自從 Deepfake 技術面世以來，就一直朝著不可控的方向發展。
從開始用在成人電影換成女明星的臉，到美國總統川普、Facebook CEO 祖克柏等公眾人物相繼成為 Deepfake 技術的受害者，再到「一鍵脫衣」的 App「DeepNude」，Deepfake 技術帶來的負面影響愈加明顯。
更令人擔心的是，Deepfake 技術還在進化。史丹佛等幾所學校發表研究，甚至能篡改影片語句，只要輸入任意文本，就能讓影片中的講者說出對應的話，比如將電視台主持人報導的「蘋果股價收盤於 191.45 美元」數字改為「182.25 美元」。
儘管這兩個詞的發音和口型完全不同，但幾乎看不出修改痕跡。研究者經過調查發現，59.6% 受試者認為修改過的影片是真的，這項技術成功騙過大部分人的眼睛及耳朵。
Deepfake 技術讓網路世界變得更真假難辨，與此同時不少科學家和機構也開始研發鑑定 Deepfake 的技術，開始一場貓捉老鼠的遊戲。
據《華爾街日報》報導，本週在拉斯維加斯舉辦的黑帽網路安全大會，俄勒岡大學研究人員提出，老鼠等小動物未來或有助於鑑定偽造的影片和音頻。
研究人員發現，老鼠在辨識自然語音元素方面很有天分，能聽出聲音中的不規則性，比如透過訓練能區分 P、B、T 等不同音素，以及不同母音發聲的區別，進而辨識複雜的聲音，並檢測音頻的真實性。
科學家以條件反射訓練小老鼠，讓老鼠在聽到真實和合成影片的時候分別跑向不同位置，如果辨識正確就給予獎勵，測試過程老鼠辨識假音頻的準確率達 75%。
雖然當研究人員添加新聲音和母音的等變量後，老鼠辨識準確率有下降，但又經過一段時間訓練後，還是能區分新的語音模式。
研究計畫成員之一、俄勒岡大學研究生 Jonathan Saunders 認為，還可以進一步優化，形成通用版本 Deepfake 檢測演算法，但這需要更深入了解大腦如何分析和處理聲音。
儘管老鼠在聽覺研究領域有很大潛力，但這也不意味社交平台和影像網站將來透過飼養大量老鼠就能鑑定 Deepfake 假影片。研究人員希望透過明白老鼠如何辨識假音頻，進而更容易訓練機器對抗 Deepfake 。
除了之外，很多研究團隊都採用生成式對抗網路（GAN）鑑定 Deepfake，以 AI 對抗 AI。
前不久，加州大學柏克萊分校和南加州大學研究團隊開發一套 AI 鑑別系統，先透過生成式對抗網絡，提取川普、希拉蕊和歐巴馬等人的臉部、頭部運動特徵，合成假影片。
隨後再用機器學習分析真假影片的差異，得到每個人的「軟性生物特徵」（soft biometric signature），辨識出細微的動作特徵，這種檢測工具辨識 Deepfake 影片的準確率達 95%，研究人員希望未來半年內提升至 99%。
去年美國國防部研究機構 DAPRA 也研發出專門打假 Deepfake 的 AI 工具，抓住 AI 生成人臉缺乏眨眼功能的缺陷，透過檢測眼睛狀態判斷影片的真假，準確率高達 99%。
▲ 原始影片（上圖）中，6 秒內檢測到眨眼動作。而 Deepfake 生成的假影片（下圖）沒有眨眼。 （Source：紐約州立大學奧爾巴尼分校）
遺憾的是，這套工具無法大規模應用，研究人員試圖開發出可擴展的平台化工具，能鑑定網路大量影片。
不過這種利用 AI 對抗 AI 的鑑定方式也有問題，因為生成式對抗網路的原理就是讓兩套神經網路相互博弈中學習，隨著鑑定技術的提升，假影片的品質也會提高，兩者永遠不斷對抗，誰也無法徹底打敗誰。
同時比起 Deepfake 技術的研發，鑑定技術的科研力量顯得有點勢單力薄。據 DeepTrace 平台統計，2018年，全球涉及 GAN 生成圖像和影片的論文多達 902 篇，研究如何辨識合成圖像和影片的論文只有 25 篇。
加州大學柏克萊分校的電腦科學家 Hany Farid 也指出，目前研究合成影片和鑑定人數是 100：1，Farid 認為依靠技術現有的鑑定技術難以阻止 Deepfake 影片在社交平台傳播：
解決方法不能只靠技術，還需要媒體專業的報導，以及更好的數位公民、公司和政策。
科技新報粉絲團
加入好友
訂閱免費電子報
