Deepfakes zijn met de computer gemanipuleerde afbeeldingen of video’s waarin de gelijkenis van een persoon is gebruikt om die van een andere persoon te vervangen. Ze worden gemaakt met behulp van algoritmen voor machinaal leren om delen van een originele video of afbeelding, zoals het gezicht van een persoon, te manipuleren of te vervangen. Deepfakes kunnen worden gebruikt voor amusement, onderwijs of onderzoek, maar ze kunnen ook een ernstige bedreiging vormen voor de privacy, de veiligheid en de democratie. Deepfakes kunnen bijvoorbeeld worden gebruikt om porno zonder toestemming te maken, verkeerde informatie te verspreiden, zich voor te doen als beroemdheden of politici, of iemand te chanteren of te belasteren.
Daarom is het belangrijk om deepfakes te kunnen detecteren en ze te onderscheiden van echte afbeeldingen of video’s. In dit artikel introduceren we enkele technieken en tools die je kunnen helpen deepfakes en synthetische media te herkennen.
Zoek naar visuele artefacten
Een van de meest gebruikelijke manieren om deepfakes op te sporen is te zoeken naar visuele artefacten die aangeven dat de afbeelding of video kunstmatig is gegenereerd of bewerkt. Deze artefacten kunnen zijn:
- Wazige of vervormde randen rond het gezicht of andere delen van het beeld
- Inconsistente verlichting, schaduwen of reflecties
- Niet passende huidskleuren, oogkleuren of gezichtsuitdrukkingen
- Onnatuurlijke bewegingen, zoals knipperen, glimlachen of lipsynchronisatie
- Ontbrekende of extra details, zoals haar, tanden of juwelen
Gebruik een tool voor deepfake detectie
Een andere manier om deepfakes op te sporen is het gebruik van een tool voor deepfakedetectie die foto’s en video’s analyseert om een vertrouwensscore te geven over de vraag of het materiaal waarschijnlijk kunstmatig is gemaakt. Deze tools maken gebruik van machine learning-technieken om subtiele tekenen te identificeren dat een video of afbeelding algoritmisch is gemanipuleerd. Enkele voorbeelden van tools voor deepfake detectie zijn:
- Video Authenticator van Microsoft: Dit hulpmiddel probeert de tekenen te detecteren die erop wijzen dat een beeld kunstmatig is gegenereerd, zoals subtiele vervaging of grijswaarden op de grens van waar de door de computer gecreëerde versie van het gezicht van het doelwit is samengevoegd met het lichaam van het oorspronkelijke subject. De tool geeft een procentuele vertrouwensscore voor de waarschijnlijkheid dat een clip een deepfake is.
- Detect Fakes: Dit is een onderzoeksproject van het MIT Media Lab dat tot doel heeft het publiek bewust te maken van deepfake-technologie en gewone mensen te helpen kritisch na te denken over de media die zij consumeren. Het project omvat een website waarop duizenden gecureerde deepfake- en echte video’s van hoge kwaliteit uit verschillende datasets worden getoond en waarop gebruikers kunnen testen of ze echt van nep kunnen onderscheiden.
- DeepFake Detectie met behulp van Convolutionele Neurale Netwerken: Dit is een tutorial van TechVidvan die laat zien hoe je een deepfake detectiesysteem bouwt met behulp van convolutionele neurale netwerken (CNN’s). CNN’s zijn een type machine learning model dat beelden kan verwerken en kenmerken kan extraheren die kunnen helpen ze te classificeren als echt of nep.
