Ki Deepfake ansikter med astronomiske metoder oppdaget

Ki Deepfake ansikter med astronomiske metoder oppdaget
Ved å analysere bilder av ansikter som normalt brukes til å undersøke fjerne galakser, kan astronomer måle hvordan en persons øyne gjenspeiler lys, noe som kan indikere tegn på bildemanipulering.
"Det er ikke et universalmiddel fordi vi har falsk-positive og falsk-negative resultater," sier Kevin Pimbabl, direktør for Center for Data Science, kunstig intelligens og modellering ved University of Hull, Storbritannia. Han presenterte forskning på National Astronomy Meeting of the Royal Astronomical Society 15. juli. "Men denne forskningen gir en potensiell metode for et viktig skritt fremover for å muligens legge til testene som kan brukes til å finne ut om et bilde er ekte eller falskt."
uttrykte bilder
Fremmer i kunstig intelligens (AI) gjør det stadig vanskeligere å gjøre forskjellen mellom virkelige bilder, videoer og lyd og som skal gjenkjennes av algoritmer . Deepfakes erstatter egenskapene til en person eller området rundt med andre og kan få det til å se ut som enkeltpersoner har sagt eller gjort ting de ikke har gjort. Myndighetene advarer om at denne teknologien militariserer og sprer feilinformasjon, for eksempel under valg .
Ekte bilder skal ha en "konsistent fysikk", forklarer Pimbablet, "slik at refleksjonene de ser i venstre øyeeplet skal være veldig like, om ikke nødvendigvis identiske, med refleksjonene i høyre øye Apple". Forskjellene er subtile, så forskerne brukte teknikker som ble utviklet for å analysere lys i astronomiske bilder.
Arbeidet som ennå ikke er publisert, dannet grunnlaget for masteroppgaven av Adejumoke Owolabi. Owolabi, en dataforsker ved University of Hull, Storbritannia, flyttet inn i virkelige bilder fra
Ved å sammenligne refleksjonene i øyebäusene til en person, var Owolabi i stand til å forutsi omtrent 70% av tiden om bildet var falskt. Til syvende og sist fant forskerne at Gini -indeksen var bedre enn CAS -systemet for å forutsi om et bilde ble manipulert. Brant Robertson, astrofysiker ved University of California, Santa Cruz, ønsker forskning velkommen. "Hvis du kan beregne en verdi som kvantifiserer hvor realistisk et dypfakebilde kan vises, kan du også trene AI -modellen, for å skape enda bedre dypfakes ved å optimalisere denne verdien," advarer han. Zhiwu Huang, AI -forsker ved University of Southampton, Storbritannia, sier at hans egen forskning ikke har identifisert noen inkonsekvente lysmønstre i øynene til Deepfake -bilder. Men "selv om den spesifikke teknikken for å bruke inkonsekvente refleksjoner i øyekroken kanskje ikke brukes mye, kan slike teknikker være nyttige for å analysere subtile anomalier i belysning, skygger og refleksjoner i forskjellige deler av et bilde," sier han. "Anerkjennelsen av uoverensstemmelser i de fysiske egenskapene til lys kan utfylle eksisterende metoder og forbedre den totale nøyaktigheten til dypere poter."