应对 Deepfake 的解决方案：相机硬件、密码学与深度学习能否验证真实图像？
计算机视觉与模式识别
2024-07-08 v1 密码学与安全
摘要
生成式 AI 的指数级进步对所有真实图像和视频的可信度构成了严重影响。在未来将存在这样一个时间点：1) 生成式 AI 生成的内容与相机生成的内容将无法区分；2) 任何人都将能够使用高质量的生成算法；3) 所有合成图像与真实图像的比例将很大。建立能够以高置信度将真实数据与合成数据分离的方法势在必行。我们将真实图像定义为那些由相机硬件生成、捕捉真实世界场景的图像。任何通过生成式 AI 或计算机图形技术对图像进行的合成生成或对真实图像的更改都被标记为合成图像。为此，本文旨在：提出可用于验证哪些图像是真实的检测和密码学已知策略，权衡这些策略的优缺点，并提出额外的改进措施以减轻其不足。
引用
@article{arxiv.2407.04169,
title = {Solutions to Deepfakes: Can Camera Hardware, Cryptography, and Deep Learning Verify Real Images?},
author = {Alexander Vilesov and Yuan Tian and Nader Sehatbakhsh and Achuta Kadambi},
journal= {arXiv preprint arXiv:2407.04169},
year = {2024}
}