哪张脸是真的？研究人员用频率分析来识别Deep-Fake图像 算法造图会暴露伪影

在人工智能和Deep-Fake日益盛行的放下，不少照片看似真实，但实际上是由电脑制作的。不过这些图像已经相当具有欺骗性——所谓的深度假图像是由机器学习算法生成的，人类几乎无法将它们与真实照片区分开来。

Horst Görtz Institute的的研究人员和“大规模对手时代的网络安全”(Casa)卓越集群开发了一种有效识别深度伪造图像的新方法。

这种方法被让那些由计算机算法而不是人类创建的伪造图像“一览无遗”。为此，他们还分析了频域中的对象，这是一种已建立的信号处理技术。

该团队在2020年7月15日的国际机器学习会议(ICML)上展示了他们的工作，该会议是机器学习领域的主要会议之一。此外，研究人员将他们的代码免费发布在网上，这样其他小组就可以复制他们的结果。

两种算法的相互作用产生新的图像

deep -fake images是“深度学习”(deep learning)和“fake”(fake)的合成词，是在计算机模型的帮助下生成的，也就是所谓的“生成式对抗网络”（Generative Adversarial Networks)，简称GANs。

在这些网络中有两种算法一起工作：第一种算法根据特定的输入数据创建随机图像。第二种算法需要判断图像是否为假图像。如果发现图像是伪造的，则第二种算法会向第一种算法发出修改图像的命令——直到不再将其识别为伪造为止。

近年来，Deep-Fake这种技术已经让那些深度的算法合成假图像变得越来越真实。

在一些网站上，用户可以检查他们是否能够区分真假照片。“在假新闻时代，如果用户不能区分电脑生成的图像和原始图像，这可能会成为一个问题，”系统安全系主任托尔斯滕·霍尔兹（Thorsten Holz）教授说。

为了进行分析，Bochum Fake Image研究小组成员使用了数据集，这些数据集也构成上述页面“哪张脸是真实的”（Which Face is Real）的基础。

在这个跨学科项目中，系统安全系主任Joel Frank、Thorsten Eisenhofer和Thorsten Holz教授、机器学习系主任Asja Fischer教授、数字信号处理系主任Lea Schonherr和Dorothea Kolossa教授达成了合作。

图像频率分析暴露了假图像的“伪影”

到目前为止，不少研究团队已经使用复杂的统计方法分析了伪造的图像。而Bochum Fake Image研究小组选择了一种不同的方法，通过使用离散余弦变换将图像转换到频域。生成的图像因此表示为许多不同余弦函数的和。自然图像主要由低频函数组成。

变换到频域的人物图像：左上角代表低频图像区域，右下角代表高频区域。在左侧，您可以看到真实人物照片的变换：频率范围是均匀分布的。计算机生成的照片的转换（右）包含一个在高频范围内的典型网格结构-典型的伪像。

分析表明，GANs生成的图像在高频范围内会显示伪影。例如，在伪图像的频率表示中出现了一种典型的网格结构。“我们的实验表明，这些伪影不仅出现在GAN生成的图像中。它们是所有深度学习算法的一个结构性问题。系统安全主席Joel Frank解释说。

“我们认为研究中描述的伪影将始终告诉我们该图像是否是由机器学习创建的伪造图像，” Frank补充道。 “因此，频率分析是自动识别计算机生成图像的有效方法。”

编译/前瞻经济学人APP资讯组

原文来源：https://scitechdaily.com/using-frequency-analysis-to-identify-deep-fake-images/

本文来源前瞻网，转载请注明来源。本文内容仅代表作者个人观点，本站只提供参考并不构成任何投资及应用建议。（若存在内容、版权或其它问题，请联系：service@qianzhan.com）