出品：科普中國

制作：之遙科普

監(jiān)制：中國科學院計算機網(wǎng)絡信息中心

從在圍棋界戰(zhàn)無不勝的“阿爾法狗”，到鋪天蓋地的“人臉識別”，機器學習給人們的生活帶來了翻天覆地的改變。但隨著AI技術(shù)的不斷發(fā)展，以“智能換臉”為主要展現(xiàn)結(jié)果的Deepfake技術(shù)，卻給大家的生活帶來了更多困擾。

2018年，加蓬總統(tǒng)Ali Bongo因中風在公共視野中消失了數(shù)月。政府為了安撫民心，在新年時公開了一段總統(tǒng)錄制的新年致辭。這段新年致辭使用了Deepfake技術(shù)進行生成，但這個視頻非但沒有起到安撫民心的作用，反而讓軍方的資深大佬發(fā)現(xiàn)異常，最終導致了兵變。在這個事件中，“AI換臉”技術(shù)成為干擾政治選舉，降低政府公信力的一大推手。

在很多人的印象中，Deepfake技術(shù)除了能讓有需求的人看到AI換臉的色情小視頻外，似乎都走在社會的陰影里。

圖1 deepfake圖片（圖片來源：http://zkres1.myzaker.com/）

對普通人而言，Deepfake技術(shù)可謂是以假亂真，毫無破綻。那面對網(wǎng)上流傳的真假不一的視頻，我們真的無法分辨嗎？

不用擔心，正所謂“魔高一尺，道高一丈”。在專業(yè)人士手中，通過細致的計算機分析，可以辨別出照片、視頻的真假，讓Deepfake技術(shù)處理過的內(nèi)容“現(xiàn)出原形”。

Deepfake技術(shù)的原理就是學習學習再學習

要了解Deepfake技術(shù)如何被識破，首先就要了解什么是Deepfake技術(shù)。Deepfake是使用深度機器學習（deep machine learning）和假照片（fake photo）組合而成的一個詞，可以理解為機器進行深度學習而制造的假照片、假視頻等虛假產(chǎn)物。其中最常見的應用就是“AI換臉”，也就是將一個人的臉部移植到另一個人臉上。

在進行換臉時，機器首先需要識別出人臉的位置。人臉的識別與校準在自動駕駛等領(lǐng)域也有著廣泛的應用，目前的發(fā)展已經(jīng)非常成熟，識別率在98%以上。

換臉用的素材，與待換臉的視頻中的人臉，他們的面部朝向、面部表情往往不同。因此，識別出人臉位置之后，機器要進一步對人臉進行校準。通過尋找面部具有鮮明特征的區(qū)域，機器可以確定每一幀中人臉的朝向、表情，進而將待換臉視頻中需要插入的人臉與素材匹配起來。

匹配完成之后，換臉技術(shù)也不是簡單地就把換臉素材貼在了待換臉的人臉上。簡單地貼圖，可以輕松地被肉眼識別，難以達到“以假亂真”的效果。Deepfake技術(shù)進一步地學習原理可以用人的行為來類比。

如果你盯A臉看上100小時，接著去看B臉的照片；接下來讓你憑記憶畫出B的臉，那不管你的技術(shù)水平多高，最終都會畫的跟A臉很像。所以，當我們訓練機器，讓機器學習用A臉的元素畫出B臉時，就可以將A臉逼真地“畫到”B臉上。

圖2 看B畫A（圖片來源：原創(chuàng)）

逼真的Deepfake技術(shù)也有小破綻

機器學習出的換臉視頻、照片那么逼真，那Deepfake技術(shù)的破綻何在呢？

中國有句古話叫做“若想人不知，除非己莫為”。換臉技術(shù)的破綻，就出在人臉素材的細節(jié)上。Deepfake技術(shù)使用A臉的元素來畫出B臉，這一過程是對A臉元素的精巧拼接。而這一拼接的過程，勢必不能完美地符合真實情況。

紐約州布法羅-布法羅大學的計算機科學家，就從“眼睛”——這一人臉上最精致的元素入手，實現(xiàn)了對Deepfake技術(shù)的甄別。

這一技術(shù)的核心原理基于眼球的反射。當外界環(huán)境的光照射到眼睛上時，就會產(chǎn)生反射，在角膜上生成圖像。在真正的照片中，兩只眼睛看同一物體，會具有非常相似的反射模式。但在Deepfake合成的照片中，兩只眼睛的反射內(nèi)容往往并不協(xié)調(diào)。很可能出現(xiàn)左眼“看見”一只小狗，右眼“看見”一輛卡車的情況。檢測機器首先提取兩只眼睛反射的內(nèi)容，然后檢測左右眼的反射內(nèi)容、反射光強度等參數(shù)是否協(xié)調(diào)統(tǒng)一，就可以識別出照片、視頻是否經(jīng)過了合成。這一方法已被證明具有94%的實驗有效性。

除此之外，常見的檢測方法還包括：

（1）根據(jù)視頻的2D圖像估計三維姿勢。使用Deepfake技術(shù)合成的視頻，三維姿勢可能會突然發(fā)生較大的突變。比如視頻中的人，如果在上一幀胸口還是鼓起正在吸氣的狀態(tài)，下一幀就迅速變成胸口下沉吐氣的狀態(tài)，那就說明這個視頻鐵定是合成出來的。

（2）捕捉Deepfake技術(shù)在處理視頻時對圖像進行扭曲而在環(huán)境中產(chǎn)生的“偽影”。

（3）捕捉左右虹膜異色、光照與陰影不協(xié)調(diào)、幾何建模錯誤等瑕疵。

（4）針對名人的行為習慣，檢測視頻中是否有對應的特有行為特點（例如摸鼻子、歪嘴等）。

圖3 deepfake視頻中的虹膜異色（圖片來源：知乎）

Deepfake檢測中的“貓鼠游戲”

在不斷發(fā)展的過程中，Deepfake的檢測技術(shù)仍然會面對不少挑戰(zhàn)。

第一點是有的技術(shù)本身需要一定的信息量。例如前述的眼球反射檢測技術(shù)，如果視頻里沒有同時存在兩只眼睛，就無法應用。針對虹膜顏色的檢測，在視頻畫質(zhì)較低時使用起來也較為困難。

第二點是，檢測技術(shù)和換臉技術(shù)是一個“不斷發(fā)展，彼此競爭”的過程。例如前述的捕捉光照與陰影不協(xié)調(diào)的問題，換臉者可以在換臉時使用更多的資源進行光照模擬、渲染，從而保證陰影的生成質(zhì)量。從這個角度講，檢測和換臉技術(shù)就像一場“貓鼠游戲”，二者不斷迭代，你追我趕。今天檢測技術(shù)提出了用眼球的反射光進行檢測，明天換臉技術(shù)就可以把眼球的反射光模擬也放在學習內(nèi)容之中。檢測技術(shù)必須不斷更新，才能跟上Deepfake技術(shù)發(fā)展的步伐。

第三點是，檢測技術(shù)距自動化還有一定距離?，F(xiàn)有的檢測技術(shù)耗費的時間都比較長，難以做到在用戶上傳視頻的同時，短時間內(nèi)自動完成檢測和審核。距實用的自動Deepfake檢測軟件，還有一段路要走。

第四點是，目前針對Deepfake技術(shù)還沒有完善的法規(guī)。各個視頻平臺對于什么樣的Deepfake視頻是惡意的、違規(guī)的，有著自己的界定規(guī)則。同時，目前也沒有關(guān)于Deepfake技術(shù)的相關(guān)法律。這就給針對Deepfake視頻的檢測、管控工作帶來了很多困難。

雖然Deepfake檢測技術(shù)仍有諸多挑戰(zhàn)，但是我們要相信，隨著AI技術(shù)的不斷發(fā)展，相關(guān)法規(guī)會逐漸完善，針對Deepfake的檢測技術(shù)也會變得越來越準確、高效。終有一天，虛假的視頻會在檢測技術(shù)的“火眼金睛”下統(tǒng)統(tǒng)現(xiàn)出原形。鉆技術(shù)的漏洞，濫用Deepfake技術(shù)，遲早會受到懲罰。

參考文獻

( Hu S , Li Y , Lyu S . Exposing GAN-generated Faces Using Inconsistent Corneal Specular Highlights[J]. 2020.）