使用频率分析识别伪造图像

它们看起来像是真实的，但它们是由计算机制成的：所谓的“伪造图像”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。鲁尔大学波鸿分校的霍斯特·戈尔茨(HorstGörtz)IT安全研究所和“大型对手时代的网络安全”(Casa)卓越集群已开发出一种有效识别深层伪造图像的新方法。为此，他们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日举行的国际机器学习会议(ICML)上介绍了他们的工作，这是机器学习领域的领先会议之一。此外，研究人员可以免费在线获取其代码，以便其他小组可以复制其结果。

两种算法的相互作用产生新图像

虚假图像是“深度学习”中用于机器学习和“虚假”的惯用语，是在计算机模型(简称为GENsative Adversarial Networks，简称GAN)的帮助下生成的。在这些网络中，两种算法协同工作：第一种算法根据某些输入数据创建随机图像。第二种算法需要确定图像是否是伪造的。如果发现图像是伪造的，则第二种算法会向第一种算法提供修改图像的命令，直到不再将其识别为伪造为止。

近年来，这种技术已帮助使伪造的图像越来越真实。在网站www.whichfaceisreal.com上，用户可以检查是否能够将假货与原始照片区分开。“在虚假新闻时代，如果用户没有能力将计算机生成的图像与原始图像区分开，则可能是个问题，”系统安全性主席Thorsten Holz教授说。

为了进行分析，基于Bochum的研究人员使用了数据集，这些数据集也构成上述页面“哪张脸是真实的”的基础。在这个跨学科项目中，系统安全主席的Joel Frank，Thorsten Eisenhofer和Thorsten Holz教授与机器学习主席的Asja Fischer教授以及数字信号处理主席的LeaSchönherr和Dorothea Kolossa教授合作。