门户
图库
科技
数据
VR
区块链
学院
论坛
百科
导航
登录
注册
帮助
公社首页
中国人工智能社区
公社版块
公社群组
Group
升级会员
用户名
Email
自动登录
找回密码
密码
登录
立即注册
登录后你可以:
登录
首次使用?
点我去注册
搜索
搜索
本版
帖子
公社群组
用户
道具
勋章
任务
设置
我的收藏
退出
首页
›
公社水吧
›
大话智能
›
Facebook研讨新算法:遏制deepfake换脸行为并追踪其来源 ...
返回列表
Facebook研讨新算法:遏制deepfake换脸行为并追踪其来源
[复制链接]
hjjscofield
2021-6-17 10:17:02
显示全部楼层
|
阅读模式
虽然目前 Deepfakes 换脸伪造状况在 Facebook 上并不是很突出,但这家社交网络巨头正加大对该技术的研讨力度,以防备潜在的将来要挟。
经过和密歇根州立大学(MSU)多位学者的合作,Facebook 创造了一种逆向设计深度假象的方法:分析人工智能生成的图像,以揭示创造它的机器学习模型的辨认特征。
图片来自于 The Verge
这项工作非常有用,由于它可以协助 Facebook 追踪在其各种社交网络上传播 Deepfakes 的不良分子。这些内容能够包括错误的信息,但也包括未经赞同的色情内容--这是 Deepfakes 技术的一个令人懊丧的常见运用。如今,这项工作仍处于研讨阶段,还不预备部署。
目前在该范畴的研讨曾经可以确认哪些是人工合成的脸,哪些是真实的脸。不过由密歇根州立大学 Vishal Asnani 指导的团队进一步推进了这项研讨,确定了未知模型的架构特征。这些特征被称为超参数(hyperparameters),在每个机器学习模型中都要像发动机的零件一样停止调整。总体而言,它们在完成的图像上留下了独特的指纹,然后可以用来辨认其来源。
Facebook 研讨担任人塔尔·哈斯纳(Tal Hassner)告诉 The Verge,辨认未知模型的特征非常重要,由于 Deepfakes 软件非常容易定制。假如调查人员试图追踪他们的活动,这有能够让不良行为者掩盖他们的踪迹。
Hassner 表示:“让我们假设一个不良行为者正在生成许多不同的 Deepfakes,并在不同的平台上向不同的用户上传。假如这是一个以前没有人见过的新的人工智能模型,那么我们过去就无法停止判别了。如今,我们可以说‘看,这里上传的图片,那里上传的图片,都来自同一个模型’。假如我们可以查获[用于生成内容的]笔记本电脑或计算机,我们将可以说‘这就是罪魁祸首’”。
哈斯纳将这项工作与法医技术相提并论,即经过寻觅所产生的图像中的形式来确定哪种型号的相机被用来拍摄照片。他说:“不过,不是每个人都能创造本人的相机。而任何有合理阅历和标准计算机的人都可以炮制出他们本人的模型,生成 Deepfakes”。
本帖子中包含更多资源
您需要
登录
才可以下载或查看,没有帐号?
立即注册
x
回复
使用道具
举报
发表新帖
高级模式
B
Color
Image
Link
Quote
Code
Smilies
您需要登录后才可以回帖
登录
|
立即注册
本版积分规则
发表回复
回帖后跳转到最后一页
hjjscofield
中级会员
0
关注
0
粉丝
93
帖子
Ta的主页
发布
加好友
最近发表
定档8月16日 | 2024亚洲智能穿戴大会
华为智能眼镜 2评测:可能是上班族最好用的智能穿戴
2023年全球智能可穿戴腕带出货量及竞争格局分析
智能穿戴概念8日主力净流出24.84亿元,光启技术、立讯精密居前
智能穿戴概念11日主力净流入5.62亿元,三六零、兆易创新居前
智能穿戴概念10日主力净流出23.94亿元,立讯精密、中兴通讯居前
公社版块
版块推荐
更多版块
智能穿戴
智能家居
机器人
无人驾驶
无人机
反馈吐槽
闲聊灌水
大话智能
大数据
图像识别
自然语言
数据挖掘
大话智能
数据挖掘
北大讲座
清华讲座
网贷观察
股市评论
区块链
闲聊灌水
反馈吐槽
站务通知
关注我们