眼見為真，有影片、照片，就不會是假新聞嗎？從DeepFake談假新聞

背景資訊

自2020年10月開始，有一個Telegram群組「台灣網紅挖面」，由小玉主持，成員有數千人，將成人影片的主角，換臉成名人，並收取費用，受害者達上百人，絕大多數為女性，其身分涵蓋網紅、藝人、政治人物、主播、甚至素人。2021年10月18日，警方逮補主嫌小玉及共犯，依涉嫌散播猥褻物與妨害名譽等罪移送新北地檢署偵辦。

小玉並不是真的多厲害的電腦高手，據稱，他只是使用一個台幣600元的大陸軟體。不過，其實，如果真的要做，Github其實有個DeepFaceLab，連600元都不用花，照著做就可以完成。但需要時間，影片要先轉成一張張的照片（程式已經寫好了，執行就行了），然後抓出照片中的每一張臉（程式已經寫好了），然後進行訓練（訓練愈久，影片愈像），然後每一張照片都換臉，然後把照片重新結合成影片，就完成了。

Deepfake 深偽技術

DeepFake，其實是個複合字，是Deep Learning技術用於Fake的意思。Deep Learning是機器學習的一種，中文稱為深度學習，簡單的說，是更為複雜的機器學習，是類神經網路技術，深度學習是指多層的人工神經網路）

換臉技術大約在2016年開始興起，最早大概是2017年，在Reddit網站被流傳用於成人影片換臉，大家都很生氣，因此後來Reddit、Twitter與Pornhub也都禁止。Deepfake已經變成專有名詞了，現在意思是：常用來偽造名人性愛影片和復仇式色情媒體，但Deepfake也可以用以製造假新聞，Youtube上可以看到很多假影片。

Facebook與微軟，其實有舉辦競賽，看看是否能偵測出DeepFake的東西。

換臉技術並非新技術

最簡單的換臉技術，就是用Photoshop修圖。用工人智慧，慢慢修。但在AI年代，這不work。可行的換臉的技術，

以前的方法：3D塑模，模型重建追蹤技術。

現在的做法：深度學習

現在做法是用生成對抗網路。

生成網路：從潛在空間(latent space)中，盡量模仿訓練集的樣本，

影片中影像 --> 模仿成訓練集中的影像（名人影像），愈像愈好

判別網路：判別網絡的輸入則為 真實樣本 或 生成網絡的輸出，其目的是將生成網絡的輸出從真實樣本中盡可能分辨出來。

分得越清楚、越正確愈好。

生成網路重新調整，讓模仿的影像，和真實的影像，愈像愈好。

判別網路再盡力去判別。

還有很多可能的偽造：

表情偽造

虛假口語偽造

已知應用

1. 韓國網紅，不真的存在，而是用變臉技術（不是修圖，是根本換臉）

2. 日本部分連續劇]，因某些因素替換角色，但不進行重拍，以深偽技術進行臉部替換。

3. 2020年10月2日，日本警視廳逮捕熊本市大二學生林田拓海、兵庫縣工程師大槻隆信、大分縣野間口功也。3人的共通點是利用AI的「深偽（deepfake）」技術製作「假A片」，將女藝人的臉部合成到AV影像，營造出當事人參與A片演出的假象。

以前曾經出現的軟體

Deep Nude：以前其實有Deep Nude這類的軟體，但時代進步很快，2019的DeepNude，現在已經變成是小Case了，這約略是2019年7月的事情。另一個軟體，Deepsukebe，仍在運作使用中，原理類似。

換臉軟體，修圖軟體，原理類似。

其實，很多換臉軟體、修圖軟體，也是異曲同工之妙，主要是使用建模的方式，如果是一張圖片，是2D建模為主，如果是影片，可以採取3D建模，才比較合適。

直播美肌軟體，更難

照片可以慢速換臉，直播影片美肌模式 ===> 必須即時，更難。重點是人臉識別（Face Recognition）和關鍵點檢測（Key Point Detection）。

1. 識別到人臉

2. 定位五官（以及身材）

3. 設置參數

4. 決定五官的比例關係、衰減曲線等等。

5. 進行區域保護，保留邊緣位置，使得五官及其它部位不受影響。

美肌功能運作原理

簡單的說美肌功能，先通過人臉識別分析臉部位置和五官數據，

再以高斯模糊處理（Gaussian Blur）把粗糙的皮膚變得光滑。

於邊緣部分（如皮膚和眉毛之間）進行保護，只有皮膚被模糊處理，五官可以完好保存下來。

「一鍵卸妝」技術，

把原本的模糊雜訊，從新生成回來，更難