快捷搜索:  www.ymwears.cn

哪张脸是真的-使用频率分析来识别“深假”图像

这种方法暴露了由计算机算法而不是人类创造的虚假图像。

这些照片看似真实,但实际上是由电脑制作的:所谓的深度假图像是由机器学习算法生成的,人类几乎无法将它们与真实照片区分开来。波鸿鲁尔大学霍斯特·乌茨信息技术安全研究所的研究人员,以及大规模对手时代网络安全卓越集群的研究人员。(Casa)已经开发了一种新的方法,有效地识别深假图像。为此,他们在频域分析目标,建立了信号处理技术。

该团队在2020年7月15日的国际机器学习会议(ICML)上展示了他们的工作,该会议是机器学习领域的主要会议之一。此外,研究人员将他们的代码免费发布在网上,这样其他小组就可以复制他们的结果。

两种算法的相互作用产生新的图像

本Deep-fake图像;来自深度学习的合成词。用于机器学习和伪造。本;都是在计算机模型的帮助下生成的,即所谓的生成对抗网络,简称GANs。在这些网络中有两种算法一起工作:第一种算法根据特定的输入数据创建随机图像。第二种算法需要判断图像是否为假图像。如果发现图像是假的,第二种算法会向第一种算法发出修改图像的命令;直到它不再意识到它是假的。

近年来,这种技术已经帮助使深假图像越来越真实。在该网站上,用户可以检查他们是否能够区分真假照片。在假新闻时代,如果用户不能区分电脑生成的图像和原始图像,这可能是个问题。系统安全主席Thorsten Holz教授说。

为了进行分析,波士顿的研究人员使用的数据集也构成了上述页面的基础,哪个面是真实的。在这个跨学科项目中,系统安全系主任Joel Frank、Thorsten Eisenhofer和Thorsten Holz教授与机器学习系主任Asja Fischer教授、数字信号处理系主任Lea Schönherr和Dorothea Kolossa教授合作。

频率分析揭示了典型的工件

到目前为止,深度假图像已经用复杂的统计方法进行了分析。波鸿小组选择了一种不同的方法,通过使用离散余弦变换将图像转换到频域。生成的图像因此表示为许多不同余弦函数的和。自然图像主要由低频函数组成。

分析表明,甘斯生成的图像在高频范围内显示伪影。例如,在伪图像的频率表示中出现了一种典型的网格结构。我们的实验表明,这些伪影不仅出现在GAN生成的图像中。它们是所有深度学习算法的一个结构性问题。系统安全主席Joel Frank解释道。我们假设,在我们的研究中描述的伪像将总是告诉我们,这幅图像是否是由机器学习创建的深度伪图像,弗兰克补充道。因此,频率分析是自动识别计算机生成图像的一种有效方法。

# # #

参考文献:利用频率分析进行深度伪图像识别作者:Joel Frank, Thorsten Eisenhofer, Lea Schonherr, Asja Fischer, Dorothea Kolossa和Thorsten Holz, 2020年,国际机器学习会议(ICML)。

PDF

笔记

*代码可在GitHub上获得。

* *网站:WhichFaceIsReal.com

您可能还会对下面的文章感兴趣: