REKLAMA
  1. Spider's Web
  2. Technologie
  3. Bezpieczeństwo

Intel stworzył wykrywacz deep fake'ów. Do działania wykorzystuje przepływ krwi

Jak wykryć deep fake? Zdaniem Intela odpowiedzią nie są jedynie surowe dane, ale to, co czyni nas ludźmi i odróżnia od robotów: krew. Firma opracowała właśnie pierwszy na świecie detektor deep fake'ów działający w czasie rzeczywistym, który analizie poddaje przepływ krwi pod skórą twarzy. FakeCatcher wykazał się w testach niezwykle wysoką skutecznością, a Intel ma nadzieję wdrożyć rozwiązanie w praktyce, bo na materiały deep fake nabieramy się jak dzieci.

17.11.2022
7:33
Intel stworzył wykrywacz deep fake'ów. Do działania wykorzystuje przepływ krwi
REKLAMA

Deep fake to nie tylko narzędzie wykorzystywane do dezinformacji i szantażu, ale także coraz częściej problem celebrytów i technologia używana przez cyberprzestępców do przeprowadzania różnego rodzaju oszustw. W maju bieżącego roku na YouTube pojawiło się wideo przedstawiające Elona Muska reklamującego kryptowaluty. Z kolei fałszywy Keanu Reeves od kilku miesięcy podbija TikToka.

REKLAMA

Dzięki rozwojowi technologii deep fake'i ewoluowały, stając się nie tylko kilkuminutowymi filmami, ale także całymi transmisjami na żywo. Z tym zjawiskiem chce walczyć m.in. Intel, który stworzył FakeCatcher. FakeCatcher to detektor deep fake'ów w czasie rzeczywistym, który do odróżnienia prawdziwego człowieka od obrazu wygenerowanego komputerowo wykorzystuje przepływ krwi pod skórą. W testach przeprowadzonych przez inżynierów Intela FakeCatcher wykazał się 96-procentową skutecznością.

Sztuczna inteligencja do walki z deep fake. Fałszywki zdradzi przepływ krwi

W zdecydowanej większości przypadków istniejące już detektory deep fake'ów skupiają się na surowych danych i wytycznych, które wskazują na nieautentyczność obrazu. W przypadku technologii opracowanej przez Intela, sztuczna inteligencja FakeCatchera szuka w wideo lub transmisji na żywo autentycznych wskazówek, które świadczą o tym, że przedstawiona na wideo osoba nie jest człowiekiem, np. sposób w jaki osoba spogląda w obiektyw.

Jednak FakeCatcher skupia się przede wszystkim na jednym aspekcie: przepływie krwi. Nieustannie krążąca w naszym organizmie krew przepływa również pod skórą twarzy, zależnie od tempa pracy serca zmienia się przepływ krwi, a ten z kolei zmienia kolor żył, który w efekcie wpływa na ostateczny kolor skóry twarzy. FakeCatcher analizuje w czasie rzeczywistym kolory twarzy, a następnie dane te są przetwarzane przez algorytmy na mapy przestrzenno-czasowe. Mechanizmy głębokiego uczenia pozwalają sztucznej inteligencji na wykrycie czy film przedstawia prawdziwego człowieka na podstawie owych map przestrzenno-czasowych.

Zdaniem Intela, FakeCatcher ma kilka potencjalnych zastosowań. Firma wymienia m.in. platformy społecznościowe, które mogłyby wykorzystywać detektor do analizy treści publikowanych w serwisach. Z kolei organizacje prasowe mogłyby używać FakeCatchera do analizy treści i tym samym przyczynić się do zredukowania zjawiska publikowania tzw. fake newsów.

Deep fake'i są problemem większym, niż myślisz. Ufamy im bardziej niż ludziom.

Zgodnie z wynikami eksperymentów przeprowadzonych przez uczonych z Uniwersytetu w Sydney na osobach, którym wyświetlono twarze przedstawiające zarówno materiały deep fake, jak i prawdziwych ludzi, nasze umysły podświadomie są w stanie odróżnić zdjęcie prawdziwej osoby od tego wygenerowanego komputerowo. Australijskim naukowcom udało się wykazać, że przy poproszeniu o wskazanie deep fake skuteczność uczestników wynosiła jedynie 37 procent. Z kolei podczas etapu, w którym uczestnicy mieli jedynie pomyśleć, który z przedstawionych obrazów jest fałszywy, ich skuteczność wzrastała do 54 procent.

Z kolei badanie opublikowane w lutym tego roku w czasopiśmie Proceedings of the National Academy of Sciences udowadnia, że twory sztucznej inteligencji są w naszych oczach bardziej godne zaufania niż twarze należące do prawdziwych ludzi.

REKLAMA

W eksperymencie uczeni poprosili 315 osób o odróżnienie prawdziwych zdjęć od deep fake'ów, bez uprzedniego przygotowania. Z kolei grupa 219 osób wykonała to samo zadanie z wykorzystaniem wskazówek udzielonym im przez naukowców. Z kolei trzecia grupa miała ocenić w skali od 1 (bardzo niewarte zaufania) do 7 (bardzo godne zaufania) przedstawione im zdjęcia. Wszystkim trzem grupom przedstawiono zestaw 128 zdjęć przedstawiających zarówno deep fake'i jak i prawdziwe zdjęcia.

Ku zaskoczeniu naukowców, pierwsza grupa wykazała się skutecznością w odróżnianiu deep fake'ów na poziomie 48,2 procent, a druga aż 59 procent. Ponadto w trzeciej grupie większym zaufaniem cieszyły się deep fake'i, osiągając średni wynik 4,82, podczas gdy zdjęcia prawdziwych ludzi cieszyły się zaufaniem na poziomie 4,48 punktów.

REKLAMA
Najnowsze
REKLAMA
REKLAMA
REKLAMA