日前，德國(guó)研究人員通過(guò)利用離散余弦變換將圖像轉(zhuǎn)換到頻域內(nèi)，發(fā)現(xiàn)了一種能夠識(shí)別深度偽造圖像的方法。

來(lái)自波鴻魯爾大學(xué)和Casa的研究小組從一個(gè)叫做whichfaceisreal（哪張臉是真實(shí)的）的網(wǎng)站中獲取這項(xiàng)研究所需的資源，這個(gè)網(wǎng)站上的偽造人臉都是基于生成式對(duì)抗網(wǎng)絡(luò)（GANs）創(chuàng)造。在GANs中，兩個(gè)算法共同工作，一個(gè)算法根據(jù)一些初始數(shù)據(jù)隨機(jī)生成圖像，另一個(gè)算法在對(duì)生成圖像進(jìn)行識(shí)別及評(píng)估后，如果認(rèn)為這張圖像是假的，就會(huì)把它再發(fā)送回給第一個(gè)算法進(jìn)行修正。

研究人員表示：“迄今為止，所有深度偽造圖片的分析都需要利用復(fù)雜的統(tǒng)計(jì)學(xué)方法。而波鴻小組則選擇了另一條思路。我們利用離散余弦變換將圖像轉(zhuǎn)換到頻域內(nèi)。因此，生成的圖像會(huì)以大量不同余弦函數(shù)的總和表現(xiàn)出來(lái)�！�

小組人員將轉(zhuǎn)換結(jié)果分為低頻圖像區(qū)域和高頻圖像區(qū)域。他們發(fā)現(xiàn)，真實(shí)圖像主要由低頻函數(shù)組成，而由GANs生成的人造圖片則處于高頻范圍內(nèi)。

系統(tǒng)安全研究人員Joel Frank說(shuō)道：“我們的實(shí)驗(yàn)表明，這些人工制品不僅出現(xiàn)在GANs生成的圖像中，它們是所有深度學(xué)習(xí)算法中的一個(gè)結(jié)構(gòu)性問(wèn)題。因此，頻率分析會(huì)是一種自動(dòng)識(shí)別計(jì)算機(jī)生成圖像的有效方法。”

該團(tuán)隊(duì)在于15日舉行的2020國(guó)際機(jī)器學(xué)習(xí)大會(huì)（ICML）上展示了他們的研究成果。這篇題為“利用頻率分析進(jìn)行深度假圖像識(shí)別”（Leveraging frequency analysis for deep fake image recognition）的論文也已在網(wǎng)上發(fā)表。

“此外，”波鴻大學(xué)表示，“小組人員已經(jīng)將他們的代碼免費(fèi)放到網(wǎng)上，以便其他團(tuán)隊(duì)可以復(fù)制他們的研究結(jié)果�！�