download BusinessFocus app
【DeepFake天敵】Deep Fake技術假影片有辦法被破解!心跳血流微弱變化可分辨真偽

【DeepFake天敵】Deep Fake技術假影片有辦法被破解!心跳血流微弱變化可分辨真偽

Tech
By eloise on 28 Oct 2020
Digital Editor

英國倫敦大學學院(University College London,UCL)早前發表的一份報告顯示,未來 15 年 AI 人工智慧可能會用各種不同方式協助犯罪分子犯案。其中,深度造假(Deepfake)對遵守法紀的公民和社會造成了最大的威脅,不少人為此而感到恐慌。近日,IEEE PAMI 《模式分析與機器智能彙刊》上有篇論文指出,有項方法能夠準確辨識DeepFake影片,這個方法是透過心跳血流產生的微弱變化辨識出真假臉。

透過心跳血流產生的微弱變化,辨識假臉也不是完全沒道理。因為血管遍佈人體各個區域包括臉頰。任何時候,任何地點,臉部血液流動都會造成輕微跳動感,造成人體皮膚出現區域性的顏色變化。這類變化稱為光體積變化描記圖法(Photoplethysmography,PPG),常見的脈搏血氧儀,其實就是辨識這種變化。

這類變化稱為光體積變化描記圖法(Photoplethysmography,PPG),常見的脈搏血氧儀,其實就是辨識這種變化。Photo from TechNews

這項方法的準確度雖然引起了不少人的質疑,然而,Apple Watch 和一大堆血氧儀都採用這種方法,它的準確率和心電圖基本吻合。在這篇新論文裡,提出了心跳所投射出的皮膚顏色變化也同樣會出現在人臉上。只是,一般肉眼都很難看見這極其微弱的變化,而利用DeepFake在影片裡做「手腳」就更難被發現了。所以,該論文表示僅需對影片進行特定處理,增強顏色變化的效果,肉眼就可以很明顯地觀察出真假臉的區分。這是因為目前的DeepFake無法還原這種因血液流動造成的微弱變化。

三位分別來自紐約州立大學賓漢頓分校和英特爾(Intel,NASDAQ: INTC)公司的研究人員表示,無論是在空間維度(臉部區域)還是時間維度(心跳頻率)上, DeepFake 的假人臉都無法還原這種因血液流動造成的微弱變化。此外,研究人員也發現,DeepFake 的假人臉,讀取到的 PPG 信號是不穩定的。換句話說,DeepFake 演算法生成的影片,產生的 PPG 信號都有很多雜訊;真實影片的雜訊卻很少。

換句話說,DeepFake 演算法生成的影片,產生的 PPG 信號都有很多雜訊;真實影片的雜訊卻很少。Photo from TechNews

對此,研究人員設計了一套基於卷積神經網路的模型,命名為 FakeCatcher。相較於Face Forensics++、CelebDF 等常用的假臉數據集上,FakeCatcher 的準確率能夠超過 90%。 不僅如此,FakeCatcher還能夠準確辨識出假影片用的是哪種 DeepFake,在 DeepFakes、Face2Face、FaceSwap 和 NeuralTex 四種主流演算法上的辨識準確率整體超過了 93%。由此以來,DeepFake有了辨識的突破口,之後無需再擔心懷有不良動機的人利用DeepFake去犯案。

Text by BusinessFocus Editorial

【了解更多最快最新的財經、商業及創科資訊】

👉🏻 追蹤 WhatsApp 頻道 BusinessFocus

👉🏻 下載 BusinessFocus APP

👉🏻 立即Follow Instagram businessfocus.io

最新 金融投資熱話專頁 MarketFocus

Techdeepfake