?大數據文摘出品

作者：Caleb

在線工作正在逐漸正式進入我們的生活。

根據數據公司Emsi Burning Glass統計，2020年初紐約全市16萬3000個招聘崗位中，只有6700個允許在線工作，占總崗位數量的4%；但到去年12月，全市24萬3000個招聘崗位中，在線工作的崗位數量增至2萬5800個，已占到總崗位數量的10.6%。

不過俗話說得好，人心隔肚皮，更何況現在還多隔了一層屏幕，誰也保不準Neso事件不會再次發生。

這不，最近根據美國聯邦調查局調查，越來越多的人正在竊取別人的個人身份信息，以及利用deepfake來申請遠程工作崗位。也正是由于deepfake技術使用人工智能或機器學習來生成圖像、視頻或音頻等內容，其很難與真實材料區分開來。

比如，根據外媒報道，有位詐騙者一直遠程工作的求職過程中借助了deepfake，以試圖進入IT工作，訪問他們的客戶或財務數據，以及企業IT數據和專業信息等。

無獨有偶，根據其他公司爆料，有些求職者的個人信息更是完全屬于另外一個人。

視頻語音都被deepfake，識破他們到底難不難？

6月28日，FBI網絡犯罪投訴中心在一次公共咨詢中表示，最近有關被冒充求職的投訴案件數量增加。詐騙者一直利用deepfake技術以及從受害者那里盜取的個人身份信息，騙過雇主雇傭他們進行遠程或居家辦公工作。

這些工作涉及到IT、計算機編程、數據庫以及軟件相關的職位。

deepfake實現的身份偽裝往往難辨真偽，詐騙者也就能夠從公司內部竊取有價值的詳細信息，以及實施其他身份欺詐計劃。

甚至根據聯邦執法機構補，在調查過程中，他們還發現了在線面試中使用面試者的語音也經過了deepfake偽造。

目前尚不清楚有多少人利用這種方式成功入職，被舉報的在其中占了多少。

要識別deepfake也并非完全不可能。聯邦調查局表示，雇主可以通過某種方式來檢測深度偽造。在日常工作中，員工們仍然需要時不時地與雇主進行視頻以匯報工作進度等，當他們開口說話時，也就是缺陷顯露之時。

“在鏡頭前，如果接受采訪的人的動作和嘴唇運動與聲音無法完全保持同步”，“比如突然的咳嗽、打噴嚏或其他聽覺行為與視覺呈現的內容不一致”，那往往就是識破deepfake的關鍵。

但是真正要去識破deepfake并沒有那么容易，尤其是在你不特別去注意的情況下。根據卡內基梅隆大學研究人員最近的一份報告，旨在檢測被篡改的視頻的人工智能的準確率可能在30%到97%之間，人類有辦法檢測出假視頻，特別是一旦他們被訓練成能夠觀察到某些視覺故障，如影子不正常或皮膚紋理有問題等。

deepfake用得怎么樣，還得看人

deepfake用得好不好，到底是不是用在了“刀刃”上，還得看人。

2021年，前披頭士成員Paul McCartney就利用deepfake技術讓自己“重返青春”。在與Beck合作的MV中，觀眾看到的是一個年輕的、靈活的、歲月沒有在他身上留下任何痕跡的McCartney。

上個月馬斯克也被deepfake了一把。

在TED主席“克里斯·安德森”采訪馬斯克的這段視頻中，馬斯克表示，一個名為BitVex的加密貨幣交易平臺是他自己創建的，并承諾在三個月內，任何加密貨幣存款每天都有30%的回報率。

deepfake也有做好事的時候。

最近，在荷蘭一項重啟調查的案件中，為了找到13歲的Sedar Soares和朋友們一起扔雪球時被槍殺的真相，在Sedar Soares家人的允許下，警方利用deepfake制作了一個Sedar Soares的視頻，以此向公眾征集線索，尋找目擊證人。在這一分鐘長的視頻中出現了Soares的生活圖像，他向攝像機打招呼并撿起一個足球。就在視頻發布的第二天，荷蘭鹿特丹警方發言人Lillian van Duijvenbode說: “我們已經收到了數十條線索，這一事實非常積極。”

還是那句話，技術的價值取向取決于使用該技術的人。

鍛煉自己的deepfake識別能力

作為一種AI深度學習工具，deepfake能夠將一張圖片中人的臉換到其他人的圖片上的技術，從而創建一個非常逼真的“假”視頻或圖片，“換臉”因此得名。

研究人員使用自動編碼器神經結構，使這一想法成為現實。基本思路非常簡單：對于每張臉都訓練一套編碼器和相應的解碼神經網絡。編碼時，使用的是第一個人的圖片。而解碼時，卻是使用第二個人解碼器。

為了幫助人們更好地識破deepfake騙局，研究人員也從Kaggle公開比賽中托管的100,000個deepfake視頻和19,154個真視頻中，訓練了一系列神經網絡來檢測deepfake。

總的來說，沒有完全絕對的方法來幫助識別，但在deepfake中有幾個點是值得注意的：

• 注意臉部：高端的DeepFake操縱幾乎都是基于面部的；
• 注意臉頰和額頭：皮膚是否顯得太光滑或太有皺紋？皮膚老化程度是否與頭發和眼睛老化程度一致？deepfake在某些方面往往是不協調的；
• 注意眼睛和眉毛：陰影的位置是否正確？deepfake通常無法完全正確地復制出自然物理學的場景；
• 注意眼鏡：是否存在任何眩光？是否存在太多眩光？當人移動時，眩光的角度是否改變？再一次，DeepFakes常常不能完全代表照明的自然物理學；
• 注意面部毛發或缺乏毛發的情況：面部毛發看起來是否真實？deepfake可能會添加或去除胡子、鬢角或胡須，但這樣的行為往往會帶來違和感；
• 注意面部的痣：痣看起來真實嗎；
• 注意眨眼：這個人的眨眼次數是否足夠或過多；
• 注意嘴唇的大小和顏色：大小和顏色是否與此人面部的其他部分相匹配。

這八個問題都能幫助人們檢查并識別deepfake。

高質量的deepfake并不容易辨別，但通過練習，人們可以建立起一種基于deepfake的真假的直覺，相信直覺，并加以適當的輔助驗證即可。

如果你還是不放心，也可以在這個網站上進行簡單的測驗：https://detectfakes.media.mit.edu/?