<p>Die rasant fortgeschrittene DeepFake-Technologie kann der Unterhaltungsindustrie zwar enorm helfen, sie kann aber auch Probleme verursachen, die die Gefahr von Fake News weiter verschärfen. Deshalb ist es von großer Bedeutung, Technologien zur Erkennung solcher DeepFakes zu entwickeln.<br />
<br />
MSs Bemühungen, Fake News bei der kommenden US-Präsidentschaftswahl zu verhindern:<br />
https://de.news.hada.io/topic?id=2767<br />
<br />
Ich teile hier einen Artikel, der eine neuartige Methode zur Unterscheidung von DeepFake-Videos vorstellt. (Englisch) Diese Methode unterscheidet echte menschliche Gesichter von DeepFakes anhand von Herzschlagsignalen, die aus dem Gesicht einer Person extrahiert werden.<br />
<br />
Die Methode zur Messung der menschlichen Herzfrequenz in nichtinvasiven Pulsoximetern in Krankenhäusern oder in inzwischen weit verbreiteten Smartwatches wird fachsprachlich als PPG (Photoplethysmography) bezeichnet. Wenn Licht auf den menschlichen Körper fällt, wird ein Teil davon absorbiert; das Ausmaß dieser Absorption ist proportional zum Volumen von Haut, Gewebe und Blut entlang des Lichtwegs. Während sich das Volumen von Haut oder Gewebe nicht abrupt ändert, nimmt das Blutvolumen in den Gefäßen an einer bestimmten Stelle zu, wenn sich das Herz zusammenzieht, und ab, wenn es sich entspannt. Zeichnet man also das Muster der Lichtabsorption als Graph auf und misst nur die Abstände zwischen den Spitzenwerten, erhält man direkt die Herzfrequenz. Erstaunlich einfach, oder?<br />
<br />
rPPG (Remote photoplethysmography) geht noch einen Schritt weiter. Dass Menschen oder Kameras Objekte sehen können, liegt daran, dass Licht von irgendwoher kommt, an einem Objekt reflektiert wird und dann ins Auge oder in die Kamera gelangt. Denkt man an das oben beschriebene PPG-Prinzip, dann kann man davon ausgehen, dass im Licht, das von Körperteilen wie dem Gesicht eines lebenden Menschen reflektiert wird, sehr schwache, aber klar vorhandene Veränderungen verborgen sind, die das Pulsmuster widerspiegeln. Diese feinen Veränderungen so stark zu verstärken, dass sich die Herzfrequenz allein aus einem mit einer Kamera aufgenommenen Gesichtsvideo und ganz ohne besonderes Messgerät oder Kontakt bestimmen lässt, nennt man rPPG. Diese Methode beruht auf äußerst minimalen Veränderungen im Hautton des Gesichts, doch moderne rPPG-Systeme mit Deep Learning können solche Veränderungen offenbar sogar aus Gesichtsvideos mit recht hoher Kompression extrahieren.<br />
<br />
Wenn sich auf diese Weise Biosignale extrahieren lassen, könnte man damit dann nicht auch echte menschliche Gesichter von mit DeepFake erzeugten Gesichtern unterscheiden? Dazu wurden kürzlich mehrere Arbeiten veröffentlicht, die auf Basis aktueller rPPG-Techniken Experimente zur Erkennung von DeepFake-Gesichtsvideos durchgeführt haben. Kurz gesagt unterscheiden sich die in echten menschlichen Gesichtern und in per DeepFake erzeugten Gesichtern auftretenden rPPG-Signale deutlich in ihrem Muster, und auch je nach Art des für den DeepFake verwendeten Modells variieren die extrahierten rPPG-Signalmuster. Mit dieser Methode konnten DeepFake-Videos daher nicht nur erkannt werden, sondern es ließ sich auch mit recht hoher Genauigkeit bestimmen, welches konkrete Modell verwendet wurde.<br />
<br />
Die Originaltexte der betreffenden Arbeiten:<br />
https://arxiv.org/abs/2006.07634<br />
https://arxiv.org/abs/2008.11363</p>;
3 Kommentare