Intel glaubt, dass es Deepfakes für immer töten kann

Intel glaubt, dass es Deepfakes für immer töten kann

Der Technologieriese Intel glaubt, eine Lösung für das wachsende Problem von Deepfakes zu haben.

Anfang dieser Woche stellte das Unternehmen FakeCatcher vor, eine völlig neue Softwarelösung, die einen neuen Ansatz zur Analyse gefälschter Videos verwendet. Es kann anscheinend Deep Fake-Videos mit einer Genauigkeit von 96% erkennen.

Wie frühere Deepfake-Analytics-Lösungen nutzt auch diese die Leistungsfähigkeit des maschinellen Lernens (wird in einem neuen Tab geöffnet). Anstatt jedoch im Video selbst nach Ungereimtheiten zu suchen, analysiert FakeCatcher den Inhalt, um festzustellen, ob die Person im Video ein echter Mensch ist, der irgendwann aufgenommen wurde, oder ein synthetisches Produkt.

(un)sichtbare Veränderungen im Gesicht

Wie erreichen Sie das? Laut Intel Labs Principal Researcher Ilke Demir können Sie sehen, ob die Person im Video ein schlagendes Herz hat oder nicht.

„Während unser Herz Blut pumpt, ändern unsere Venen ihre Farbe“, heißt es in dem Intel-Bericht. „Diese Blutflusssignale werden vom gesamten Gesicht gesammelt und Algorithmen übersetzen diese Signale in raumzeitliche Karten. Dann können wir dank Deep Learning sofort erkennen, ob ein Video echt oder gefälscht ist. »

Die Methode ist auch als Photoplethysmographie (PPG) bekannt, eine bewährte Methode zur Messung der Lichtmenge, die von Blutgefäßen in lebendem Gewebe absorbiert oder reflektiert wird.

Im Gespräch mit VentureBeat (öffnet sich in einem neuen Tab) sagte Demir, dass die Farbänderungen für das menschliche Auge unsichtbar seien, für einen Computer jedoch nicht. „PPG-Signale sind bekannt, wurden aber bisher noch nicht auf das Problem der Deep Fakes angewendet.“

Er erklärte auch, dass FakeCatcher PPG-Signale von 32 verschiedenen Stellen im Gesicht sammelt.

„Wir haben diese Karten genommen und ein Faltungs-Neuronales Netzwerk auf den PPG-Karten trainiert, um sie als gefälscht und echt zu klassifizieren“, sagte Demir. „Zweitens können wir es dank Intel-Technologien wie Deep Learning Boost Framework for Inference und Advanced Vector Extensions 512 in Echtzeit und mit bis zu 72 gleichzeitigen Erkennungsströmen ausführen.

Demir baute FakeCatcher zusammen mit Umur Ciftci von der State University of New York in Binghamton. Deepfakes sind offenbar ein wachsendes Problem, da die Eintrittsbarriere gesenkt und das Erstellen hochinteressanter Videos noch einfacher wird.