检查视频随时间的变化有助于标记深度伪造

过去只有拥有雄厚资金的好莱坞制作公司和技术娴熟的艺术家和技术人员团队才能制作出精心制作的视频，逼真的制作工具似乎可以向人们展示和说出他们从未真正做过或说过的话。不再是 - 在网上免费提供的软件可以让任何拥有计算机并且有时间在他们手上的人创建令人信服的虚假视频。

无论是用于个人报复，骚扰名人还是影响公众舆论，深渊都不符合“看见相信”这个古老的公理。

我的研究团队和我在南加州大学信息学院的大学正在开发的方式来告诉逼真的假动作和，显示实际事件的发生，他们真正的视频之间的区别。我们最近的研究发现了一种新的，更准确的方法来检测深度视频。

找到缺陷

一般而言，各种深度伪造算法通过使用机器学习技术来分析目标的图像，识别诸如鼻子，嘴角，眼睛位置等面部表情的关键元素。他们使用该信息来合成该人脸的新图像，并将它们组合在一起，以创建一个看起来逼真但是假的目标视频。

目前大多数检测深度探测的方法包括分别观察视频的每个帧，手动或使用检测算法，以发现图像制作过程留下的微小缺陷。如果有足够的证据表明有足够的帧被篡改，则该视频被认为是伪造的。

然而，deepfake创作者已经开始使用大量的图像和视频压缩来模糊他们的结果，隐藏任何可能揭示其虚假的文物。

看序列，而不是单帧

我们的方法试图通过采用不同的方法来绕过这种欺骗。我们从视频中提取所有帧并识别显示目标脸部的区域。然后，我们实际上将所有这些脸部图像堆叠在一起，确保鼻子，眼睛和嘴巴在每一帧之间都是对齐的。这消除了视频中头部移动或摄像机角度偏移的影响。

然后，我们不是单独查看每个面部图像，而是查找面部的不同部分随时间在帧与帧之间移动的不一致性。这有点像设置一个孩子的翻书，然后观察序列中奇怪的跳跃。我们发现这种方法更准确，部分原因是我们可以识别出比单独观察每一帧时更多的虚假证据。

具体来说，我们96%的时间都检测到了深度伪造，即使图像和视频被大量压缩也是如此。到目前为止，我们已经找到准确的那个水平只提供给唯一的大型数据库，学术研究人员评估他们的deepfake检测技术，这就是所谓FaceForensics ++。该数据集包含来自三个最着名的深度伪造生成算法的视频，Face2Face，FaceSwap和DeepFake，尽管fakers总是在改进他们的方法。

Deepfake检测是一场军备竞赛，其中的骗子和真相寻求者将继续推进他们各自的技术。因此，限制其对整个社会的影响的工作不仅仅落在研究人员身上。当然，学者和实验者必须继续工作，但这不是全部。我相信社交网络平台也应该努力开发软件和政策，以减缓所有类型的错误信息的传播 - 无论是操纵一个人的脸还是以他们从未有过的方式展示他们的整个身体。