通過分析眼中的光線反射，研究人員正借助天文技術(shù)來幫助識別計算機生成的“深度偽造”(Deepfake)圖像——這些圖像乍一看與真實照片幾乎無異。
天文學家們通過使用通常用于觀測遙遠星系的方法來分析臉部圖像，可以測量一個人眼睛反射光線的方式，從而揭示圖像被操縱的跡象。
英國赫爾大學數(shù)據(jù)科學、人工智能與建模卓越中心主任Kevin Pimbblet在7月15日的英國皇家天文學會全國天文學會議上展示了這項研究，他表示：“這不是靈丹妙藥，因為我們確實有誤報和漏報。但這項研究提供了一種潛在的方法，也許可以作為試圖辨別圖像真?zhèn)蔚囊幌盗袦y試中的重要補充。”
偽造照片
人工智能(AI)的進步使得區(qū)分真實圖像、視頻和音頻與由算法生成的偽造圖像變得越來越困難。深度偽造技術(shù)可以將一個人或環(huán)境的特征替換為另一個人的特征，并使之看起來像是某人說了或做了實際上并沒有發(fā)生的事情。有關(guān)部門警告稱，這項技術(shù)可能被用作武器，傳播虛假信息，例如在選舉期間。
Pimbblet解釋道，真實照片應該具有“一致的物理特性”，“所以你在左眼球中看到的反光應該與右眼球中的反光非常相似，盡管不一定完全相同”。這些差異非常微妙，因此研究人員轉(zhuǎn)向了用于分析天文圖像中光線的技術(shù)。
這項尚未發(fā)表的工作是Adejumoke Owolabi碩士論文的基礎(chǔ)。Owolabi是英國赫爾大學的一名數(shù)據(jù)科學家，她從Flickr-Faces-HQ數(shù)據(jù)集中獲取了真實圖像，并使用圖像生成器創(chuàng)建了假臉。然后，Owolabi使用兩種天文測量方法分析了圖像中眼睛中的光源反射：CAS系統(tǒng)和Gini指數(shù)。CAS系統(tǒng)量化了物體光分布的集中度、不對稱性和平滑度。這項技術(shù)幾十年來一直允許包括Pimbblet在內(nèi)的天文學家對銀河系外恒星的光進行特征描述。Gini指數(shù)則衡量了圖像中光分布的不均勻性。
Deepfake圖像中的眼睛(左)具有不一致的反射模式(右)。
通過比較個體眼球中的反光，Owolabi能夠在大約70%的情況下正確預測圖像是否為偽造。最終，研究人員發(fā)現(xiàn)Gini指數(shù)比CAS系統(tǒng)更能預測圖像是否被操縱。
加州大學圣克魯茲分校的天體物理學家Brant Robertson對這項研究表示歡迎。然而，他警告說：“如果你能計算出一個量化深度偽造圖像逼真程度的指標，你也可以通過優(yōu)化這個指標來訓練AI模型生成更好的深度偽造圖像。”
英國南安普頓大學的人工智能研究員Zhiwu Huang表示，他自己的研究并沒有在深度偽造圖像中發(fā)現(xiàn)眼部光線模式的不一致性。但他說：“盡管使用眼球反光不一致的特定技術(shù)可能不具有廣泛適用性，但此類技術(shù)可能對分析圖像不同部分的微妙異常光線、陰影和反射有用。檢測光線物理特性中的不一致性可能會補充現(xiàn)有方法，并提高深度偽造檢測的整體準確性?！?/p>
本文譯自 nature，由 BALI 編輯發(fā)布。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
