清流雙月刊 NO.29

27 No.29 SEP. 2020. MJIB Deepfake 主要使用了生成對抗網路與自編碼器的技術與概 念，有一組編碼器模型（ Encoder ）需要從人臉中提取表情的 特徵，另外一組解碼器（ Decoder ）則需要將表情特徵還原成 某個人的人臉。（ Photo Credit: Alan Zucconi, https://www.alanzucconi. com/2018/03/14/understanding-the-technology-behind-deepfakes ） 10 什麼是 Deepfake （深偽技術）？　 A 片女主角也可以造！（ 2020/03/03 ）。資安趨勢部落格。取自： https://blog.trendmicro . com.tw/?p=63452 。 可從四大方向判斷是否為 Deepfake 影片，其中包含眨眼的頻率 與模糊的痕跡等。（ Source: Government Accountability Office, https:// www.gao.gov/products/GAO-20-379SP#summary ） 特徵，另外一組解碼器（ Decoder ）則 需要將表情特徵還原成某個人的人臉。 在訓練階段時，會有另外一個分辨器 （ Discriminator ）協助解碼器作訓練，分 辨器則會盡量正確分辨真實的人臉與合成 的人臉，而解碼器則會盡量產生出分辨器 分不出來的合成人臉，因此兩者會互相對 抗且逐漸變強。在訓練完成後我們就可以 將一張新的人臉透過編碼器提取表情特 徵，再透過解碼器還原成特定人的人臉。 一般來說，就目前生成對抗網路成像 技術之成熟度而言，「正面」的「大頭照」 是較容易成像的條件，側臉照或有非臉部 器官入照將會大幅增加訓練的難度與降低 準確性。 對於 Deepfake 影片，根據白金漢大學 數學與電腦教授 Sabah Jassim 及 Spectre 聯合創辦人 Bill Posters 建議，可以注意四 大方向 10 ： (1) 眨眼率：深度偽冒影片所生 成之目標對象其眨眼率少於正常人； (2) 語 音和嘴唇運動的同步狀況； (3) 影片情緒不 吻合及 (4) 模糊的痕跡、畫面停頓或變色。 後疫情時代之闇黑勢力入侵