遠程醫療的發展具有重要意義。

科界原創

編譯：雷鑫宇

審稿：西莫

責編：陳之涵

期刊來源：《IEEE Transactions on Pattern Analysis and Machine Intelligence》

期刊編號：0162-8828

原文鏈接：

https://techxplore.com/news/2020-10-deepfake-videos-pulse.html

版權聲明：本文由科界平臺原創編譯，中文內容僅供參考，一切內容以英文原版爲準。轉載請註明來源科技工作者之家—科界App。