“我眼瞅自己跳著芭蕾的視頻，看到那一抹妖嬈嫵媚，驚嘆自己還有這樣一面?！?/p>
聽著王大柱的自述，哥幾個張大了嘴巴。要知道，面前這位，可是身高199，體重210，胸肌、腹肌全套配的鐵血男兒。
猜猜看，壯漢咋習得的這一身絕技？
A：芭蕾舞女神附體。
B：路遇絕世高人，拜師學藝。
按常人邏輯來看，這答案，顯然是B。不過，像王大柱這么難馴化的“品種”，走尋常路線是不行滴。
所以，正確答案是A。之所以稱之為“附體”，這其實是人體深度偽造技術呈現(xiàn)的效果。
“深度偽造”（Deepfake）是英文“deep learning”（深度學習）和“fake”（偽造）的混合詞，即利用深度學習算法，實現(xiàn)音視頻的模擬和偽造。顧名思義，人體深度偽造技術就是指通過AI模型算法將目標人物的整個身體替換成另一個人。
看臉時代已過，AI“邀”你來看身體
上帝給了我們張獨一份的面容和一具“量產版”的軀體。
故事中，上帝捏出的亞當和夏娃是人類的初始形態(tài)，接下來就是批量復制。但這并不影響被復制出的小人們性情各異，自然穿著、行為也都有所不同。
因此，相比AI換臉，全身深度偽造想要做得好，不光是需要完美復制，更多的是通過算法、數(shù)據(jù)的分析重構人體，進而將一個人的外在氣質嫁接過去。
全身深度偽造技術使用生成對抗網絡（GANs）創(chuàng)造深度偽造視頻。這是一種能“教會”計算機勝任人類工作的有趣方法。一個好的對手能讓你成長更快，而GANs背后就是“從競爭中學習”的思路。
那么，GANs是如何工作的？
GANs中包含兩個相互競爭的神經網絡模型。一個網絡稱為生成器（generator），能將圖像或視頻作為輸入并生成樣本;另一個網絡稱為鑒別器（discriminator），能接收生成器數(shù)據(jù)和真實訓練數(shù)據(jù)，是用于得到能正確區(qū)分數(shù)據(jù)類型的分類器。
所謂機器訓練過程，其實是生成器和鑒別器的“交鋒”過程。在這一階段里，前者依靠數(shù)據(jù)庫不斷創(chuàng)造出基于樣本要求的“高仿制品”，后者充當檢驗真假的“警察”。
隨著“交戰(zhàn)”進行，鑒別器越來越難以區(qū)分生成器給到的“產品”真假，而這個過程也會產生很多不同程度的新合成樣本，它們被用于創(chuàng)建逼真的合成圖像和視頻。
2018年8月，美國加州大學伯克利分校的研究人員在網上發(fā)布了名為《人人皆為舞王》的視頻，展示了深度學習算法實現(xiàn)動作轉移的方法。
視頻中，專業(yè)舞者的動作被轉移到業(yè)余愛好者的身上，瞬間讓普通人get到開掛技能。
同年，由德國海德堡大學圖像處理合作實驗室（HCI）和科學計算跨學科中心（IWR）的計算機視覺教授比約恩·奧默爾領導的研究小組，發(fā)表了一篇關于教授機器以逼真形態(tài)渲染人類身體運動的論文。
2019年4月，日本人工智能（AI）公司Data Grid開發(fā)了一種AI應用，它可以自動生成不存在的人的全身模型，并可以將其應用到時尚和服裝行業(yè)。
加州大學伯克利分校的研究人員稱，目前這項技術仍處于早期階段，人體深度偽造還沒有辦法做到像人臉識別那樣呈現(xiàn)真假難辨的拼接效果，這其中涉及到的不光是對身體動作的復刻，更是對步態(tài)檢測、慣性捕捉、微姿態(tài)記錄等技術的融合使用提出更高要求。
直到目前，人體深度偽造技術看上去都是一副“人畜無害”得樣子。
不過，凡事都有其兩面性，在不法分子眼里，人體深度偽造技術在色情業(yè)、廣告營銷、網絡欺詐等領域可謂“大有所為”。
黑化的高科技，騙子的“紅利”
多了個身體，深度偽造技術的“修為”更上一層樓。在凡事都講求個“眼見為實”的今天，殺傷力反而更大。
2018年，CNN駐白宮首席記者吉姆·阿科斯塔（Jim Acosta）在Infowars的編輯保羅·約瑟夫·沃森（Paul Joseph Watson）上傳的一段視頻片段中，阿科斯塔似乎在猛推試圖拿走其麥克風的白宮工作人員。
實際上，由C-SPAN播放的原始視頻與沃森上傳的視頻內容截然不同。
沃森堅持認為，自己并沒有篡改視頻內容，由于上傳時視頻的自動壓縮導致與原始視頻相比缺失了幾幀，而就這幾幀恰好造就了上面的那句。
因此，沃森差點被自己送去吃牢飯（沒錯，這事阿科斯塔曾考慮起訴沃森）。
Emm~心疼三秒鐘
這種深度偽造無需什么技術含量，即可扭曲一段視頻的含義，抹黑一個人。這可以是無意間發(fā)生的，但做到真的很容易。
不用多久，傻瓜式操作的人體深度偽造應用便會問世。網絡安全公司Deeptrace通過構建基于計算機視覺和深度學習的工具證實了這一點。
這個AI工具，像是個基于媒體的“造人神器”，它可以操縱任何類型的合成視頻，隨機合成其中一個或幾個演員的全身、面部圖像和音頻。
Deeptrace安全人員稱，我可以制作一段杰夫·貝索斯（Jeff Bezos）的深度偽造視頻，他說亞馬遜的股票正在下跌，想想做空亞馬遜股票可以賺到多少錢。當你控制住它傳播的時候，損害已經造成了。
別有用心的組織利用深度偽造技術對政要、記者等人物進行篡改，在發(fā)生重大事件時可能會混淆視聽，影響新聞報道的真實性，造成社會輿論混亂，危害社會穩(wěn)定。
若能達到無縫拼接，很難看出破綻。。.。。.可怕，誰快來收了這妖孽？
抱歉，目前在科技行業(yè)中還沒有找到根除深度偽造的共識方法，許多不同的技術正在研究和測試中。其中包括：
1、調查各類鏡頭的數(shù)字水印，以識別深度偽造內容
2、使用區(qū)塊鏈技術建立信任體系
3、創(chuàng)造“AI神探夏洛克”，即取樣某些卷積模型，然后在視頻中尋找異常
4、通過基于API的監(jiān)控系統(tǒng)看到深度偽造視頻的創(chuàng)建、上傳和共享過程
盡管這些辦法都可偵測人體深度偽造的內容，但較高的準確度依然聚焦在面部識別，而探測深度偽造技術的下一件大事，是“軟”生物特征簽名。
無論是面部微表情，還是身體動作、體態(tài)，都是獨一無二的。加州大學伯克利分校的研究員舒迪·阿加瓦爾（Shruti Agarwal）使用這類軟生物識別模型，來確定這種微小變化是由視頻人工創(chuàng)建的。
另一邊，在于短期內，推廣虛假信息和其他有毒、煽動性內容對主要平臺來說是有利可圖的，因此激勵機制也完全不一致。
網易易盾實驗室告訴雷鋒網，通過深度偽造技術，人體動作行為可以再生成，惡意改造可能會嚴重侵犯個人隱私，引起的傳播效應會對個人造成負面社會影響，并且，這一系列技術給司法鑒定帶來更大挑戰(zhàn)。
有研究人員獻計：阻止深度偽造的全面法律可能反而會被誤導。在現(xiàn)有涵蓋誹謗和版權的法律情況下，應支持造福社會的合成媒體應用，同時資助研究開發(fā)工具來檢測深度偽造內容，并鼓勵初創(chuàng)企業(yè)和其他公司也這樣做。
來源：CSDN
下載文檔
