Deepfake的深层真相-可以欺骗任何人的技术

Deepfake到底是如何工作的，为什么很难发现和预防？专家认为，区块链技术可以发挥作用。

从最基本的意义上讲，deepfake是面部和声音克隆AI技术的结合，可创建真实人物的逼真，计算机生成的视频。

为了开发高品质的个人礼物，开发人员需要积累与要克隆面部/声音的人以及学习过面部举止和声音的人类模仿者相关的数十小时视频片段目标。

Deepfake的创建涉及两个人，因此目标面孔/声音就是名人的面孔/声音，而另一个人则属于一个与该项目密切相关的未知个体。

从科技到现实

从技术的角度来看，视觉深度假货是通过使用机器学习工具来设计的，该机器学习工具能够将与两个人有关的所有面部表情的图像解码和分解为由某些关键属性（例如位置）组成的矩阵目标的鼻子，眼睛和嘴巴。此外，较细微的细节（例如皮肤纹理和胡子）的重要性降低，可以被认为是次要的。

通常，以这样的方式执行解构，使得通常总是有可能从其剥离的元素中完全重建每个面部的原始图像。此外，创建高质量的深层仿冒的主要方面之一是最终图像的重建效果如何-使得模仿者面部的任何移动也可以在目标的面部实现。

为了对此进行详细说明，伊利诺伊理工大学斯图尔特商学院的助理教授兼研究员Matthew Dixon告诉Cointelegraph，可以通过某些程序和技术轻松地重建脸部和声音，并补充说：

“一旦对某个人进行了数字克隆，就可以生成他们说任何话的假录像，包括在社交媒体上发表恶意宣传的话。普通的社交媒体追随者将无法分辨该视频是假的。”

同样，在谈到Deepfake技术的更优方面时，以太坊Express首席执行官Vlad Miller 告诉Cointelegraph，Deepfakes 是一种跨平台的解决方案，该解决方案基于具有自己的区块链的创新模型并使用授权证明共识协议。这只是利用称为GAN的机器学习技术来合成人的图像的一种方法，该算法部署了两个神经网络的组合。

第一个生成图像样本，而第二个则将真实样本与假样本区分开。GAN的运作效用可以与两个人的工作进行比较，例如，第一人从事伪造，而另一个人则试图将复制品与原件区分开。如果第一种算法提供了明显的伪造品，则第二种将立即确定它，然后，第一种将通过提供更逼真的图像来改进其工作。

关于Deepfake视频可能对大众产生的负面社会和政治影响，由MIT培训过的区块链/加密货币专家，FTI Consulting高级董事总经理Steve McNew 告诉Cointelegraph：

“在线视频正迅速成为主流信息来源。想象一下社交媒体和新闻媒体疯狂地，或者可能在不知不觉中共享改变的片段的情况，例如警察的身体录像带，处境艰难的政客或世界领导人发表煽动性的演讲，以创造一个替代的真相。假冒伪造品进行恶意宣传和其他形式的欺诈的可能性非常大。”

伪造品用于邪恶目的的示例

由于Deepfake技术能够操纵和模仿现实世界中人的面部特征和个性特征，因此引起了许多合理的关注，尤其是在其用于各种阴暗活动中。

此外，多年来，互联网上充斥着简单的教程，这些简单的教程教人们如何创建数字化更改的音频/视频数据，从而使各种面部识别系统陷于瘫痪。

不仅如此，最近还出现了一些真正令人不安的音频/视频操作实例，这些都使人们深深怀疑伪造品的实用性。例如，最近的一篇文章声称，自2014年以来，deepfake技术已发展到今天的水平，可以用来制作视频，使目标不仅可以表达某些情感，还可以与某些种族相似。以及一定年龄。关于这一主题，生理生物识别技术提供商Aerendir的首席执行官Martin Zizi向Cointelegraph指出：

“人工智能不是从错误中学习，而是从简单的统计中学习。这似乎是一个很小的细节，但是基于AI的简单统计（即使具有万亿字节的数据）也只是一个多维的统计分析。因此，如果您使用统计数据，就可以因统计数据而死。”

Zizi随后补充说，面部识别的另一个关键方面是它基于本质上非常脆弱的神经网络。从结构的角度来看，这些网络可以看作是大教堂，其中，一旦移除一个基石，整个建筑物就会崩溃。为了进一步阐述这个主题，Zizi指出：

“通过从1200万像素的人脸图像中删除3到5像素，识别率将为零！研究人员发现，对神经网络攻击的对抗性攻击可以发现代表图像中“基石”的3到5个像素。”

Deepfake技术由于财务原因而被滥用的最后一个大例子是，一家不知名的英国能源公司的首席执行官最近被骗将22万欧元（合24.3万美元）转移到一个未知的银行账户，因为他认为自己正在与他的电话通电话老板，该公司母公司的首席执行官。实际上，这种声音属于诈骗者，他们利用Deepfake语音技术欺骗了行政人员。

区块链可能有助于抵御深造

根据Witness Media Lab 最近发布的长达72页的报告，区块链被认为是应对Deepfake技术提出的各种数字威胁的合法工具。

在这方面，人们可以使用区块链进行数字签名并确认与他们直接或间接相关的各种视频或音频文件的真实性。因此，添加到特定视频的数字签名越多，就越有可能被认为是真实的。

相关：随着Deepfake视频的传播，区块链可以用来阻止它们

Factom Protocol市场总监Greg Forst在评论此事时对Cointelegraph表示，谈到深造，区块链有潜力为全球技术社区提供独特的解决方案-至少是其中的主要部分。他指出：

“如果视频内容一经创建，就在区块链上，并且带有验证标签或图形，则会在DEEPFAKE努力面前摆上一个障碍。但是，这取决于从一开始就将视频内容添加到区块链。从那里开始，数字身份必须强调内容的来源和创作者。从源头保护数据并为媒体实现某种标准化将有很长的路要走。”

McNew还认为，由于区块链的整体不变性，一旦特定数据块被网络确认，其内容就无法更改。因此，如果使视频（就此而言，甚至是照片）在可以共享之前立即流入区块链验证应用程序，则更改后的视频很容易被识别为伪造的。

最后，米勒也提出了类似的想法，他认为区块链技术与人工智能相结合可以帮助解决Deepfake提出的许多隐私和安全问题。他加了：

“ AI完美地应对了数据的收集，分析，分类和传输，提高了内部流程的执行速度和质量。反过来，区块链“确保”没有人干预AI的工作-它保护数据及其序列不受任何侵害。”

区块链技术有其自身的局限性

就目前情况而言，存在一些小缺陷，这些缺陷阻止了区块链技术被积极地用来监视互联网上的深度欺诈。对于初学者而言，该技术的总体可扩展性受到限制，因为实时处理数字处理的A / V数据所需的计算资源和内存量非常大。

区块链被用于深度欺诈检测可能导致的另一个潜在问题是，大量遏制了众包视频内容（例如YouTube上当前可用的材料）。关于这个问题，迪克森指出：

“如果一个贫穷国家的某人必须得到一家硅谷公司的批准，如何将他们的信息传达给全世界？我们应该委托这样的技术公司吗？当信任减弱时，自由总是处于危险之中。”

分布式账本系统Bitlattice的创建者和创始人Hibryda也有类似的看法，该系统使用多维网格结构来解决诸如可伸缩性，安全性，时序等问题。他认为：

“区块链技术的最大缺点在于无法确定签名媒体是否真实。但这不是区块链或相关技术的内部问题-它们仅提供极其难以操纵的分类帐。它是外部的，没有解决此问题的好方法。尽管以人群为动力的验证可能是部分解决方案，但由于可以控制人群，因此构建一个提供可靠和客观的事实检查的系统几乎是不可能的。”

但是，Forst告诉Cointelegraph，尽管大多数人倾向于认为利用区块链对于深度欺诈检测可能过于昂贵，但是有几种开源解决方案试图做到这一点。然后，Forst补充说：“最大的缺点是，区块链无法完全解决深度欺诈问题，而可以解决一部分问题。”

—-

编译者/作者：疯狂的kevin

玩币族申明：玩币族作为开放的资讯翻译/分享平台，所提供的所有资讯仅代表作者个人观点，与玩币族平台立场无关，且不构成任何投资理财建议。文章版权归原作者所有。