基于机器学习的恒星图像识别：科学家以眼睛的光线反射来识别Deepfake

基于机器学习的恒星图像识别：科学家以眼睛的光线反射来识别Deepfake不过，这种方法其实仍有不少限制，例如需要有光的反射来源，或者是有心人也能够借由后期来调整两眼的反射图案，而且它必须比对两只眼睛，若只能看到一只眼睛，该技术就无用武之地了。Lyu说，现在有大量的Deepfake是基于色情目的，对受害者带来了很大的心理创伤，也有Deepfake含有恶意的政治目的，让政治人物说出或做出根本不是他们说或做的事，而使得如何识别Deepfake变得越来越重要。脸书在去年举办的Deepfake视频识别技术创新大赛吸引了全球2 000名AI专家，这些参赛者上传了超过3.5万个模型来识别20万则的假视频，其中有10万则是由脸书录制且先行开放参赛者访问的公开资料集，另外10万则是未曾曝光过的“黑盒子”资料集，结果公开资料集的Deepfake最高识别率为82.56%，而“黑盒子”资料集的Deepfake最高识别率则仅有65.18%。

纽约州立大学水牛城分校的科学家近日公布一项可用来识别Deepfake的技术，他们利用眼角膜上的光线反射图像来识别图片的真实性，且办识的有效率高达94%。

该论文已被IEEE接受，论文的第一作者、也为该校教授的Siwei Lyu解释，角膜就像是一个会反射的球面，因此，任何借由光源进入眼睛的事物都会在角膜上留下图案，由于眼睛是看着同样的事物，因此在两眼上应该会留下非常类似的反射图案。

于是，在一张照片或一段视频中，两个眼睛内的图案通常是相同的形状或颜色，但在利用人工智能创造的图片中，包括生成对抗网络（Generative Adversarial Networks，GAN）图片在内，都未能准确地执行该操作，可能是因为它们多半是以许多照片整合成假照片所致。

这群科学家即打造了一个工具来检查两只眼睛所呈现的图案是否一致，比较了角膜上所呈现的图案形状，光的强度，以及反射光的其它特性，并展现出94%的有效率。

不过，这种方法其实仍有不少限制，例如需要有光的反射来源，或者是有心人也能够借由后期来调整两眼的反射图案，而且它必须比对两只眼睛，若只能看到一只眼睛，该技术就无用武之地了。

Lyu说，现在有大量的Deepfake是基于色情目的，对受害者带来了很大的心理创伤，也有Deepfake含有恶意的政治目的，让政治人物说出或做出根本不是他们说或做的事，而使得如何识别Deepfake变得越来越重要。

脸书在去年举办的Deepfake视频识别技术创新大赛吸引了全球2 000名AI专家，这些参赛者上传了超过3.5万个模型来识别20万则的假视频，其中有10万则是由脸书录制且先行开放参赛者访问的公开资料集，另外10万则是未曾曝光过的“黑盒子”资料集，结果公开资料集的Deepfake最高识别率为82.56%，而“黑盒子”资料集的Deepfake最高识别率则仅有65.18%。