深度造假取證方式研究

王淏

摘要：隨著計算機技術(shù)的不斷成熟，許多方便的計算機技術(shù)被運用在我的在我們生活中，但在這一背景下也滋生了許多不法網(wǎng)絡(luò)行為，深度造假就是其中之一。深度造假利用機器學(xué)習(xí)，對信息源進行拆分，替換，能達到以假亂真的效果。 現(xiàn)階段，大部分民眾是通過自己眼睛，常識去判斷信息的真實性，深度造假這一技術(shù)會讓絕大部分民眾的信息識別能力大幅下降，沒有辦法準確識別信息是否真實，本文通過對deepfake進行算法解析，并模擬多次fakeapp進行數(shù)據(jù)模型訓(xùn)練，從多次實驗?zāi)M中進行歸納總結(jié)，可出結(jié)論;深度造假在對生命周期進行學(xué)習(xí)時，只能模擬大體上的生命特征，但無法模擬細小的生命周期，如眨眼頻率，表情鮮活度。因此可以利用該特點對深度造假軟件進行取證。

關(guān)鍵詞：深度造假;生命周期;deepfake;信息真實

1 引言

1.1 研究背景

隨著時代的不斷進步，大數(shù)據(jù)的應(yīng)用越來越廣泛，人工智能即AI應(yīng)運而生，逐漸被應(yīng)用在各個領(lǐng)域。然而隨著人工智能技術(shù)的不斷成熟，普及，隨之帶來的是一系列安全問題。目前國外已經(jīng)出現(xiàn)的“深度造假”就是人工智能的一個體現(xiàn)。該程序是利用給程序進行不斷的數(shù)據(jù)學(xué)習(xí)，數(shù)據(jù)的大量“喂食”讓程序進行一個數(shù)據(jù)模擬。

1.2 研究現(xiàn)狀

深度造假是利用一個程序的反復(fù)學(xué)習(xí)，加深學(xué)習(xí)，收集大量的數(shù)據(jù)資料推導(dǎo)出模型，并利用模型進行造假活動?！吧疃仍旒佟笨瓷先ヅc真人并無差別但是其本質(zhì)上就是模型模仿的過程。就像美國紐約大學(xué)法學(xué)兼職教授保羅·巴雷特說，簡單來講，“深度造假”就是借助深度學(xué)習(xí)手段制作的虛假視頻。深度學(xué)習(xí)系統(tǒng)可以從多個角度研究目標人物的照片和視頻，然后模仿其行為和說話模式，從而制造出具有說服力的虛假內(nèi)容。[1]這種“深度造假”的危險在于，這種技術(shù)可以讓人相信原本并不真實存在的東西是真實的。

1.3 研究內(nèi)容

本文從人工智能的本質(zhì)出發(fā)對其證明，探討了試圖證明神經(jīng)網(wǎng)絡(luò)的算法，模擬了深度學(xué)習(xí)所產(chǎn)生的深度造假運行形式，并通過列舉了一系列范例揭示了人工智能取證系統(tǒng)可以針對哪一點進行取證。

2 deepfake實際運行模擬實驗

為了驗證本實驗猜想，本文對深度造假進行了模擬實驗，模擬deepfake的運行過程，首先我們需要下載CUDA，CuDnn，VS2015等文件，并將其安裝在電腦中 ，接著下載fakeapp，并在其原路徑下壓解CORE文件。

由此將fakeAPP的日志環(huán)境，運行條件搭建好，接下來進行視頻素材人物解析，

注;本文在實驗中采用了抖音軟件中某知名網(wǎng)紅視頻，以及演藝圈某知名明星視頻作為實驗素材，（本人聲明以下為實驗數(shù)據(jù)，結(jié)果視頻第一時間刪除，并承諾一切相關(guān)視頻不得用于商業(yè)用途。）接著打開fakeapp的軟件界面;

選中GET DATESET 出現(xiàn)如下界面，將實驗素材放入程序中，這一步的目的是將視頻分割成圖片，然后從圖片中提取臉部。這個環(huán)節(jié)只需要填寫兩個地方，一個是Vidoe視頻路徑，一個是幀率FPS，默認為30。之后開始運行;

接著用同樣的方式操作FTM.mp4，最好得出兩個視頻素材的圖片，面部特征數(shù)據(jù)具體過程和上述過程一致，最后得出如圖; 接下來進行第二步，訓(xùn)練模型模型是很重要的一個數(shù)據(jù)分析，也是一個極其消耗時間的東西。訓(xùn)練模型對電腦配置的要求也是比較高。本文實驗時不具備高配置實驗環(huán)境，因此用時3天建立了一個訓(xùn)練模型，Mode是模型的保存路徑? Data A： 被換的人臉Date B： 拿去換的人臉，

輸入路徑之后，點擊TRAIN開始訓(xùn)練。稍等片刻下面就會顯示Loss A：xxxx ，LossB：xxxx 。 同時Model 目錄下除了四個文件。同時還會跳出一個有很多臉的預(yù)覽窗口。如圖;

這一個環(huán)節(jié)是非常耗時間的，一般需要幾天時間，在這期間我們可以關(guān)注上圖紅框內(nèi)的數(shù)值，當兩者的數(shù)值差在0.01到0.02之間時，人臉預(yù)覽圖越來越清晰，第二列第三列和第一列一樣清晰，這時候這個訓(xùn)練過程基本上就已經(jīng)結(jié)束了，接下來我們就可以開始第三步的準備工作，首先將訓(xùn)練模型整理好，檢查文件路徑，即可開始第三步，生成視頻。生成視頻的過程分為幾個步驟。首先，輸入Model 路徑。Video路徑 頻率（30）然后，點擊Create。然后程序自動開始，處理過程可分成4個階段。生成圖片、截取臉部、合成圖片、合成視頻。如圖所示;

以上為其中一個實驗過程，本次實驗選取時間，空間為環(huán)境變量進行多次實驗?zāi)M，通過6次實驗?zāi)M，得出以下圖表。

本實驗通過對模型訓(xùn)練的時間進行控制，來進行實驗，從而來得到以上數(shù)據(jù)，通過以上數(shù)據(jù)可以看出模型訓(xùn)練時間越短誤差值越大，其合成的視頻清晰度，相似度越低。而生命周期特征則是無論訓(xùn)練時間如何變化，一直在5～6之間來回波動，該實驗說明了模型訓(xùn)練的時間長短并不影響生命周期特征的變化。這說明了deepfake對生命周期的模擬是一個定值，不能精準模擬，而模型訓(xùn)練的時間長短只會影響其結(jié)果的清晰度與相似度。因此可以得出結(jié)論;人工智能取證系統(tǒng)針對深度造假的取證方向受生命周期尺度因子變化而變化，即;深度造假在對生命周期進行學(xué)習(xí)時，只能模擬大體上的生命特征，如;眨眼，表情等，但無法模擬細小的生命周期，如眨眼頻率，表情鮮活度。因此可以利用該特點對深度造假軟件進行取證。

3 結(jié)論

通過實驗?zāi)M算法解析，我們發(fā)現(xiàn)，訓(xùn)練模型受到時間，環(huán)境的影響，其會使得其清晰度，相似度受到改變。而其生命周期特征是在一個特定的值來回波動。從實驗總結(jié)得出結(jié)論;人工智能取證系統(tǒng)針對深度造假的取證方向受生命周期尺度因子變化而變化，即;深度造假在對生命周期進行學(xué)習(xí)時，只能模擬大體上的生命特征，如;眨眼，表情等，但無法模擬細小的生命周期，如眨眼頻率，表情鮮活度。因此可以利用該特點對深度造假軟件進行取證。

參考文獻：

[1] 李鬼變李逵！“深度造假”視頻危害日益加劇，劉霞-《科技日報》-2019.