台灣團隊研究辨識Deep Fake影片 深偽技術的正邪之戰開打
記者劉芮菁／報導
打開手機，下載最近流行的「FaceApp」AI修圖軟體，上傳自己的照片後應用程式就為你美化照片，還可以知道自己變換性別、變老後是什麼模樣。「FaceApp」雖然好玩，但短短幾個動作，你已經用AI技術生成了「Deep Fake」深偽影像。
YouTube影音平台流傳一段美國前總統歐巴馬的談話影片，歐巴馬竟然語出驚人地說：「川普總統完全是個笨蛋！」，影片裡的歐巴馬儘管臉部表情、肢體語言和語氣都像極了他，卻不是他本尊，影片隨後出現知名影星喬登．皮爾（Jordan Peele）。原來是皮爾模仿歐巴馬說話的影片，經過深偽技術加工，竟可以變成歐巴馬談話的片段。
圖說：歐巴馬批評川普的影片，事實上是假造而成的「深偽影片」。
事實上，這是美國媒體《Buzzfeed》2018年與知名影星喬登．皮爾（Jordan Peele）合作的深偽影片經典案例，目的在提醒社會大眾，透過AI技術製作、幾乎能以假亂真的「深偽影片」，可能會成為操縱輿論的利器。
不實訊息研究機構《First Draft》創辦人克萊爾．瓦杜（Claire Wardle）在2019年曾發表影片說明「深偽影片」的問題。瓦杜指出，「深偽影片」能將電影或節目中名人的臉換成其他人，或是讓名人在影片中說出他們沒說過的話。隨著科技進步，深偽影片的製作會越來越容易而且便宜。
瓦杜認為，當深偽影片趨向氾濫，散布者的罪惡感將會減少。而「深偽影片」最大的危機是造成民眾對所見所聞、以至於對整個社會產生不信任，一點一點地破壞民主制度。
圖說：不實訊息研究機構《First Draft》創辦人克萊爾．瓦杜介紹「深偽影片」問題。
Youtube上深偽影片多 阿湯哥成為被惡搞的苦主
成功大學數據科學研究所助理教授許志仲指出，常見的深偽影片是使用電影畫面，把演員的臉換成其他名人。在YouTube影片平台上，可以找到很多深偽影片，這類影片會去合成政治人物或明星的臉，它們有些是研究的目的，用名人來做生成模型的範例，也有很多是惡搞的性質，如果沒有造成危害，其實問題不大。然而，如果有人利用合成的假影像操弄資訊，這就比較嚴重。
有趣的是，許志仲發現美國電影明星湯姆克魯斯很常出現在深偽影片裡，他說：「不知道為什麼，很多人都拿湯姆克魯斯的臉來合成，可能大家都很喜歡他吧？」
圖說：深偽影片案例：阿湯哥變成鋼鐵人／許志仲提供
深偽技術能製作的不只是影像，也包括文字與聲音。中研院資訊科技創新研究中心研究員兼副主任曹昱指出，現在一般民眾常說的「AI（artificial intelligence）」是一個很大的架構，其中一個領域是「機器學習（machine learning）」。而現在很紅的深偽技術，屬於「機器學習」裡的「深度學習（deep learning）」，它是以深度神經網路（deep neural network）為架構、對資料表徵進行學習的演算法。
圖說：應用在深偽技術上的「深度學習」，只是AI裡的一小部分領域。
曹昱說：「人工智慧就是模仿人類，希望讓『fake』和『real』越來越像。」深度學習技術在偽造影像的生成與辨識，則是運用「生成對抗網路（Generative Adversarial Network，簡稱GAN）」，這是由「生成器（Generator）」和「辨識器（Discriminator）」兩個神經網路組成。
他解釋，生成器（Generator）就像是，演算法透過大量資料去學習狗的模樣，直到可以畫出狗；辨識器（Discriminator）的一端則是可以分辨畫的狗和照片的狗。這兩個模型結合後，就像是一邊有一個人畫狗，另一邊有一個「老師」說，這跟真的狗差很多，所以畫的人要再改。直到有一天他畫的狗能騙過老師，而「老師」在一次次判斷中也越來越厲害。
深偽影片的正邪之戰
偽造影像的生成與辨識，就是「生成器（Generator）」和「辨識器（Discriminator）」之間的競賽。中研院資訊科技創新研究中心助研究員陳駿丞指出，現在很多團隊在研究怎麼精進生成技術，也有團隊在研究偵測技術。這就像是駭客和防毒軟體的關係，當有新的防毒軟體推出，就有駭客去嘗試破解，也會不斷有新的防毒軟體去阻擋駭客。
陳駿丞說，深偽技術生成的假影像，與傳統後製照片有很大的不同。舉例來說，傳統圖片pixel值呈現常態分佈，傳統的後製技術雖然可以做到肉眼看不出破綻，但參數的分布可能就沒辦法做到很自然。而用電腦產生的假影像，可以去分析光源、紋理等參數分布，讓產生的圖像在參數分布上與真實的照片更接近。
全球投入辨識深偽影片技術 台灣團隊致力突破
深偽影片的辨識，近年成為AI研究中的新領域。許志仲指出，「偽造影像辨識」在2018年開始有比較多相關的研究發表，2019年後才開始受到全世界關注。其中最大的突破是2020年臉書、微軟等科技公司共同蒐集了偽造影像的資料庫，舉辦「Deep Fake Detection Challenge」，提供高額獎金，吸引全世界大約2000個來自學界、業界的科研團隊參加。
許志仲說，隨著這些大公司投入資金，越來越多人研究透過自動化的方法來辨識偽造影像。在台灣方面，科技部去年一項特案計畫中，有包含一部分辨識偽造資訊的科技，科技部算是開始重視此領域。不過，台灣目前的研究團隊仍然不多。
許志仲指出，偽造影像的辨識，看起來設計架構很簡單，也是透過深度學習技術，讓機器去從生成模型製造的假影像資料中，學習辨識假影像的破綻。但是生成模型會一直製造假影像，如果等到有假影像後才去搜集資料會很慢，沒辦法即時作防禦。研究團隊目前的嘗試，去分析這些生成影像裡的共同偽造瑕疵，用少量資料就能學習辨識技術。
偽造影像有破綻 五官交界處、眼神方向是觀察重點
許志仲分享用肉眼辨識深偽影片的秘訣。他說，這些生成影像的人臉都很漂亮，通常會出現瑕疵的是臉的邊緣，例如頭髮跟背景的交界處，或是臉和耳朵的交界處，因此，可以去觀察邊界陰影的變化，若光線變化不自然，或是臉的邊線、髮絲與背景模糊不清，這個影像可能就有問題。
他也引述研究指出，偽造影像生成的人臉不會正常地眨眼睛。因此，去觀察人的眨眼頻率不自然，或眼睛都看同一個方向，都是破解生成影像的線索。
圖說：社交媒體研究機構《Graphika》與大西洋委員會數位鑑識實驗室（DFRLab）在2019年的報告中指出，生成影像的瑕疵出現在邊界處。
陳駿丞提醒，要運用深偽技術來製作假訊息，有可能不需要以高難度的技術來做到完美影像，例如生成的人臉雖然很粗糙，但若把影片解析度降低，用手機瀏覽時難辨真假，如果民眾沒有警覺性，就可能中招。又比如，用模擬變聲來詐騙，要做到擬真也許很難，但如果混入街道上嘈雜的聲音，就會提升判斷真假的難度。
深偽技術提供更多科技可能性 但也是假訊息另一戰場
陳駿丞說，現在深度學習技術已經廣泛運用，包括前陣子流行的「去演」APP，讓用戶把自己的臉合成在經典戲劇上，或是可以讓用戶照片變年輕、變老、變換性別的「FaceApp」等，其實都是一種深偽技術。陳駿丞指出：「Deep Fake無所不在，你的手機上就可玩Deep Fake。」
曹昱強調：「深偽只是AI的一部分，AI有很多正面的應用，它本來是要幫人類解決事情，只是有些人拿來做不好的事，例如拿來騙人。有人騙人，就有人想要破解，這裡就變成一個戰場。」
當科技樂觀論者認為深偽技術可以帶來科技更多可能性，另一群學者投入的是辨識深偽假影片的技術，開啟生成與破解偽造影像的正邪之戰，大力推動深偽技術的前進，卻也讓假訊息的另一個新戰場悄悄開啟。
推薦閱讀
【資訊戰新手法】 「垃圾郵件龍」AI生成大頭照 親中假帳號成反美怪獸
參考資料
BuzzFeedVideo〈You Won’t Believe What Obama Says In This Video!〉
The New York Times〈Deepfakes: Is This Video Even Real? | NYT Opinion〉
Tom Cruise is Iron Man [DeepFake]
In Ictu Oculi: Exposing AI Generated Fake Face Videos by Detecting Eye Blinking
〈首圖來源：Pixabay；作者：Gerd Altmann〉