日前，德国研究人员通过利用离散余弦变换将图像转换到频域内，发现了一种能够识别深度伪造图像的方法。
来自波鸿鲁尔大学和Casa的研究小组从一个叫做whichfaceisreal（哪张脸是真实的）的网站中获取这项研究所需的资源，这个网站上的伪造人脸都是基于生成式对抗网络（GANs）创造。在GANs中，两个算法共同工作，一个算法根据一些初始数据随机生成图像，另一个算法在对生成图像进行识别及评估后，如果认为这张图像是假的，就会把它再发送回给第一个算法进行修正。
研究人员表示：“迄今为止，所有深度伪造图片的分析都需要利用复杂的统计学方法。而波鸿小组则选择了另一条思路。我们利用离散余弦变换将图像转换到频域内。因此，生成的图像会以大量不同余弦函数的总和表现出来。”
小组人员将转换结果分为低频图像区域和高频图像区域。他们发现，真实图像主要由低频函数组成，而由GANs生成的人造图片则处于高频范围内。
系统安全研究人员Joel Frank说道：“我们的实验表明，这些人工制品不仅出现在GANs生成的图像中，它们是所有深度学习算法中的一个结构性问题。因此，频率分析会是一种自动识别计算机生成图像的有效方法。”
该团队在于15日举行的2020国际机器学习大会（ICML）上展示了他们的研究成果。这篇题为“利用频率分析进行深度假图像识别”（Leveraging frequency analysis for deep fake image recognition）的论文也已在网上发表。
“此外，”波鸿大学表示，“小组人员已经将他们的代码免费放到网上，以便其他团队可以复制他们的研究结果。”
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
