Deepfake AI换脸，一场“猫和老鼠”的追击战

编者按：本文来自微信公众号“PingWest品玩”（ID：wepingwest），作者 Cactus。36氪经授权转载。

数月前开始，关于“Ai换脸“的话题时不时地登上热搜，网友们一边对这一科技大法respect，一边调侃XX明星的演技。

按理说，科技为大众带来娱乐的祥和氛围挺好的，不过，是时候换个角度来看看这种技术带来的一些偏门应用。

网上热传的换脸神器，是一种利用更深度学习技术识别和交换图片、视频中人物脸部图像的工具，被称为深度伪造，也就是Deepfake，它不仅制作过程简单而且逼真度惊人。

普通大众接触到的Deepfake已经是通过它制作出来的成品，比如徐锦江版的海王、复活的张国荣，被杨幂版黄蓉。

在Deepfake出现前，视频换脸技术最早最广泛的应用还是在电影领域，那时它需要相对较高的技术和资金。

现在Deepfake降低了这一门槛，它真正广泛出现在大众视野里是因为Pornhub上流行的Deepfake系列视频。

Deepfake算法的偏门应用

最初一些少数技术精英们，为了传播Deepfake技术在Reddit上创办了论坛。

不过在讨论技术学习的路上，Deepfake的黑暗面逐渐显露，大家发现这种换脸技术还有一个细分方向：满足私欲。

由Deepfake推动的色情生意病态发展，订制色情片泛滥，从明星到路人，后来还延伸到了色情复仇。

Deepfake的色情生意并不是“隔海相望”，这种色情交易早已蔓延到国内，成为隐形的地下生意。

Deepfake的技术应用开发并未止步于色情视频换脸。

据美国科技媒体Motherboard 6月27日报道，一名程序员又开发了名为“Deepnude”的应用，上传一张女性照片，神经网络技术可“自动”脱掉她的衣服。

这个软件目前只能处理女性的照片，裸露越多，处理效果越好。上传男性照片依然会被处理替换成女性身体，卡通图片则无法识别。

开发此款应用的程序员表示，该应用由其开发的开源算法pix2pix创建，这一算法与之前的人工智能换脸技术deepfake算法相似，Deepnude只用了1万张女性的裸照进行训练，之后会考虑创建男性版本，而继续这个实验的也是为了在这个算法上获得经济回报。

显然，Deepnude在侵犯着众人隐私，甚至将每个人暴露在色情报仇的危险之中，而女性成为首个被攻击的群体。类似的算法偏门应用可能还会不断出现，Deepfake的开发依旧离不开生理需求的主导。

反识别Deepfake提上日程

可悲的是，无数关乎女性的Deepfake系列应用和视频并未能让大众产生危机感，当换脸视频波及到更广泛的人物，成为篡改视频的技术手段，进而萌生技术犯罪趋势的时候，大家才开始慌张。

想要得到一个换脸视频并不复杂，例如图中希拉里版特朗普的视频仅使用了一种名为FAKEAPP的软件，放入图片视频即可一键生成，不懂编程的人阅读操作流程后都可轻易上手。

对此，美国《通信规范法》第230条：“交互式计算机服务提供者或使用者，就非出于己的信息内容，不应被视为内容的出版人即发表人。”这条规则可能要因为Deepfake而改变。

美国国防高级研究计划局为此设立了“媒体鉴证”项目，以开发能识别Deepfake的工具，项目最初旨在实现现有鉴证工具的自动化，后来将终点转向了人工智能生成的虚假视频上。

由Deepfake到鉴别Deepfake制造的虚假视频，展开了一场“猫和老鼠”的技术追击战。

近期，加州大学伯克利分校和南加州大学的研究人员打造的AI识别系统可寻找每个人的“软性生物识别”标签，在这场博弈赛中取得了阶段性的取胜。

虽然，Deepfake技术发展迅猛，此前“无法眨眼”的问题已经得到改善，但研究人员发现，人们在说话时产生的头、手、眼睛、嘴唇的微妙变化是Deepfake在创造虚假视频时暂未考虑到的元素。

背后的原理为，不同人在说话时会表现出相对不同的面部和头部运动模式，Deepfake由模仿算法控制会打破这些模式，导致嘴巴与头部面部等部分形成不自然的分离。

基于此，这项鉴别技术构建了高度个人化的“软生物识别指标”。检测实验中，该鉴别技术的总体识别率超过了95%。

接下来，研究人员将着手声音特征进一步提高AI识别假视频的技术。

▲基于希拉里（棕）、奥巴马（浅灰带框）、桑德斯（绿）、特朗普（橙）、奥伦（蓝）随即任务（粉）、奥巴马Deepfake假视频（深灰带框）的190-D特征的而为可视化散点图。

这只是Deepfake博弈中，鉴别技术的一个短暂领先，软生物识别指标的可靠性一定程度上仍然会受各类元素的影响，例如背景环境、镜头位置等。在这方面造假技术很可能又会迎头赶上，更多基于Deepfake算法的新应用又会出现，例如前面提到的Deepnude。

在这场复杂程度不断增加的安全博弈中，攻击会被防御反击，反过来又被更复杂的攻击所抵消。

从国外引起的女性隐私侵犯，到国内有B站泛滥的明星换头恶搞视频，我们正在为Deepfake破坏的秩序付出代价。

Deepfake的损害不只是换脸

在AI深度学习第一个站出来给自己一巴掌的，是被称为亚洲四大邪术的Photoshop。

Adobe在6月中旬推出了反PS工具。依托于AI算法，这个工具目前仅支持用于识别经液化处理图片，可自动识别出人像照片中被修改的部分，还能把它还原成到初始样貌，准确率高达99%。

此前Adobe也公布过识别图片是否经过拼接、复制、删除的AI。

这次研究人员通过编写Photoshop脚本简历大量图像训练集，通过网络上抓取的图片使用面部感知液化调整，随机选择这些照片的子集进行训练。同时还聘请艺术家改变相关参数到数据集中。

Adobe表示，这项研究成果并不会立即转变为商业产品，只是为更好地监测图像、视频、音频做出的一步努力。

其官网给出了更明确的解释：

Adobe为用户提供工具，释放想象力，让他们将想法变为现实，对此我们对Adobe作为创意工具在世界上的影响力感到自豪，但同时也意识到这项科技延伸的潜在道德问题。虚假内容已经成为日益紧迫的严重问题。

Adobe所指的虚假内容，影射的正是Deepfake。在建立机器学习应用后，需要确保它足够安全，AI 里的Deepfake急需另一个AI来钳制，然而现实里Deepfake的鉴别速度永远要比造假慢几拍，我们已经生活在一个安全问题暴露的世界里。

而Deepfake深度伪造技术存在的真正损害，不止是隐私侵犯、数据盗窃、色情内容亦或是政治上，它正在加速挑战着互联网数据真实性的边界。

想象一下，未来无数机器学习分析的很可能来源于Deepfake的假数据，它的存在是对虚拟的网络世界里关于“真实”最迫在眉睫的威胁，而这种影响可能用各种对抗识别鉴定方法都难以弥补。

今天有人有兴致把朱茵的黄蓉换成杨幂的脸，以后就不好说了。