（圖自：加州大學(xué)河濱分校，via New Atlas）

研究期間，團隊向他們的深度神經(jīng)網(wǎng)絡(luò)投喂了大量的篡改和非篡改照片數(shù)據(jù)集，并對其作出相應(yīng)的計算機標(biāo)記。

自被篡改的圖片中，團隊突出顯示了被數(shù)字化添加到鏡頭中的對象的邊界像素。此前已有研究人員證實，偽造照片的不尋常物體邊界，會較真實物體更加平滑或有所不同。

雖然人眼不一定能夠檢測到這些差異，但計算機可以對異常像素進行逐個的檢查，然后將標(biāo)記的數(shù)據(jù)集輸入深度神經(jīng)網(wǎng)絡(luò)。

這是一套模擬人腦的松散建模算法，旨在識別原始數(shù)據(jù)中的模式?；诖耍撋疃壬窠?jīng)網(wǎng)絡(luò)將學(xué)會識別數(shù)字添加進去的圖像指示邊界。

當(dāng)它隨后顯示來自數(shù)據(jù)集外部、此前沒見過的照片時，就能夠在很大程度上辨別出經(jīng)過 Deepfakes 偽造的照片。

需要指出的是，盡管這套系統(tǒng)目前僅適用于靜態(tài)照片，但團隊正在努力將其應(yīng)用于視頻的鑒別。畢竟視頻的本質(zhì)，就是一幀幀的連續(xù)圖像。

當(dāng)然，在投入實際試用后，這套深度神經(jīng)網(wǎng)絡(luò)也可能永遠都做不到 100% 的識別準(zhǔn)確率，畢竟訓(xùn)練數(shù)據(jù)及都是被研究人員有意標(biāo)識過的。

有關(guān)這項研究的詳情，已經(jīng)發(fā)表在近日出版的《IEEE Transactions on Image Processing》影像處理期刊上。原標(biāo)題為：

《Hybrid LSTM and Encoder–Decoder Architecture for Detection of Image Forgeries》