為了阻止復雜的照片和視頻更改方法，紐約大學丹頓工程學院的研究人員展示了一種實驗技術，可以使用人工智能（AI）對從采集到交付的整個管道進行圖像驗證。

在測試中，該原型成像管線將在不犧牲圖像質(zhì)量的情況下將操縱檢測的機會從大約45%增加到90%以上。

確定照片或視頻是否真實正變得越來越成問題。修改照片和視頻的復雜技術已變得十分普及，以至于所謂的“深層假貨”（經(jīng)過操縱的照片或視頻非常有說服力，通常包括名人或政治人物）已變得司空見慣。

紐約大學丹頓分校計算機科學與工程系的研究助理教授Pawel Korus率先提出了這種方法。它用神經(jīng)網(wǎng)絡（一種AI形式）取代了典型的照片開發(fā)流程，該網(wǎng)絡在圖像獲取時將精心制作的偽像直接引入圖像中。這些偽像類似于“數(shù)字水印”，對操縱極為敏感。

“與以前使用的水印技術不同，這些從AI學習的人工制品不僅可以揭示照片處理的存在，還可以揭示其特征，” Korus說。

該過程針對相機內(nèi)嵌入進行了優(yōu)化，可以抵抗在線照片共享服務施加的圖像失真。

紐約大學丹頓分校計算機科學與工程學教授，與Korus合著的論文Nasir Memon說：“如果攝像機本身產(chǎn)生的圖像對篡改更敏感，則任何調(diào)整都會被發(fā)現(xiàn)?！痹敿氄f明技術。梅蒙說：“這些水印可以在后期處理中幸存;但是，在修改時它們很脆弱：如果改變圖像，水印就會破裂?！?/p>