深度伪造
深度伪造是「深度学习」和「伪造」的合併词，即是利用人工智能／深度学习技术无中生有，制作出看似可信和逼真的视像、图像或音频，其中一个应用例子就是修改电影片段，而非重新拍摄或于后期制作中修改脸部表情。
近年，由于深度伪造恶意用于制造假视像、伪造图像和金融欺诈，所传播的错误讯息或虚假讯息可能会侵蚀企业的声誉和社会之间的信任，因而引起大众关注。现在要取用创作深度伪造的工具十分容易，引起公众对于以假乱真的深度伪造制成品的关注，认为须加以侦察，以及限制其使用。
创作深度伪造的合成数据技术日趋成熟。
图 1：深度伪造的演变
深度伪造技术包括一系列的演算，用于识别脸部和声音的重要参数，并学习将参数重组为合成视像、图像或音频。技术大致可分为视觉和音频两类，而属性操作水平则按媒体的来源和所需的合成结果分类。
音频的深度伪造技术用于伪造令人信以为真的说话，语音听起来就像是某人所说，但事实并非如此。
视觉的深度伪造技术用于伪造视像，将现有图像或视像中的人转换为其他人的肖像。
由于深度伪造越来越逼真和令人相信，人们难以在真实视像内将虚假的部分分辨出来。由于深度伪造看起来十分真实，促使观众相信，并在社交媒体上分享，加速虚假讯息的传播。
我们已发现不少恶意深度伪造，这些深度伪造所带来的一些影响胪列如下。
图 2: 深度伪造造成的影响示例
导致受害人的声誉严重受损，例如利用某些名人的脸孔或声音被用来散布谣言。
描述虚假事件以诽谤企业，从而推动市场情绪，引发股市动盪。
深度伪造可能涉及在未经拥有人准许的情况下复制和分发版权材料，而不当使用或会导致法律问题。同样，泄露或更改某人的个人资料亦可能构成侵犯私隐。在法庭诉讼中，涉及录音、视像等电子证据的纠纷，只有其真实性通过法证水印工具鑑定方可使用。
深度伪造可促成网络攻击和诈骗。
随着深度伪造技术的广泛应用，我们越来越难相信耳闻目睹的事物。因此，若要保障人们对数码内容的信任，必须侦测深度伪造。大多数侦测深度伪造的方法都利用深度学习技术，以及识别脸部区域中出现的视觉加工。通过识别深度伪造的创作模式，侦测技术能够使用深度学习发现细微的差异。除了利用科技侦测深度伪造外，我们亦可运用一些肉眼识别的技巧：
图 3: 肉眼识别深度伪造的技巧
鑑于深度伪造技术的威胁对企业构成严重影响，因此企业必须採取预防措施，减低成为深度伪造欺诈受害者的机会。
图 4: 机构的良好作业模式
免责声明：用户亦应留意本网站的免责声明。在下载和使用保安软件和工具前，应细阅相关的用户协议和私隐政策。
