韩国纽约州立大学的研究人员最近探索了新的方法来检测机器和人为伪造的面部图像。在ACM数字图书馆发表的论文中，研究人员使用了集成方法来检测由生成对抗网络(GAN)生成的图像，并采用了预处理技术来改善对人类使用Photoshop创建的图像的检测。
在过去的几年中，图像处理和机器学习方面的显着进步使得能够生成伪造但高度逼真的图像。但是，这些图像也可以用于创建伪造的身份，使伪造的新闻更具说服力，可以绕过图像检测算法或使用笨拙的图像识别工具。
进行这项研究的研究者之一Shahroz Tariq对Tech Xplore说：“伪造的面部图像已经成为研究的话题，但是研究主要集中在使用Photoshop工具拍摄的人类照片上。” “最近，Karras等人的一项研究表明，生成对抗网络(GAN)可以产生接近真实的人脸图像。人们可能会恶意使用这些照片，例如在互联网上创建假ID。”
Tariq和他的同事进行的研究的重点是使用深度学习技术检测计算机生成和人为生成的假脸照片。为此，他们开发了神经网络分类器，并在真实和伪造图像的数据集上对其进行了训练。
塔里克说：“神经网络分类器通过检查大量的真实和虚假图像数据库，学习了真实和虚假图像之间的区别特征。”
该分类器不是分析图像的元数据，而是关注图像内容。在初步测试中，它以94%的准确度检测GAN生成的和人为伪造的人脸伪影，均取得了显着效果。
塔里克说：“即使计算机生成的图像在人眼看来非常逼真，神经网络分类器也能够发现微小的差异，从而使它能够正确地对图像进行分类。” “我们还发现，人们使用Photoshop工具创建的伪造照片很难发现，因为存在许多可能的变化。”
将来，Tariq和他的同事开发的分类器可以帮助识别由GAN或人类使用图形编辑软件(例如Photoshop)生成的伪造图像。研究人员现在计划进一步开发他们的分类器，在更多机器和人工生成的图像上对其进行训练。
“随着生成合成图像的方法变得越来越复杂，用这些方法生成的照片将变得更加逼真，而神经网络分类器将很难检测到它们之间的差异，” Tariq解释说。“因此，我们希望继续改进我们的方法，以更好地检测此类照片。”