【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

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。

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。

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