Immagine dal set di dati PGGAN. Credito:Karras et al.
I ricercatori della State University di New York in Corea hanno recentemente esplorato nuovi modi per rilevare immagini false di volti sia create da macchine che da esseri umani. Nella loro carta, pubblicato su ACM Digital Library, i ricercatori hanno utilizzato metodi di insieme per rilevare le immagini create da reti generative avversarie (GAN) e hanno impiegato tecniche di pre-elaborazione per migliorare il rilevamento delle immagini create dagli esseri umani utilizzando Photoshop.
Negli ultimi anni, significativi progressi nell'elaborazione delle immagini e nell'apprendimento automatico hanno consentito la generazione di falsi, eppure altamente realistico, immagini. Però, queste immagini potrebbero essere utilizzate anche per creare false identità, rendere più convincenti le fake news, bypassare gli algoritmi di rilevamento delle immagini, o stupidi strumenti di riconoscimento delle immagini.
"Le immagini di volti falsi sono un argomento di ricerca da un po' di tempo ormai, ma gli studi si sono concentrati principalmente su foto fatte da esseri umani, utilizzando gli strumenti di Photoshop, "Shahroz Tariq, uno dei ricercatori che hanno condotto lo studio ha detto a Tech Xplore. "Recentemente, uno studio di Karras et al. ha mostrato che una rete generativa avversaria (GAN) potrebbe produrre immagini di volti umani quasi realistiche. Le persone potrebbero usare queste foto in modo dannoso, ad esempio, per creare ID falsi su Internet."
L'obiettivo della ricerca condotta da Tariq e dai suoi colleghi era rilevare foto false di volti sia generate al computer che generate dall'uomo utilizzando tecniche di deep learning. Per fare questo, hanno sviluppato un classificatore di rete neurale e lo hanno addestrato su un set di dati di immagini reali e false.
Immagine dal set di dati CelebA. Credito:Liu et al.
"Il classificatore della rete neurale apprende le caratteristiche discriminanti tra le immagini reali e false esaminando un enorme database di immagini sia false che reali, " ha detto Tariq.
Piuttosto che analizzare i metadati delle immagini, questo classificatore si concentra sul contenuto dell'immagine. Nelle prove preliminari, ha ottenuto risultati notevoli, rilevando immagini false di volti sia generate da GAN che create dall'uomo con una precisione del 94%.
"Anche se le immagini generate al computer sembrano molto realistiche all'occhio umano, il classificatore della rete neurale è stato in grado di individuare alcune minuscole differenze, che ha permesso di classificare correttamente le immagini, " Ha detto Tariq. "Abbiamo anche scoperto che le foto false create da esseri umani utilizzando gli strumenti di Photoshop sono molto più difficili da rilevare, perché ci sono molte varianti possibili."
Immagine reale. Credito:Tariq et al.
In futuro, il classificatore sviluppato da Tariq e dai suoi colleghi potrebbe aiutare a identificare immagini false, generati da GAN o da esseri umani che utilizzano software di editing grafico, come Photoshop. I ricercatori stanno ora pianificando di sviluppare ulteriormente il loro classificatore, addestrandolo su più immagini generate dalla macchina e dall'uomo.
Immagine photoshoppata. Credito:Tariq et al.
"Poiché i metodi per generare immagini sintetiche stanno diventando più sofisticati, le foto generate con questi metodi diventeranno più realistiche e sarà più difficile per il classificatore della rete neurale rilevarne le differenze, " ha spiegato Tariq. "Vogliamo quindi continuare a migliorare i nostri metodi, per rilevare meglio tali foto."
© 2018 Science X Network
