使用天文學技術檢測“深度偽造”人臉

　　計算機生成的“深度偽造”圖像，乍一看與真實照片一模一樣。目前，研究人員正在利用天文學技術來幫助確定圖像的真實性——使用通常用于調查遙遠星系的方法分析人臉圖像，可以測量一個人的眼睛如何反射光，從而發現圖像處理的跡象。

深度造假的圖像和視頻可以用來傳播錯誤信息。圖片來源：Stu Gray/Alamy

　　近日，在英國皇家天文學會舉辦的國家天文學會議上，英國赫爾大學數據科學、人工智能和建模卓越中心主任Kevin Pimbblet介紹了這項研究。

　　“這不是一個靈丹妙藥，因為我們確實有假陽性和假陰性。”Pimbblet 說，“但這項研究提供了一種潛在的方法和一個重要的前進方向，也許可以增加一系列測試，以嘗試找出圖像是真的還是假的。”

　　人工智能（AI）的進步使得區分真實圖像、視頻和音頻與算法生成的圖像、視頻、音頻變得越來越困難。深度偽造技術將一個人或環境的特征替換為另一個人或環境的特征，專家警告稱，這可以被武器化，并用于傳播錯誤信息，例如在選舉期間。

　　Pimbblet解釋說，真實的照片應該具有“一致的物理特性”，“所以你在左眼球中看到的反射應該與在右眼球中見到的反射非常相似，盡管不一定完全相同”。這些差異是微妙的，因此為了檢測它們，研究人員轉向了旨在分析天文圖像中的光的技術。

　　這項尚未發表的工作構成了Adejumoke Owolabi碩士論文的基礎。Owolabi是英國赫爾大學的數據科學家，他從Flickr Faces HQ 數據集中獲取真實圖像，并使用圖像生成器創建了假面孔。隨后，他又使用CAS系統和基尼指數這兩種天文測量方法分析了圖像中眼睛里的光源反射。CAS系統量化物體光分布的集中度、不對稱性和平滑度；基尼指數衡量的是星系圖像中光分布的不平等。

　　通過比較個人眼球中的光反射，Owolabi可以在大約70%的情況下正確預測圖像是否為假的。最終，研究人員發現，基尼指數在預測圖像是否被篡改方面優于CAS系統。

　　但美國加州大學圣克魯斯分校的天體物理學家Brant Robertson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，你也可以通過優化該指標來訓練人工智能模型，以產生更好的深度偽造。”

　　英國南安普敦大學的人工智能研究員黃志武（音）表示，他自己的研究還沒有發現深度偽造圖像中眼睛里不一致的光線模式。但他表示，雖然使用眼球中不一致反射的具體技術可能不適用，但這些技術可能有助于分析圖像不同部分的照明、陰影和反射中的微妙異常。“檢測光物理性質的不一致性可能會補充現有的方法，并提高深度偽造檢測的整體準確性。”