美国布鲁金斯学会近日发布题为《深度造假无法检测时的应对之策》的报告（下称《报告》）。《报告》阐述了深度造假的严重影响，指出了深度造假自动检测技术的潜在局限，并提出了若干应对策略。

1 深度造假的严重影响

深度造假通常指利用机器学习技术，尤其是“生成对抗性网络”技术制作的虚假内容。影响包括：

①虚假信息泛滥。相比纯粹文本形式的虚假信息，图片、音频及视频等形式的虚假信息更易传播；

②真实信息难获话语权。普通民众难以判定信息真伪，可能导致真实信息的公信力降低，传播范围缩小；

③行为体借助深度造假获利。若深度造假盛行，部分行为体可能声称对其不利的原始音视频材料系伪造，从中获利。若被恶意滥用，深度造假可能给社会带来其他严重危害，如颠覆合法政府公信力，甚至引发社会动荡等。

2 自动检测技术的潜在局限

深度造假的应对策略集中在开发深度造假的自动检测技术，即开发人工智能算法以识别特定图片、音频或视频是否已被篡改。但是，深度检测技术也存在局限：

①用于自动检测的人工智能算法，可能反而被用于改进深度造假以避免检测；

②“深度造假检测算法”可能会被利用于生成真实性较高的假信息，再以开源模式广泛传播；

③对于高质量的深度造假，通过压缩数据、避开复杂特征等手段进一步提升其不可检测性。鉴于自动检测技术的诸多局限，自动检测技术无法检测的“深度造假霸权”或在未来10年内出现。

3 深度造假的应对策略

①投资自动检测技术。如资助DARPA的“媒体取证”项目，支持谷歌、微软、亚马逊及脸书等商业公司开发新检测技术等，并资助记者等相关人员使用这些检测技术。

②投资新技术。通过DARPA或国家科学基金会等途径支持开发新技术，如反向视频搜索或基于区块链的验证系统等。

③支持社会科学。支持脸书、推特等公司，通过可靠平台向社会科学研究人员发布大型社交媒体数据集，以研究错误虚假信息传播的解决方案。

④强化立法。强化针对深度造假的立法，明确媒体平台、创作者等的责任，制定切实可行的处罚措施。

来源：美国布鲁金斯学会网站/图片来自互联网

军事科学院军事科学信息研究中心 佘晓琼

声明：本文来自国防科技要闻，版权归作者所有。文章内容仅代表作者独立观点，不代表士冗科技立场，转载目的在于传递更多信息。如有侵权，请联系 service@expshell.com。