واحد خبر mobile.ir : در سال‌های اخیر، شمار روزافزونی از موارد دیپ‌فیک (deepfake) یا جعل عمیق فضای اینترنت را پر کرده‌اند که در آن‌ها، با استفاده از تصاویر یا ویدئوهای رسانه‌ها و ترکیب آن با چهره یا صدای شخصی دیگر، تصویری جدید و جعلی از موقعیت‌ها و افراد ایجاد می‌شود. اما ویژگی‌های واقع‌نمای دیپ‌فیک، گسترش اطلاعات نادرست، فریبکاری و موارد زیادی از کلاهبرداری آنلاین را در پی داشته است. امری که شرکت اینتل به تازگی با فناوری تازه‌ای که FakeCatcher نام گرفته، در پی مقابله با آن برآمده است و بنا بر ادعای کمپانی آمریکایی، می‌تواند موارد دیپ‌فیک را با نرخ دقت ۹۶ درصد شناسایی کند.

دیپ‌فیک‌ از فناوری‌های پیشرفته‌ای همچون یادگیری ماشینی و هوش مصنوعی استفاده می‌کند و تصاویر دقیق و واقع‌نمایی از افراد مشهور یا سیاستمداران را در حال انجام کارهایی تولید می‌کند که هرگز دست به انجام آن‌ها نزده‌اند. راستی‌آزمایی این تصاویر و آشکار کردن جعلی بودن آن‌ها با ابزارهای موجود ممکن است ساعت‌ها به طول بینجامد. چرا که در آن‌ها از یادگیری عمیق یا deep learning برای بررسی نشانه‌های جعل و دستکاری دیجیتالی استفاده می‌شود.

اما ظاهرا فناوری جدید اینتل موسوم به FakeCatcher با اسکن پیکسل‌های موجود در یک ویدیو، داده‌های مربوط به جریان ظریف خون روی صورت افراد را گردآوری کرده و پس از جمع‌آوری و تفسیر سیگنال‌های حاصل از جریان خون چهره فرد با تکیه بر هوش مصنوعی و یادگیری عمیق و با استفاده از الگوریتم‌های اختصاصی، به صورت بدون تاخیر و بلادرنگ میزان شباهت آن را به سوژه واقعی کشف می‌کند. FakeCatcher توسط دو پژوهشگر اینتل، ایلکه دمیر (Ilke Demir) و اومور چیفت‌چی (Umur Ciftci) از دانشگاه ایالتی نیویورک در شهر بینگهمتون توسعه داده شده است.

امروزه توسعه چنین فناوری برای شناسایی دیپ‌فیک اهمیت فزاینده‌ای یافته است؛ زیرا برخی از ویدئوها و تصاویر جعلی ماهیت گرافیکی دارند و برخی دیگر نیز بی‌اعتمادی به رسانه‌ها را تداوم می‌بخشند. در گذشته کلاهبرداران از دیپ‌فیک برای نشان دادن خود به عنوان جویای کار و دسترسی به اطلاعات حساس شرکت‌ها استفاده می‌کردند. آن‌ها همچنین از این امکان برای جعل هویت شخصیت‌های برجسته سیاسی در حال بیان اظهارات مناقشه‌برانگیز بهره گرفته‌اند. البته با آن که برخی حرکات و تصاویر در این دست ویدئوها ماهیت واقعی آن‌ها را آشکار می‌سازد، اما افراد غالبا بدون بررسی و تامل، این گونه ویدئوها را به اشتراک می‌گذارند و توجهی به واقعی یا ساختگی بودن آن‌ها ندارد. به این ترتیب زمانی که دیپ‌فیک میلیون‌ها بار به اشتراک گذاشته شد، دیگر برای جبران دیر شده است. چنان که به گفته موسسه Pew Research Center، حدود 63 درصد از افراد بزرگسال آمریکایی اعتراف کرده‌اند که یکی از همین ویدئوها، باعث سردرگمی آن‌ها درباره رویدادهای جاری شده است.

FakeCatcher با استفاده از سخت‌افزار و نرم‌افزار اینتل روی یک سرور اجرا می‌شود، اما رابط ویدئویی آن از یک پلتفرم مبتنی بر وب استفاده می‌کند. به گفته اینتل، رویکرد این فناوری برخلاف یادگیری عمیق فعلی که سعی می‌کند موارد جعلی را در ویدئو پیدا کند، به دنبال یافتن چیزی واقعی است. به گفته ایلکه دمیر، FakeCatcher براساس فرایندی موسوم به تغییر حجم‌سنجی نوری یا PPG کوتاه‌شده photoplethysmography عمل می‌کند که روشی برای تعیین تغییر جریان خون در بافت‌های بدن است. از این رو اگر یک فرد واقعی روی صفحه‌نمایش باشد، با پمپاژ خون در رگ‌ها، بافت چهره به صورت میکروسکوپی تغییر رنگ می‌دهد و دیپ‌فیک دست کم تا کنون قادر به بازسازی این تغییر رنگ چهره نبوده است.

همان طور که اشاره شد، فناوری دیپ‌فیک در سال‌های اخیر بسیار رشد کرده است. چنان که مطابق اعلام اداره تحقیقات فدرال آمریکا یا FBI در تابستان سال جاری میلادی، شکایت درباره کلاه‌برداری با دیپ‌فیک از طریق درخواست کار از راه دور، افزایش چشمگیری یافته است. از طرف دیگر بر اساس گزارش گارتنر، امور مرتبط با امنیت سایبری هزینه‌ای بالغ بر 188 میلیارد دلار برای شرکت‌ها خواهد داشت. به علاوه، پاتریک هیلمن مدیر ارشد اجرایی بایننس، نیز در نوشته‌ای از تلاش هکرها برای جعل هویت او خبر داده است. امری که نشانگر جدی بودن مساله دیپ‌فیک و لزوم ارائه راهکارهای موثر برای کنترل آن است. نرم‌افزارهای فعلی شناسایی دیپ‌فیک به زمان زیادی برای تحلیل ویدئوها نیاز دارند و فناوری جدید اینتل برای رفع این مشکل معرفی شده است که البته توسعه این تکنولوژی هم هنوز در مراحل اولیه به سر می‌برد و تا تکمیل نهایی مسیری نسبتا طولانی در پیش دارد.