它們看起來像是真實的，但它們是由計算機制成的：所謂的“偽造圖像”是由機器學習算法生成的，人類幾乎無法將它們與真實照片區(qū)分開。魯爾大學波鴻分校的霍斯特·戈爾茨(HorstGörtz)IT安全研究所和“大型對手時代的網(wǎng)絡安全”(Casa)卓越集群已開發(fā)出一種有效識別深層偽造圖像的新方法。為此，他們分析了頻域中的對象，這是一種已建立的信號處理技術。

該團隊在2020年7月15日舉行的國際機器學習會議(ICML)上介紹了他們的工作，這是機器學習領域的領先會議之一。此外，研究人員可以免費在線獲取其代碼，以便其他小組可以復制其結果。

兩種算法的相互作用產(chǎn)生新圖像

虛假圖像是“深度學習”中用于機器學習和“虛假”的慣用語，是在計算機模型(簡稱為GENsative Adversarial Networks，簡稱GAN)的幫助下生成的。在這些網(wǎng)絡中，兩種算法協(xié)同工作：第一種算法根據(jù)某些輸入數(shù)據(jù)創(chuàng)建隨機圖像。第二種算法需要確定圖像是否是偽造的。如果發(fā)現(xiàn)圖像是偽造的，則第二種算法會向第一種算法提供修改圖像的命令，直到不再將其識別為偽造為止。

近年來，這種技術已幫助使偽造的圖像越來越真實。在網(wǎng)站www.whichfaceisreal.com上，用戶可以檢查是否能夠將假貨與原始照片區(qū)分開。“在虛假新聞時代，如果用戶沒有能力將計算機生成的圖像與原始圖像區(qū)分開，則可能是個問題，”系統(tǒng)安全性主席Thorsten Holz教授說。

為了進行分析，基于Bochum的研究人員使用了數(shù)據(jù)集，這些數(shù)據(jù)集也構成上述頁面“哪張臉是真實的”的基礎。在這個跨學科項目中，系統(tǒng)安全主席的Joel Frank，Thorsten Eisenhofer和Thorsten Holz教授與機器學習主席的Asja Fischer教授以及數(shù)字信號處理主席的LeaSchönherr和Dorothea Kolossa教授合作。