AI 换脸，曾经只会困扰名人，如今却会直接影响到我们普通人的财产安全。
伪造人脸盗号、转账的新闻不在少数，今年 8 月，就有两名犯罪嫌疑人因使用手机软件制作人脸识别动态视频，并“伪装”登录他人的网络账号盗取资金而被警方抓获。
根据新闻报道和法院裁定书，这类案件的非法获利几千至几十万元不等，全国各地都已经发生了许多类似案件。甚至有不法分子利用银行的人脸识别授权功能，再通过木马病毒拦截短信验证码盗取存款，涉案总金额超 200 万元。
AI 换脸，术语是 Deepfake（深度伪造），是把 Deep learning（深度学习）和 Fake（伪造）组合在一起，用 AI 把一个人的人脸换到另一个人的照片 / 视频当中的技术。
围绕 AI 换脸有着相当多的“犯罪应用”，包括且不限于：
·攻击刷脸验证：直接从支付宝、微信钱包、甚至贷款软件里，伪造他人信息套现；
・ 制作虚假色情图片 / 视频：诈骗、敲诈勒索或损坏他人名誉；
・ 实时换脸通话：盗号并诈骗号主亲友；
・ 制造虚假信息：蒙骗政客、法官、投资者等；
・ 发布假新闻：煽动民众、引起混乱恐慌、打击商业对手、制造股市动荡等。
在这当中，刷脸验证与普通人关系最大，因为它验证的是一个人的身份，一旦这个信息被突破，你的资产安全与信息安全都会受到威胁，很容易在网络上“裸奔”。
除了 Deepfake 技术，还有相当多的方法可以干扰人脸识别认证，比如造一个“骗 AI 眼镜”：
不好意思放错了，是这个：
在一篇图像识别领域的经典文献中，研究者通过数学运算设计了一种特定的“眼镜”（中图），戴上就可以让一个人（左图）被 AI 人脸识别认成另外一个人（右图）。
另一种骗检测设备的方式是3D 面具，比如下面这些图：
这是 Kneron 这家公司的产品，他们在 2019 年底声明，对于微信、支付宝的刷脸支付和火车站的人脸识别闸机，都可以戴着面具伪装成别人通过。
对普通人来说，上述技术还不必过于担心，因为它们有着各种各样的缺陷，比如“骗 AI 眼镜”主要是针对静态图片识别，无法突破动态人脸识别，而“人脸面具”需要定制、价值不菲且制作工艺复杂，用在普通人身上性价比并不高。
但AI 改变了一切，简直把造假成本降到了“白菜价”。
视频越短、像素越低、实时性要求（需要实时换脸还是可以制作完视频再发出）越低、欺骗对象警惕性越低、可用素材（就是目标人物的多角度照片、视频）越多，造假成本就越低。
举个例子，同样是一个人说话，AI 换成另一个人的脸，直接上手就能用的 AI 模型配合 NVIDIA GTX1080 Ti 可以做到这样，动作还算流畅，但“塑胶感”严重，一眼就能看出不是真人的视频。
而经过 NVIDIA RTX 3090 Ti 长时间（数小时甚至数天）训练的 AI 模型，可以做出相当以假乱真的效果。可能只有在认真反复的观看下，才会发现：诶？刚刚这个人额头的皱纹是不是在闪？
针对“人脸识别”，deepfake 便宜很多；因为攻破“人脸识别”不需要最“精细”，最费工夫的 Deepfake 技术，只需要一个清晰度一般的几秒钟的视频。
而提高成本后制作的更精细的视频，则可以用于其他的诈骗用途。并且这种造假是一种“一本万利”的买卖，在设备与算法齐全后，就可以根据不同的情境与需求，批量生产假视频。
当 AI 换脸进入普通人的生活，我们能做些什么来应对跟它相关的不法行为呢？
针对刷脸验证身份这一类场景，伪造的视频需要通过的是人脸识别系统的自动验证，或者说“骗过”机器。所需的视频时间短（几秒钟以内）、动态简单（只有少量固定动作、甚至有些系统仅仅识别图片）、没有实时要求，从技术上来讲是相对简单的，识别端也不在真人的掌控之中。
对于这类案件，普通人能做的就是平时守护好自己的个人信息（包括人脸信息），并且尽量采用多种方式结合的身份验证。
密码、指纹、手机号，能选的验证方式都选上，虽然自己也会麻烦点，但是相当于多几道保险，全部被同时攻破的可能性还是小很多的。
如果不幸被盗刷，立刻报警，配合警察追踪不法分子、追回违法所得，同时上报平台，让平台获取更多的信息来修补漏洞、升级系统。
欺骗真人的 AI 换脸，比如面对个人的勒索、诈骗，还有面对大众的虚假新闻，则显得更加隐蔽和多样化。
从根本上来说，有了 AI 换脸技术以后，普通人面对图像信息都应该多留个心眼，不能一味相信“眼见为实”。
如果被人用伪造的裸照、不雅视频勒索，不要回应，直接报警。
这类犯罪的 AI 换脸目标就是受害人，所以只要看到视频的人知道自己没有拍过此类照片、视频，就可以判断视频是伪造的。最大的难点反而在于不要自乱阵脚、不要因为害怕而向不法分子交付钱财。
如果被人用伪造的视频诈骗，比如骗子盗了你朋友的号，用 AI 换脸跟你实时通话借钱。这个时候，多渠道验证就很重要，各个社交平台、邮箱、短信、电话，不要因为对方看起来很着急就想都不想地打钱。
在观看网上的新闻、视频时，多查查新闻来源是否可靠。尤其是什么拜登讲话，马斯克讲话，这些名人们可用于机器学习的训练集太多了，仿造高精度视频很容易。
还有一些小诀窍，可以帮助你更好地判断一个视频是不是 AI 换脸伪造的（如果开了十级美颜，这些方法就不是很可靠了。毕竟，十级美颜也可以被看作一种 AI 换脸呢）：
多看看脸的大小、形状、下颚线位置，尤其是动起来的样子，和本人是否一致。
毕竟每个人的皮肤情况和皱纹走向都是不一样的，AI 模型仅凭一些照片（而且不一定是最近的照片），生成的皱纹很难跟本人一模一样。
一个人皮肤过于光滑、皱纹过多、或者全脸皮肤状况不一致（比如额头很多皱纹、脸颊却很光滑）、一段视频中年龄感不一致（一会儿看着年轻一会儿看着年长），都可能是伪造视频的特征。
看看这个背景是不是这个人平时用的背景、背景和人的衔接是不是自然、背景本身有没有变形等等。
AI 换脸生成的视频并不遵循现实世界的物理光影规则，因此面部的阴影、眼镜的反光等等，都可能出卖伪造的视频。
AI 伪造的视频可能会出现五官忽大忽小、位置飘移的现象。
如果这个人脸上有痣、文身、疤痕，它们看起来都在正确的位置吗？
发量、发际线看起来真实吗？头发边缘看起来自然吗？
比如眨眼的频率和方式是否正常、眉毛和嘴的运动是否像这个人平时的样子、转头（尤其是转到 90 度的侧面）的时候有无变形、脸部被遮挡的时候遮挡物是否清晰可见，都是一些辨别 AI 伪造视频的要点。
除了以上的理论知识，你还可以试着去这个网站（https://detectfakes.media.mit.edu/）实操做题，提升一下自己鉴别假视频的能力，说不定还能帮科学家对抗使用 AI 换脸的不法行为。
只要还有很高的潜在非法收益，不法分子就会不惜加大投入，制作更精美、更“真实”的虚假视频，去欺骗普通人、大公司、大机构乃至政府。
所以，除了个人能做到的事情外，其实也更应该由政府、公司从政策法规和技术建设上不断完善和加强，让技术的进步真正造福于人类，而不是沦为伤害他人的犯罪工具。
参考资料
[1]http://epaper.ynet.com/html/2022-04/14/content_396257.htm?div=-1
惊堂木 | 眼见为实？“变脸”盗刷支付宝！已有人中招... (2022). Retrieved 25 October 2022, fromhttps://mp.weixin.qq.com/s / qNEaUN-A_83OL53vHvbWww
[2]https://www.theverge.com/2019/12/13/21020575/china-facial-recognition-terminals-fooled-3d-mask-kneron-research-fallibility
[3]Kneron's Edge AI & Facial Recognition Survey Pushes Forward Industry | Kneron – Full Stack Edge AI. (2020). Retrieved 25 October 2022, fromhttps://www.kneron.com/news/blog/85/
[4]All it takes to fool facial recognition at airports and border crossings is a printed mask, researchers found. (2022). Retrieved 25 October 2022, fromhttps://www.businessinsider.com/facial-recognition-fooled-with-mask-kneron-tests-2019-12
[5]To Uncover a Deepfake Video Call, Ask the Caller to Turn Sideways - Metaphysic.ai. (2022). Retrieved 25 October 2022, fromhttps://metaphysic.ai/to-uncover-a-deepfake-video-call-ask-the-caller-to-turn-sideways/
[6]Detecting deepfakes by looking closely reveals a way to protect against them. (2022). Retrieved 25 October 2022, fromhttps://phys.org/news/2019-06-deepfakes-reveals.html
[7]Europol report finds deepfake technology could become staple tool for organised crime | Europol. (2022). Retrieved 25 October 2022, fromhttps://www.europol.europa.eu/media-press/newsroom/news/europol-report-finds-deepfake-technology-could-become-staple-tool-for-organised-crime
[8]Project Overview ‹ Detect DeepFakes: How to counteract misinformation created by AI – MIT Media Lab. (2022). Retrieved 25 October 2022, fromhttps://www.media.mit.edu/projects/detect-fakes/overview/
[9]Sharif, M., Bhagavatula, S., Bauer, L., & Reiter, M. K. (2016, October). Accessorize to a crime: Real and stealthy attacks on state-of-the-art face recognition. In Proceedings of the 2016 acm sigsac conference on computer and communications security (pp. 1528-1540).
[10]Thies, J., Zollhöfer, M., Theobalt, C., Stamminger, M., & Nießner, M. (2018). Headon: Real-time reenactment of human portrait videos. ACM Transactions on Graphics (TOG), 37(4), 1-13.
[11]Li, Y., Yang, X., Wu, B., & Lyu, S. (2019). Hiding faces in plain sight: Disrupting AI face synthesis with adversarial perturbations. arXiv preprint arXiv:1906.09288.
[12]Westerlund, M. (2019). The emergence of deepfake technology: A review. Technology Innovation Management Review, 9(11).
[13]Mirsky, Y., & Lee, W. (2021). The creation and detection of deepfakes: A survey. ACM Computing Surveys (CSUR), 54(1), 1-41.
[14]Li, C., Wang, L., Ji, S., Zhang, X., Xi, Z., Guo, S., & Wang, T. (2022). Seeing is living? rethinking the security of facial liveness verification in the deepfake era. CoRR abs/2202.10673.
[15]Nguyen, T. T., Nguyen, Q. V. H., Nguyen, D. T., Nguyen, D. T., Huynh-The, T., Nahavandi, S., ... & Nguyen, C. M. (2022). Deep learning for deepfakes creation and detection: A survey. Computer Vision and Image Understanding, 223, 103525.
[16] 警惕！伪造“人脸”盗取账号，漳州两男子被抓_腾讯新闻. (2022). Retrieved 25 October 2022, fromhttps://new.qq.com/rain / a/20220830A068U500
本文来自微信公众号：果壳 （ID：Guokr42），作者：罗碗，编辑：Emeria、游识猷
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。