日前，德國研究人員通過利用離散余弦變換將圖像轉(zhuǎn)換到頻域內(nèi)，發(fā)現(xiàn)了一種能夠識別深度偽造圖像的方法。
來自波鴻魯爾大學和Casa的研究小組從一個叫做whichfaceisreal（哪張臉是真實的）的網(wǎng)站中獲取這項研究所需的資源，這個網(wǎng)站上的偽造人臉都是基于生成式對抗網(wǎng)絡（GANs）創(chuàng)造。在GANs中，兩個算法共同工作，一個算法根據(jù)一些初始數(shù)據(jù)隨機生成圖像，另一個算法在對生成圖像進行識別及評估后，如果認為這張圖像是假的，就會把它再發(fā)送回給第一個算法進行修正。
研究人員表示：“迄今為止，所有深度偽造圖片的分析都需要利用復雜的統(tǒng)計學方法。而波鴻小組則選擇了另一條思路。我們利用離散余弦變換將圖像轉(zhuǎn)換到頻域內(nèi)。因此，生成的圖像會以大量不同余弦函數(shù)的總和表現(xiàn)出來?！?/p>
小組人員將轉(zhuǎn)換結果分為低頻圖像區(qū)域和高頻圖像區(qū)域。他們發(fā)現(xiàn)，真實圖像主要由低頻函數(shù)組成，而由GANs生成的人造圖片則處于高頻范圍內(nèi)。
系統(tǒng)安全研究人員Joel Frank說道：“我們的實驗表明，這些人工制品不僅出現(xiàn)在GANs生成的圖像中，它們是所有深度學習算法中的一個結構性問題。因此，頻率分析會是一種自動識別計算機生成圖像的有效方法?！?/p>
該團隊在于15日舉行的2020國際機器學習大會（ICML）上展示了他們的研究成果。這篇題為“利用頻率分析進行深度假圖像識別”（Leveraging frequency analysis for deep fake image recognition）的論文也已在網(wǎng)上發(fā)表。
“此外，”波鴻大學表示，“小組人員已經(jīng)將他們的代碼免費放到網(wǎng)上，以便其他團隊可以復制他們的研究結果。”
（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)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
