為了阻止復(fù)雜的照片和視頻更改方法，紐約大學(xué)丹頓工程學(xué)院的研究人員展示了一種實(shí)驗(yàn)技術(shù)，可以使用人工智能(AI)對(duì)從采集到交付的整個(gè)管道進(jìn)行圖像驗(yàn)證。

在測(cè)試中，該原型成像管線將在不犧牲圖像質(zhì)量的情況下將操縱檢測(cè)的機(jī)會(huì)從大約45%增加到90%以上。

確定照片或視頻是否真實(shí)正變得越來(lái)越成問(wèn)題。修改照片和視頻的復(fù)雜技術(shù)已變得十分普及，以至于所謂的“深層假貨”(經(jīng)過(guò)操縱的照片或視頻非常有說(shuō)服力，通常包括名人或政治人物)已變得司空見慣。

紐約大學(xué)丹頓分校計(jì)算機(jī)科學(xué)與工程系的研究助理教授Pawel Korus率先提出了這種方法。它用神經(jīng)網(wǎng)絡(luò)(一種AI形式)取代了典型的照片開發(fā)流程，該網(wǎng)絡(luò)在圖像獲取時(shí)將精心制作的偽像直接引入圖像中。這些偽像類似于“數(shù)字水印”，對(duì)操縱極為敏感。

“與以前使用的水印技術(shù)不同，這些從AI學(xué)習(xí)的人工制品不僅可以揭示照片處理的存在，還可以揭示其特征，” Korus說(shuō)。

該過(guò)程針對(duì)相機(jī)內(nèi)嵌入進(jìn)行了優(yōu)化，可以抵抗在線照片共享服務(wù)施加的圖像失真。

紐約大學(xué)丹頓分校計(jì)算機(jī)科學(xué)與工程學(xué)教授，與Korus合著的論文Nasir Memon說(shuō)：“如果攝像機(jī)本身產(chǎn)生的圖像對(duì)篡改更敏感，則任何調(diào)整都會(huì)被發(fā)現(xiàn)。”詳細(xì)說(shuō)明技術(shù)。梅蒙說(shuō)：“這些水印可以在后期處理中幸存;但是，在修改時(shí)它們很脆弱：如果改變圖像，水印就會(huì)破裂。”