Beyond Deepfake vs Real: Facial Deepfake Detection in the Open-Set Paradigm
تقترح هذه الورقة إطار عمل للكشف عن التزييف العميق يعتمد على التعلم التبايني الخاضع للإشراف، والذي يتجاوز قيود نماذج المجموعة المغلقة من خلال تحديد كل من عمليات التزييف المعروفة بفعالية، وتمييز أساليب التلاعب غير المرئية وغير المعروفة ككيانات متميزة عن الصور الحقيقية، محققاً بذلك أداءً رائداً في التعامل مع تقنيات التزييف الناشئة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل أنك حارس أمن في نادٍ حصري للغاية. مهمتك هي فحص الهويات عند الباب.
الطريقة القديمة (مشكلة "المجموعة المغلقة")
في الماضي، كان يتم تدريب حراس الأمن باستخدام ألبوم صور لهويات مزورة معروفة. تعلموا كيفية رصد بقع معينة، أو أنواع خطوط، أو أنواع ورق يستخدمها بعض المزورين المعروفين.
- العيب: إذا جاء مجرم يحمل نوعاً جديداً من الهويات المزورة لم يره الحارس من قبل، سينظر الحارس إليها ويقول: "أنا لا أعرف هذا التزوير تحديداً"، ومن ثم يفترض: "حسناً، بما أنه ليس في كتاب (المزيفين) الخاص بي، فلا بد أنه حقيقي!"
- النتيجة: تمر الهوية المزورة الجديدة. وهذا هو بالضبط كيف تعمل كواشف التزييف العميق (Deepfake) الحالية؛ فهي بارعة في كشف التزييف الذي رأته من قبل، لكنها تُخدع بالتزييف الجديد والذكي لأنها تفترض أن أي شيء لا تتعرف عليه هو الحقيقة.
الطالطريقة الجديدة (نموذج "المجموعة المفتوحة")
تقترح هذه الورقة البحثية حارساً أكثر ذكاءً. فبدلاً من مجرد حفظ قائمة من "التزييفات المعروفة"، يتعلم هذا الحارس "إحساس" ما يبدو عليه الشخص الحقيقي.
- التحول: عندما يقترب شخص ما من الباب، يسأل الحارس نفسه: "هل يبدو هذا كشخص حقيقي؟ هل يبدو مثل أحد التزييفات المحددة التي أعرفها؟"
- فئة "المجهول": إذا بدا الشخص مريباً ولكنه لا يطابق أي هوية مزورة محددة في الكتاب، فإن الحارس لا يخمن. بل يرفع راية حمراء ويقول: "أنا لا أعرف من هذا، وأنا لا أثق به." إنه يعامل "المجهول" على أنه "مشبوه" وليس "بريئاً".
السر الكامن: تشبيه "العناق الجماعي"
كيف علموا الذكاء الاصطناعي القيام بذلك؟ استخدموا تقنية تسمى "التعلم التبايني الخاضع للإشراف" (Supervised Contrastive Learning)، ولكن لنطلق عليها استراتيجية "العناق الجماعي".
تخيل ساحة رقص (عقل الذكاء الاصطناعي):
- الأشخاص الحقيقيون: في التدريب العادي، تكون الصور "الحقيقية" مبعثرة في كل أنحاء ساحة الرقص، مثل أشخاص يقفون بشكل عشوائي؛ إنهم لا يتجمعون معاً.
- الإصلاح: أخبر المؤلفون الذكاء الاصطناعي: "مهلاً، يجب على جميع الأشخاص (الحقيقيين) أن يمسكوا بأيدي بعضهم البعض ويشكلوا دائرة ضيقة ومتماسكة في منتصف الغرفة."
- المزيفون: يُطلب من الصور "المزيفة" (التزييف العميق) الوقوف في مجموعاتهم الخاصة، بعيداً عن الدائرة الحقيقية.
لماذا يساعد هذا؟
إذا حاول تزييف مجهول وغير معروف الدخول إلى ساحة الرقص، فلن يتناسب مع الدائرة "الحقيقية" الضيقة (لأنه ليس حقيقياً)، ولن يتناسب أيضاً مع مجموعات "التزييف" المعروفة (لأنه نوع جديد). سينتهي به الأمر واقفاً وحيداً في المساحة الفارغة بين المجموعات.
- الذكاء الاصطناعي القديم: "أنت لست في مجموعة (المزيفين)، إذاً لا بد أنك (حقيقي)." (خطأ!)
- الذكاء الاصطناوي الجديد: "أنت لست في الدائرة (الحقيقية)، ولست في أي مجموعة (مزيفة). أنت مجهول. توقف مكانك!"
ماذا اختبروا؟
لقد اختبروا هذا الحارس الجديد على مجموعة بيانات FaceForensics++، وهي بمثابة مكتبة ضخمة من فيديوهات التزييف العميق التي أنشأتها أربع "هجمات" (خوارزميات) مختلفة.
وضعوا ثلاثة سيناريوهات:
- اختبار "المجهول": قاموا بتدريب الذكاء الاصطنا على ثلاثة هجمات، ثم اختبروه على الهجمة الرابعة (التي لم يسبق له رؤيتها).
- النتيجة: كان الذكاء الاصطناعي الجديد أفضل بكثير في اكتشاف هذا الغريب من الذكاء الاصطناعي القديم؛ فلم ينخدع بظن أن هذا التزييف الجديد هو حقيقي.
- اختبار "المعروف": اختبروه على الهجمات التي "يعرفها" بالفعل.
- النتيجة: كان بنفس كفاءة أفضل حراس الأمن الحاليين، مما يثبت أنه لم يفقد مهاراته في التعامل مع الحيل القديمة.
- الاختبار "العام": سألوا: "هل يمكنك فقط إخبارنا إذا كان أي شيء ما هو تزييف، حتى لو لم نكن نعرف الطريقة؟"
- النتيجة: لقد فاز بالسباق، متفوقاً على جميع الأساليب الأخرى الموجودة تقريباً.
الخلاصة
هذه الورقة البحثية تُعد تغييراً جذرياً لقواعد اللعبة لأنها تمنع كواشف التزييف العميق من أن تكون "مفرطة في الثقة".
في العالم الحقيقي، يبتكر الأشرار باستمرار طرقاً جديدة لتزييف الوجوه. الكواشف القديمة كانت تقول: "لم أرَ هذا من قبل، لذا فهو آمن"، وتسمح بانتشار المعلومات المضللة. أما هذه الطريقة الجديدة فتقول: "لم أرَ هذا من قبل، لذا أنا لن أخاطر."
إنه الفرق بين حارس يعرف وجوه ثلاثة لصوص محددين، وحارس يعرف تماماً كيف يبدو "الشخص الطبيعي"، بحيث يمكنه فوراً رصد أي شخص لا يتناسب مع النموذج، بغض النظر عن الطريقة التي يحاول التخفي بها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.