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

韓國紐約州立大學(xué)的研究人員最近探索了新的方法來檢測機(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檢測由生成對抗網(wǎng)絡(luò)(GAN)生成的圖像，并采用了預(yù)處理技術(shù)來改善對人類使用Photoshop創(chuàng)建的圖像的檢測。

在過去的幾年中，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服力，可以繞過圖像檢測算法或使用笨拙的圖像識別工具。

進(jìn)行這項研究的研究者之一Shahroz Tariq對Tech Xplore說：“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等人的一項研究表明，生成對抗網(wǎng)絡(luò)(GAN)可以產(chǎn)生接近真實的人臉圖像。人們可能會惡意使用這些照片，例如在互聯(lián)網(wǎng)上創(chuàng)建假ID。”

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

塔里克說：“神經(jīng)網(wǎng)絡(luò)分類器通過檢查大量的真實和虛假圖像數(shù)據(jù)庫，學(xué)習(xí)了真實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。在初步測試中，它以94%的準(zhǔn)確度檢測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：“即使計算機(jī)生成的圖像在人眼看來非常逼真，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)，因為存在許多可能的變化。”

將來，Tariq和他的同事開發(fā)的分類器可以幫助識別由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)在計劃進(jìn)一步開發(fā)他們的分類器，在更多機(jī)器和人工生成的圖像上對其進(jìn)行訓(xùn)練。

“隨著生成合成圖像的方法變得越來越復(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)分類器將很難檢測到它們之間的差異，” Tariq解釋說。“因此，我們希望繼續(xù)改進(jìn)我們的方法，以更好地檢測此類照片。”