本文来自微信民众号：硅星人（ID：guixingren123），作者：杜晨，题图来自：MIT

DeepFake 已经不再是只有少数科研人员掌握的手艺了，它被越来越多怀有不良念头的人，应用到现实生活的方方面面中，引发不必要的误解，比如说炮制色情影片或者虚伪新闻等。

最近，一篇刊登在 IEEE PAMI（模式剖析与机械智能汇刊）上的论文称，有新的方式能够准确识别 DeepFake 视频，甚至能以很高的准确率，识别出视频接纳的是哪种 DeepFake 算法。

这篇论文有意思之处，在于它的思绪独出机杼：识别人脸面部因心跳血流发生的微弱转变。

血管遍布人体全身，包罗脸上。比如在睡觉的时刻，你可能会感觉到面部血液流动发生的稍微“跳动”感。

随着心跳导致的血液流动，人体皮肤也会泛起区域性颜色转变。常见的脉搏血氧仪，其工作方式实在就是识别这种转变（学名叫做光体积转变描记法 Photoplethysmography，简称 PPG，后面还会提到这个词）。

因心跳发生的皮肤颜色转变，在人脸上同样会泛起，只是极其微弱，对肉眼不能见，在视频里就更难看出来了。不外对视频举行特定处置，增强颜色转变的效果，肉眼就可以很显著地观察出来了：

你可能想问，这种方式识别心跳准确吗？固然准了，Apple Watch 和一大堆血氧仪都接纳的这种方式。它的准确率和心电图基本吻合，如下图所示：

三位划分来自纽约州立大学宾汉顿分校和英特尔公司的研究人员，在这篇新论文里提出了一个主要的主张：无论是在空间维度照样时间维度上，DeepFake 的假人脸都无法还原这种因血液流动造成的微弱转变。

空间维度就是面部区域，时间维度就是心跳频率。DeepFake 的假人脸，不是体现不了这种微弱转变。在举行大量测试后，研究人员发现：DeepFake 视频里的人脸，读取到的 PPG 信号是不稳定的。

这句话的意思是，若是你对 DeepFake 视频举行增强，会发现血流转变发生的颜色转变在人脸上显示异常不自然，转变的频率也完全不像真的心跳。

从下图中你可以看的更清晰：四种 DeepFake 算法天生的视频，发生的 PPG 信号都有许多“杂讯”，而真实视频的“杂讯”很少。

基于这个主张，研究人员设计了一套基于卷积神经网络的模子，命名为 FakeCatcher。

FakeCatcher从差别的 DeepFake 视频中提取：（1）要害的人脸区域；（2）读取 PPG 信号，将两者组合成一个时空模块（称为一个 PPG 元素）。再对 PPG 元素举行学习，最终就可以给出谜底了。

在 Face Forensics 、CelebDF 等常用的假脸数据集上，Fake Catcher 的准确率能够跨越90%。

更厉害的是，FakeCatcher 不光能认出视频的真假，还能准确识别出假视频用的是哪种 DeepFake 算法——这是由于每种算法的残差效果的杂讯都有足够显著的特种。研究人员透露，他们在 DeepFakes、Face2Face、FaceSwap 和 NeuralTex 四种主流算法上的识别准确率整体跨越了93%。

研究人员以为，这篇论文中提出的 PPG 信号识别思绪，对于 DeepFake 的识别和侦测能够开启一个全新的偏向。

接下来，他们计划训练一个更庞大的模子，同时对真实视频和 DeepFake 视频的 PPG 信号举行训练。

所谓魔高一尺道高一丈，赶在 DeepFake 算法被放肆滥用之前堵住他们的路，让他们无路可走。

本文来自微信民众号：硅星人（ID：guixingren123），作者：杜晨