人脸识别作为生物识别中的重要手段，成为了近年身份识别中最热门的领域。但与人脸识别技术共同发展的，还有借助机器学习系统、图像视频和音频内容，更改人脸、物体或环境呈现方式的深度伪造技术。随着这一技术的日趋成熟，其引发的诸多社会问题也开始凸显。在对抗虚假视频方面，目前各方在寻求技术突破的同时，也致力于在制度建设方面做出改变。

为了应对美国大选季期间高发的虚假信息，近日，谷歌决定出手，以AI治AI。有专家指出，深度伪造技术（Deepfake）是AI发展到一定阶段的产物，随着这种技术的发展，相应的检测技术也会越来越先进——如同“猫抓老鼠的游戏”，将是一场永无休止的竞赛。

2019年11月，在北美上映的电影《爱尔兰人》反响热烈，其中令人咋舌的是电影特效制作公司运用虚拟影像重建技术，将片中主角们集体“减龄”，抹平年近80岁演员们容颜上的岁月痕迹，使之重新焕发青春。这种让耄耋之年的演员重回年轻模样的“换脸”技术着实让观众心头一震。

这其中最饱受争议的是“换脸”技术被一些情色网站利用。不久前，网络上走红的“一键脱衣”软件DeepNude，只要输入一张完整的女性图片就可自动生成相应裸照，并且生成照片存在着广泛传播的风险，最终在各方压力下这款APP被下架。

让人更为头疼的是，Deepfake技术让虚假信息“如虎添翼”，尤其在社会重大事件中能够起到强劲搅拌作用，以至于可能会影响到人们决策以及社会稳定。据相关文献，2016年美国总统大选前的一个月内，每个美国网民平均会接触1—3篇假新闻。2020年初，新冠肺炎病毒席卷全国，就有造假者运用上述技术伪造钟南山院士发言，而针对“辟谣”的百度搜索指数（1月19日—1月25日）与去年春节期间相比，增长了5.4倍。

“自Deepfake2017年年底首次出现以来，随着其技术的开源，合成剪辑视频的数量不断增长。要对付假视频，就要在网络海量信息中，快速找到虚假图片，并对图像识别后精准提取其中语义，这也是目前人工智能算法上的核心研究发力点。”谭茗洲表示。

“目前图像篡改类型主要分为复制—粘贴、拼接、图像修补/局部区域去除和人脸PS四大类。”行业专家曹娟博士近日在接受科技日报记者采访时指出，“既有的检测方法主要基于手工特征方法和深度学习的方法，前者包括基于图像的物理属性（光照不连续、阴影不连续、色差等）、相机属性（颜色滤波阵列、传感器噪声、EXIF数据分析等）、压缩痕迹（DCT系数、块状效应等）、像素级属性（复制—粘贴、重采样等）；后者包括Encoder-Decoder模型、约束卷积模型和Multi-domain模型等。”

谭茗洲介绍：“实际上，这个平台是把多个图像检测器集成为一个工具，每个检测器都针对特定类型的图像进行处理。比如，有的检测器能判断图像是否有复制粘贴痕迹，检测主要关注图像颜色、噪点等。”

“然而，真实场景中，媒体经常面对的是经过复杂处理后编辑的低分辨率的图像，这就给检测技术带来新的挑战。光用底层算法不能准确抓住图像上损失掉的篡改痕迹，还需要结合高层语义算法来识别。”曹娟说。

共建保证信息真实的生态体系

“如今更重要的是提升针对性的检测技术、完善相关法律及认证机制。”谭茗洲强调。

曹娟介绍说，在研究方面，除Assembler平台之外，目前国内做的比较好的有中科院计算所、中科院自动化所、北京交通大学、中山大学、深圳大学等，国外的美国加州大学伯克利分校、美国宾汉姆顿大学、美国马里兰大学等。同时，很多企业和研究机构也在积极研发实用的图像篡改检测工具和平台，如美国Amped Software公司开发的Amped Authenticate工具。

专家建议，防治虚假视频，有关部门要建立相关管理制度，特别是新闻视频、新闻内容管理方面；在传播渠道上，要建立过滤机制，在技术上实现高效过滤，并且还要对所有造假视频音频实现溯源，同时，增加对检测技术研发资金的投入，激发技术创新。