Registrering af falske ansigtsbilleder skabt af både mennesker og maskiner

Forskere ved State University of New York i Korea har for nylig udforsket nye måder at opdage både maskin- og menneskeskabte falske billeder af ansigter. I deres papir, offentliggjort i ACM Digital Library, forskerne brugte ensemblemetoder til at opdage billeder skabt af generative adversarial netværk (GAN'er) og anvendte forbehandlingsteknikker til at forbedre detekteringen af ​​billeder skabt af mennesker ved hjælp af Photoshop.

I løbet af de sidste par år, betydelige fremskridt inden for billedbehandling og maskinlæring har muliggjort generering af falske, dog meget realistisk, billeder. Imidlertid, disse billeder kan også bruges til at skabe falske identiteter, gøre falske nyheder mere overbevisende, bypass billeddetekteringsalgoritmer, eller narre billedgenkendelsesværktøjer.

"Falske ansigtsbilleder har været et emne for forskning i et stykke tid nu, men undersøgelser har hovedsageligt fokuseret på billeder lavet af mennesker, ved hjælp af Photoshop-værktøjer, "Shahroz Tariq, fortalte en af ​​forskerne, der udførte undersøgelsen, til Tech Xplore. "For nylig, en undersøgelse af Karras et al. viste, at et generativt adversarialt netværk (GAN) kunne producere næsten realistiske menneskelige ansigtsbilleder. Folk kunne bruge disse fotos ondsindet, for eksempel, at oprette falske id'er på internettet. "

Fokus for forskningen udført af Tariq og hans kolleger var at opdage både computergenererede og menneskeskabte falske billeder af ansigter ved hjælp af deep learning-teknikker. At gøre dette, de udviklede en neural netværksklassifikator og trænede den på et datasæt af rigtige og falske billeder.

"Den neurale netværksklassifikator lærer de skelnende træk mellem de rigtige og falske billeder ved at undersøge en massiv database med både falske og rigtige billeder, "Sagde Tariq.

I stedet for at analysere metadata for billeder, denne klassificering fokuserer på billedindholdet. I foreløbige tests, det opnåede bemærkelsesværdige resultater, opdage både GAN-genererede og menneskeskabte falske billeder af ansigter med 94 procent nøjagtighed.

"Selv om computergenererede billeder ser meget realistiske ud for det menneskelige øje, den neurale netværksklassifikator var i stand til at se nogle små forskelle, hvilket gjorde det muligt at klassificere billederne korrekt, " sagde Tariq. "Vi fandt også ud af, at falske billeder skabt af mennesker ved hjælp af Photoshop-værktøjer er meget sværere at opdage, da der er mange mulige variationer."

I fremtiden, klassificeringen udviklet af Tariq og hans kolleger kunne hjælpe med at identificere falske billeder, genereret af GAN'er eller af mennesker ved hjælp af grafikredigeringssoftware, såsom Photoshop. Forskerne planlægger nu at udvikle deres klassificerer yderligere, træne det på flere maskin- og menneskeskabte billeder.

"Efterhånden som metoder til at generere syntetiske billeder bliver mere sofistikerede, fotos genereret med disse metoder vil blive mere realistiske, og det vil være sværere for den neurale netværksklassifikator at opdage deres forskelle, "Forklarede Tariq." Vi ønsker derfor at blive ved med at forbedre vores metoder, for bedre at opdage sådanne fotos. "

© 2018 Science X Network