当前位置:首页 > 企业新闻 >

AI造假vsAI打假终结“猫鼠游戏”不能只靠技术【快三平台】

编辑:快三平台 来源:快三平台 创发布时间:2021-01-06阅读43998次
  

首页-人脸识别作为生物特征识别中最重要的手段,近年来已经成为身份识别中最热门的领域。然而,随着人脸识别技术的共同发展,也出现了利用机器学习系统、图像、视频和音频内容来改变人脸、物体或环境的呈现方式的深度伪造技术。

随着这项技术的日益成熟,由此引发的许多社会问题开始凸显出来。在处理欺诈视频时,各方都在努力寻求技术突破,同时也致力于在制度建设上做出改变。俗话说,眼见为实,人们经常相信他们看到的图像和视频。

随着Photoshop、美图秀秀等图像编辑软件的蓬勃发展,以及人工智能伪技术的替代,更容易伪造图像。虚假图片和虚假新闻充斥网络,人们越来越无法相信自己的眼睛。

为了应对美国议会选举季欺诈信息高发,谷歌近日请求使用AI清除AI。有专家认为,Deepfake技术是AI发展到一定阶段的产物。随着这项技术的发展,适当的检测技术不会更先进。装备就像猫捉老鼠的游戏,会是永无止境的竞争。

快三平台

假视频更详细。2019年11月,在北美上映的电影《爱尔兰人》遭到冷遇。引人注目的是,电影特效制作公司利用虚拟世界图像复原技术,将影片中的主角集体老去,将岁月的痕迹涂抹在近80岁演员的脸上,让他们青春绽放。

这种变脸手法,让风华正茂的演员回到了晚年,让观众如雷贯耳。Deepfake是指基于人工智能的人体图像准备技术,主要用于人脸的变化。它在很多领域都有很大的商业价值,但一旦被黑产品作为盈利工具,就不会给个人和社会带来风险和挑战。

人工智能事业部总监、图灵机器人首席战略官谭明洲解释说。其中争议最大的是一些色情网站使用的变脸技术。

不久前,网络上流行的一键偷窥软件deep裸照,通过输出一张女性原图,可以自动分解出合适的陈冠希,并且没有分解后的照片被广泛传播的风险。最后在各方压力下,这个app下架了。

不仅如此,不久前还频频出现Deepfake的语音版。RealTalk是加拿大一家创业公司开发的语音合成系统,仅基于某个文本输出就能分解出与真人语音非常相似的声音。展览期间,系统模仿了一位美国著名脱口秀喜剧演员兼主持人的声音,让我大喊大叫,知道很可怕。

未来这种技术可能发展到只需要几秒钟就能产生音频素材的程度,也就是能产生其他人的声音。更让人不解的是,Deepfake技术使得诈骗信息更加强大,尤其是在重大社会事件中,可能会影响人们的决策和社会稳定。根据相关文献,在2016年美国总统大选前一个月,每个美国网民平均不会知道13条假新闻。

2020年初,新冠肺炎肺炎病毒席卷全国,造假者利用上述技术造假钟南山院士讲话,针对谣言的百度搜索指数(1月19日,1月25日)较去年春节期间迅速增长5.4倍。用AI追踪假视频。

自2017年底Deepfake2017首次频繁出现以来,随着其技术的开源,编辑的视频数量迅速大幅增加。处理虚假视频,需要在网络上的海量信息中缓慢搜索欺诈图片,并在图像识别后准确提取语义,这也是目前人工智能算法的核心研究重点。

谭明洲回应道。要识别欺诈视频,首先我们来分析一下Deepfake有哪些招数。目前,图像伪造的类型主要分为四类:复制粘贴、拼接、图像修复/局部区域去除、人脸PS。

行业专家曹娟博士近日拒绝接受《科技日报》记者专访。现有的检测方法主要基于人工特征方法和深度自学习方法。前者还包括基于图像的物理属性(光照不倒计时、阴影不倒计时、色差等)。

),相机属性(滤色器阵列、传感器噪声、EXIF数据分析等。),传输轨迹(DCT系数,块效应等。

),像素级属性(复制粘贴,光线采样等。)后者还包括编解码模型、约束卷积模型和多域模型。魔法能比路高一尺吗?近日,谷歌母公司Alphabet的子公司Jigsaw与谷歌研究、马里兰大学等研究机构联手开发了一个名为Assembler的实验平台,旨在帮助用户通过非常简单的操作者慢慢识别Deepfake,增加AI技术诈骗造成的伤害。

谭明洲解释说:本质上,这个平台将多个图像检测器集减少到一个工具中,每个检测器处理特定类型的图像。例如,一些检测器可以区分图像是否有复制粘贴痕迹,并检测主要注意力图像的颜色和噪声。具体来说,其机器学习模型不仅可以利用图像的颜色值来查询异常,还可以检查图像的噪声模式是否不完全一致。在算术上,需要查询编辑后的JPEG传输图像区域中外观相似的块,以识别一个图像是否被复制并粘贴到另一个区域。

然而,在真实场景中,媒体往往面临简单处理后编辑的低分辨率图像,这给检测技术带来了新的挑战。单纯的低级算法是无法准确逃脱图像中丢失丢弃的伪迹的,必须结合高级语义算法进行识别。曹娟说。曹娟进一步认为,现有的检测假视频的方法只有三个主要的局限性。

第一,通用性太高,大部分检测只针对特定类型的伪造。如何发现伪造的联合属性,使模型能够应对各种类型的伪造是未来的研究重点之一。第二,处理能力太高。

目前伪造手段大藏不露。经过简单的处理后,伪造痕迹不会消失,从而大大提高了检测性能。如何提高模型的健壮性,处理各种现实场景是未来的核心任务。

首页

第三,目前的方法基本上都是先区分图像的小块,然后逐个处理,非常费时,资源贫乏。国际咨询公司高德纳(Gartner)预测,到2020年,互联网上的欺诈信息可能会造成更大的危害,这是基于人工智能技术的虚假能力或检测欺诈的能力。2018年3月,《科学》杂志上发表的一篇论文认为,近年来欺诈性新闻的蓬勃发展凸显了互联网时代现有虚假信息处理系统和技术的严重不足,迫切需要修复一个确保信息真实性的信息生态系统。

现在最重要的是提高针对性的检测技术,完善法律和认证机制。谭明洲强调。

2019年9月5日,Facebook负责人宣布,Facebook带领微软在多所大学研究检测Deepfake的方法,包括麻省理工学院、牛津大学、康奈尔大学等。与此同时,非盈利性研究机构Partnership on AI也参与其中,其成员还包括谷歌、苹果、亚马逊、IBM等大型科技公司。

曹娟解释说,在研究方面,除了汇编程序平台,中科院计算所、中科院自动化所、北京交通大学、中山大学、深圳大学等。以及加州大学伯克利分校、宾厄姆顿大学、马里兰大学等。与此同时,许多企业和研究机构也在大力开发简单的图像伪造检测工具和平台,如美国Amped软件公司开发的Amped Authenticate工具。

2019年11月29日,国家互联网信息办公布《网络音视频信息服务管理规定》,拒绝网络音视频信息服务提供商拥有安全高效的技术保障新技术、新应用的发展,部署非法音视频和不切实际的音视频识别技术。专家建议,为防止欺诈视频,相关部门应创建管理系统,特别是新闻视频和新闻内容管理;在传播渠道上,需要创建过滤机制,技术上构建高效的过滤器,构建所有虚假视频和音频的源头。同时,要减少R&D资金对检测技术的投入,激发技术创新。

本文来源:首页-www.julaszakovits.com

0171-579175405

联系我们

Copyright © 2010-2014 榆林市快三平台科技股份有限公司 版权所有  陕ICP备26223196号-5