图像处理和机器学习的重大进步使得能够生成虚假但高度逼真的图像

纽约州立大学的研究人员最近探索了检测机器和人伪造的面部图像的新方法。在ACM数字图书馆发表的论文中，研究人员使用集成方法检测生成对抗网络(GAN)生成的图像，并采用预处理技术来提高对人类使用Photoshop创建的图像的检测。

在过去的几年里，图像处理和机器学习的显著进步使得能够生成虚假但高度逼真的图像。然而，这些图像也可以用来制造假身份，让假消息更有说服力，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人员之一Shahroz Tariq告诉Tech Xplore:“伪造面部图像已经成为一个研究课题，但这项研究主要集中在用Photoshop工具拍摄的人体照片上。”“最近，Karras等人的一项研究表明，对抗网络(GAN)的产生可以产生接近现实的人脸图像。人们可能会恶意使用这些照片，比如在网上制造假身份证。”

Tariq和他的同事专注于使用深度学习技术来检测计算机生成和人工生成的假人脸照片。因此，他们开发了一个神经网络分类器，并在真实和虚假图像的数据集上对其进行训练。

Tariq说：“神经网络分类器通过检查大量真实和虚假图像数据库来学习真实和虚假图像之间的区别特征。”

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，对GAN生成和人工伪造的人脸伪影进行了检测，准确率达到94%，取得了显著的效果。

塔里克说：“即使计算机生成的图像对人眼来说非常逼真，神经网络分类器也能发现微小的差异，从而能够正确地对图像进行分类。”“我们还发现，人们使用Photoshop工具创建的假照片很难找到，因为有很多可能的变化。”

未来，塔里克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(如Photoshop)生成的假图像。研究人员现在计划进一步开发他们的分类器，并在更多的机器和人工生成的图像上训练它们。

塔里克解释说：“随着生成合成图像的方法越来越复杂，这些方法生成的照片将变得更加逼真，神经网络分类器将很难检测出它们之间的差异。“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。”