AI换脸鉴别率超99.6%，微软技术破除DeepFake虚假信息

此前DeepFake换脸在全球引发轩然大波。从生成足以以假乱真的名人不雅视频开始，很多使用者将这个“换脸神器”当成了视频造假工具，并通过社交网络将虚假信息传播到全世界。DeepFake等技术出现不仅提升了换脸的真实性，其开放源代码的方式更是降低了将该等技术滥用于虚假信息制作和传播门槛。

  事实上，大约30%经过AI换脸的合成照片、合成视频是人类仅凭肉眼无法识别的，很容易被当作真实信息进行再次传播。这已成为一个亟待解决的社会性问题，面对这个问题，我们应该以及可以做些什么？微软亚洲研究院给出了解决方案。

  除了DeepFake，市场上存在多种换脸技术，不同算法生成的图像结果千差万别，难以使用同一个换脸鉴别模型解决所有换脸技术的进攻。与此同时，换脸鉴别模型还需要对目前不存在、但未来可能出现的换脸技术也具有判别力，如何去预测未来换脸技术的发展方向，提前布防，也是重要课题。

  目前，最常被使用的AI换脸算法有三种：DeepFake、FaceSwap和Face2Face。其中，DeepFake基于大家所熟知的GAN技术，对于它所生成的脸，人类的识别率大约为75%*。FaceSwap是一个学习重建脸部特征的深度学习算法，可以对给出的图片进行模型替换，人类对于此类换脸的识别率也是75%左右*。Face2Face则是用其他真实的人脸去替换原本的人脸，不涉及人脸的生成，对于它制造的脸，人类的识别率只有41%*。作为目前学术界最大的合成视频数据库之一，由慕尼黑技术大学创建的FaceForensics数据库涵盖了经过以上三种换脸算法编辑的公开视频，以供学术研究使用。

  多年来，微软亚洲研究院在人脸识别、图像生成等方向都拥有业界领先的算法和模型。在CVPR 2018上，微软亚洲研究院视觉计算组发表了论文“Towards Open-Set Identity Preserving Face Synthesis”，其中的技术能够利用开放数据集中的数据，逼真地合成保留图中人脸身份信息的图像。深厚的技术积累让研究员们对“进攻方”的技术原理有着更深刻的理解，进而能够更有针对性地研发换脸鉴别算法。