韓國(guó)紐約州立大學(xué)的研究人員最近探索了新的方法來(lái)檢測(cè)機(jī)器和人為偽造的面部圖像。在ACM數(shù)字圖書館發(fā)表的論文中，研究人員使用了集成方法來(lái)檢測(cè)由生成對(duì)抗網(wǎng)絡(luò)(GAN)生成的圖像，并采用了預(yù)處理技術(shù)來(lái)改善對(duì)人類使用Photoshop創(chuàng)建的圖像的檢測(cè)。

在過(guò)去的幾年中，圖像處理和機(jī)器學(xué)習(xí)方面的顯著進(jìn)步使得能夠生成偽造但高度逼真的圖像。但是，這些圖像也可以用于創(chuàng)建偽造的身份，使偽造的新聞更具說(shuō)服力，可以繞過(guò)圖像檢測(cè)算法或使用笨拙的圖像識(shí)別工具。

進(jìn)行這項(xiàng)研究的研究者之一Shahroz Tariq對(duì)Tech Xplore說(shuō)：“偽造的面部圖像已經(jīng)成為研究的話題，但是研究主要集中在使用Photoshop工具拍攝的人類照片上。” “最近，Karras等人的一項(xiàng)研究表明，生成對(duì)抗網(wǎng)絡(luò)(GAN)可以產(chǎn)生接近真實(shí)的人臉圖像。人們可能會(huì)惡意使用這些照片，例如在互聯(lián)網(wǎng)上創(chuàng)建假ID。”

Tariq和他的同事進(jìn)行的研究的重點(diǎn)是使用深度學(xué)習(xí)技術(shù)檢測(cè)計(jì)算機(jī)生成和人為生成的假臉照片。為此，他們開(kāi)發(fā)了神經(jīng)網(wǎng)絡(luò)分類器，并在真實(shí)和偽造圖像的數(shù)據(jù)集上對(duì)其進(jìn)行了訓(xùn)練。

塔里克說(shuō)：“神經(jīng)網(wǎng)絡(luò)分類器通過(guò)檢查大量的真實(shí)和虛假圖像數(shù)據(jù)庫(kù)，學(xué)習(xí)了真實(shí)和虛假圖像之間的區(qū)別特征。”

該分類器不是分析圖像的元數(shù)據(jù)，而是關(guān)注圖像內(nèi)容。在初步測(cè)試中，它以94%的準(zhǔn)確度檢測(cè)GAN生成的和人為偽造的人臉偽影，均取得了顯著效果。

塔里克說(shuō)：“即使計(jì)算機(jī)生成的圖像在人眼看來(lái)非常逼真，神經(jīng)網(wǎng)絡(luò)分類器也能夠發(fā)現(xiàn)微小的差異，從而使它能夠正確地對(duì)圖像進(jìn)行分類。” “我們還發(fā)現(xiàn)，人們使用Photoshop工具創(chuàng)建的偽造照片很難發(fā)現(xiàn)，因?yàn)榇嬖谠S多可能的變化。”

將來(lái)，Tariq和他的同事開(kāi)發(fā)的分類器可以幫助識(shí)別由GAN或人類使用圖形編輯軟件(例如Photoshop)生成的偽造圖像。研究人員現(xiàn)在計(jì)劃進(jìn)一步開(kāi)發(fā)他們的分類器，在更多機(jī)器和人工生成的圖像上對(duì)其進(jìn)行訓(xùn)練。

“隨著生成合成圖像的方法變得越來(lái)越復(fù)雜，用這些方法生成的照片將變得更加逼真，而神經(jīng)網(wǎng)絡(luò)分類器將很難檢測(cè)到它們之間的差異，” Tariq解釋說(shuō)。“因此，我們希望繼續(xù)改進(jìn)我們的方法，以更好地檢測(cè)此類照片。”