万恶的Deepfake,为什么百禁不绝?

万恶的Deepfake,为什么百禁不绝?

文章图片

万恶的Deepfake,为什么百禁不绝?

文章图片

万恶的Deepfake,为什么百禁不绝?

文章图片

万恶的Deepfake,为什么百禁不绝?

文章图片

万恶的Deepfake,为什么百禁不绝?

文章图片

万恶的Deepfake,为什么百禁不绝?

文章图片

万恶的Deepfake,为什么百禁不绝?

文章图片



在国庆假期期间 , 网友恶搞的雷军AI配音突然爆火 , 引发了诸多争议 。 AI造假音视频 , 似乎已经成为一个无法关闭的潘多拉魔盒 。 在更早之前 , 韩国爆发的Deepfake危害事件就曾引发全球关注 。 根据相关报道 , 最初是由多名韩国女性通过社交平台 , 披露了传播Deepfake换脸不雅视频的事件 。 随后 , 有越来越多的危害事件与受害人被爆出 。
根据社交媒体流传的受Deepfake影响名单 , 有超过百所韩国中小学以及国际学校出现相关问题 。 有韩国官员表示 , 受害者可能达到22万人 。

这里大家可能会有这样一个疑问:为什么多年来人人喊打的Deepfake反而愈演愈烈?
要知道 , 早在2017年Deepfake刚刚出现的时候 , 仅仅几天就遭到了全球范围的合力封杀 , 包括但不限于主流社交媒体的严格封禁 。 此后 , 多个国家与地区采用了立法的形式 , 严禁利用Deepfake以及其他AI换脸技术侵犯他人肖像权与隐私权 。
危害难以杜绝 , 是因为Deepfake技术高深 , 让人防不胜防吗?
答案刚好相反 , Deepfake难以禁止的原因 , 恰恰在于其过分简单 , 只需要简单的技术资源就能造成巨大的破坏性影响 。
而这些资源 , 在今天的互联网环境下能够轻而易举地获取 。

我想 , 我们没有必要从人性和动机上讨论为什么有人制作和传播AI换脸视频 。 只要违法成本够低 , 这种行为就必然无法杜绝 。 作为普通人 , 我们也难以从立法和执法的角度探讨如何打击Deepfake 。 我们能做的 , 是审视进行Deepfake的真实情况 , 进而考虑如何增大违法难度 , 压缩这种行为的生存空间 。
Deepfake被很多媒体称作“人类最邪恶的AI技术” 。 这种描述有其合理性 , 但也客观上对Deepfake进行了妖魔化、神秘化的修饰 , 让不了解的人将其与黑客、勒索病毒、暗网等关键词联系起来 , 认为其非常隐秘而高深 。

事实恰恰相反 , Deepfake的危害性与破坏性 , 恰恰在于其操作简单 。 近乎没有任何技术学习门槛 , 同时其所需要的每一步帮助 , 都可以在公开的互联网环境中堂而皇之地获取 。
试想一下 , 韩国的22万名受害者 , 不可能都是某几个技术大牛进行的施暴 。 当普通人可以随时随地 , 没有成本地作恶 , 恶意才真正难以被遏制 。
之所以这样说 , 是我们必须先了解Deepfake的具体流程 。 一般来说 , 使用Deepfake进行AI换脸 , 需要经历以下几个步骤:
1.准备Deepfake相关软件 , 或者找到具有类似功能的在线AI开发平台 。
2.准备要进行人脸替换的视频 , 对视频进行照片化切图 。
3.挑选出若干照片中要替换的人脸并进行操作 。 俗称切脸 , 提脸 。
4.将准备好的照片进行覆盖 , 进而进行模型训练 。 这一步对于缺乏技术功底的人来说 , 大概率需要预训练模型来辅助训练 。
5.训练完成 , 生成视频 。

从这个流程中我们可以总结出 , 想要进行一次有危害性的Deepfake最多只需要四件东西:AI换脸软件、预训练模型、被换脸的视频、受害人照片 。
获取这些东西过分容易 , 就是Deepfake百禁不绝 , 反而流毒更广的核心原因 。

我们可以来分步骤看看 , Deepfake的“作案工具”究竟来自哪里 。 讨论这些的原因绝不是希望普及相关知识 , 而是希望指出互联网环境下 , 留给Deepfake作恶者的机会与漏洞究竟在哪里 。 这些漏洞不被斩断 , 仅凭道德层面的号召倡议 , 或者对AI换脸视频的技术识别 , 是断然无法组织别有用心者的 。

首先 , AI换脸必然需要受害人的照片 。 根据相关技术社区的分享 , 最初版本的Deepfake大概需要50张、多角度、高清晰度的照片 , 才能实现较为自然的视频合成 。 但经过几年的迭代 , 目前只需要20张左右的照片就可以实现 。
试想一下 , 对于稍微有社交媒体分享习惯的朋友来说 , 20张照片被盗用简直是轻而易举 。
加上一段很容易找到的不雅视频 , 一场无妄之灾可能就此开启 。

得到了受害人的照片信息之后 , 不法分子就要找到可以进行Deepfake的软件 。 Deepfake的创始人最早是将软件与教程分享到了Reddit上 , 此后很快被官方禁止 。 一气之下 , 作者就将这款软件的代码全部放到了Github上进行免费分享 , 可供随时下载与使用 。
到2022年 , 相关软件已经升级到了DeepFaceLab 3.0版本 , 不仅可以在作者的Github下载 , 在中文互联网环境中还有大量QQ群、网盘链接进行分享 。

更为可恶的是 , 在各个下载渠道中获得的DeepFaceLab , 都有非常详细的中文说明与操作指引 。 而在切脸这类比较繁琐的工作上 , 甚至有专门软件进行加速 。
唯一可能给不法者造成阻碍的 , 是AI换脸依旧需要比较好的显卡来进行训练加速 , 但中高端的游戏显卡也已经完全足够 。
获取成本为0的不法软件 , 技术成本为0的操作难度 , 构成了Deepfake真正恐怖的地方 。

到以上为止 , 如果是一个有AI技术能力的人 , 已经获得了全部进行Deepfake施暴的前提条件 。 但对不太了解AI技术的人来说 , 还有一个关键需求 , 就是获取预训练模型 。
预训练模型 , 是AI开发的一个基本机制 。 由于大部分AI模型的前置训练任务是相同的 , 因此开发者倾向将相同的部分进行预训练 , 在同类任务中作为公用底座来使用 。 而在AI换脸任务中 , 由于难以掌握训练方法 , 大部分新手训练出的AI换脸模型会出现贴脸不自然 , 严重掉帧等现象 。 这时候就需要使用预训练模型进行训练 , 从而在提升模型精度的同时 , 也降低模型训练所需时间 。
按理说 , 作为非技术人员的普通人 , 应该较难获得预训练模型来进行Deepfake吧?

事实并非如此 , 打开很多电商平台、二手交易平台 , 就可以轻松找到专用于Deepfake的预训练模型 。 这些模型一般被称为“AI金丹” 。
在某主流二手交易平台 , 搜索AI金丹、AI仙丹、AI底丹 , 或者DFL丹药、DFL灵丹等关键词 , 会出现大量Deepfake预训练模型的出售联接 。 一般只需要几元钱成本 。
由于平台缺乏监管 , 这类售卖行为长期存在 , 成为滋长恶行的“产业链” 。 就连上文提到的DeepFaceLab软件 , 很多时候也可以在二手交易平台买到 , 卖家还对进行操作教程与指引 。
而这种“AI仙丹产业链”另一个难以杜绝的地方在于 , 一个Deepfake用户熟练操作之后 , 又可以将自己的模型制作为预训练模型 , 也被俗称为“炼丹” 。 炼好的弹药再到二手平台进行贩卖 , 这种灰色产业就这样不断扩散绵延 。

总结Deepfake施暴者每一步的支持来源 , 是为了指出杜绝其危害 , 真正应该着手发力的地方 。
目前相关话题的讨论 , 经常会陷入某种误区:总是想要用非常前沿的 , 高成本的方法去阻击Deepfake , 比如倡导利用AI技术来鉴别视频是否为AI生成等 。
当然 , 通过AI算法来分辨AI换脸有重要的应用场景 , 比如在AI换脸诈骗识别上 , 检测视频造假就至关重要 。
但在类似韩国Deepfake事件 , 这类利用AI换脸炮制不雅视频的犯罪中 , 识别视频为假是无力的 , 甚至是无用的 。
对于造假者与传播者而言 , 他们大多不在乎视频是否为假 。 依靠高精尖的智能化技术去检测Deepfake , 就像用微小的技术沙袋 , 去堵决堤的人性江河 , 不过是扬汤止沸而已 。

更有效的方法 , 或许是釜底抽薪 , 是从源头上杜绝别有用心者尝试Deepfake 。
首先 , 或许我们需要在社交媒体上分享照片时更加慎重 。 诚然 , 不能让受害者承担制止犯罪的义务 , 但在这个充满不确定性的网络环境中 , 个人隐私的保护责任也在变得愈发重要 。
接下来 , 是对相关软件要采取更具严格的封禁策略 。 对传播类似软件采取适当的制止行为 。 尤其在AIGC兴起后 , 大量新型平台开始为普通开发者提供各种各样的AI开发功能 。 一定要谨慎提防类似功能混迹其中 , 成为新的AI安全漏洞 。
此外 , 电商平台与二手交易平台需要更加严格监管 。 堵住Deepfake软件与预训练模型的售卖渠道 。 切断利益链 , 往往是禁止不法行为的关键 。
在今天 , 我们与Deepfake的斗争才刚刚开始 。 对它的祛魅与了解 , 是抵制恶意的第一步 。
【万恶的Deepfake,为什么百禁不绝?】

    推荐阅读