照片被人换脸了怎么办？微软新技术用“X光”来识别｜硬科技

识别Deepfake(深度伪造)有了新突破。

近几年来，鉴别人脸和视频图像的真假成为AI领域的重点课题。最近，微软亚洲研究院计算机视觉组研究出一项新的识别技术Face X-Ray——给人脸图像、视频做“X光检测”。

关于此项技术的相关论文已被CVPR 2020收录，其技术原理是：当人脸图像被替换之后，图像中就会留下痕迹，而被X-Ray“照”过之后，这个痕迹就会显示出来。

此前业内的主流换脸鉴别算法，包括微软亚洲研究院提出的上一代算法，都是训练AI分类器，让AI模型去“学习”大量的换脸图像，从而具有初步的鉴别能力。

但这类算法的局限在于，只有在图像是采用已知换脸算法（如DeepFake、FaceSwap、Face2Face等）生成的情况下，鉴别技术才有可能达到较高的识别率（99%以上），因为AI模型就是通过大量学习那些算法生成的人脸图像来提升识别能力的。

如果换脸图像采用的是未知算法，鉴别识别率就会降低至70%。问题在于，在实际的生活中，当我们看到换脸图像或视频时，并不知道它是否由已知算法合成。

因此，微软亚洲研究院视觉计算组的研究员在Face X-Ray中通过一种全新的方式判断一张人脸图像是否被更换过。如果这个人脸图像被更换过，一定会存在一个换脸的边界，Face X-Ray要做的就是检测并画出这个边界，让它清晰可见，就像照X光一样。

微软亚洲研究院常务副院长郭百宁表示，“X-Ray最大的突破在于，无论换脸图像采用的是已知还是未知的换脸算法，它都可以有较高的识别率，平均达到95%以上。”他认为，这个方法在某种程度上解决了AI模型的传统“黑盒”问题，可解释且可信赖。

由于Face X-Ray不是通过“学习”大量换脸图像从而提高识别率，该方法不必考虑换脸图像采用的是何种算法，因此更加具有普适性和通用性。

研究员们还发现，每一张图像都有一个来自于硬件或软件的特殊噪声标记，这些噪声就像指纹一样独一无二。因此，Face X-Ray通过确定图像是否包含两种不同的噪声，判定一张人脸图像为合成图像的机率。

可解释性则在于它能标出换脸的边界，不同于以往的算法那样，只能显示识别结果，无法解释为什么。

用Deepfake进行造假，对于个人隐私、企业安全以及 会安全都会造成不小的负面影响。去年开始，包括谷歌、推特在内的各大科技公司一直致力于如何打击Deepfake，用技术“对抗”技术。