隨著深度合成技術快速迭代升級，人臉偽造檢測是一個技術攻防的持久戰(zhàn)，騰訊優(yōu)圖始終秉承科技向善的使命，防范AI技術濫用，將不斷在人臉安全領域持續(xù)深耕，在算法研究和業(yè)務落地上持續(xù)打磨技術能力，同時，通過騰訊

近日，騰訊優(yōu)圖實驗室首度刷新人臉偽造檢測FaceForensicsBenchmark新紀錄，整體檢測準確率達到業(yè)界第一。

FaceForensicsBenchmark是德國慕尼黑工業(yè)大學（TUM）聯(lián)合Google等多家機構共同發(fā)布的大規(guī)模人臉偽造數(shù)據(jù)集，以促進業(yè)界對人臉偽造檢測的學術研究，并提升工業(yè)界對于人臉防偽業(yè)務落地的重視程度。

近幾年，隨著生成對抗網(wǎng)絡等AI技術的發(fā)展，深度人臉生成技術及其應用不斷成熟，人們可以通過神經(jīng)網(wǎng)絡快速實現(xiàn)人臉生成、人臉編輯和人臉替換。人臉生成技術推動了娛樂與文化交流產(chǎn)業(yè)的新興發(fā)展，但同時也給人臉安全帶來巨大的潛在威脅。人們可以輕易利用DeepFakes等換臉技術制作色情視頻或虛假新聞，從而對社會造成不良影響。針對這些偽造人臉的檢測和防御已經(jīng)到了刻不容緩的地步。

FaceForensicsBenchmark數(shù)據(jù)集使用了四種業(yè)界先進的人臉偽造技術，分別是Face2Face、FaceSwap、DeepFakes和NeuralTextures。這些偽造出來的人臉圖像自然逼真，單純從人眼視覺效果上來看真假難辨，挑戰(zhàn)巨大。

騰訊優(yōu)圖對人臉防偽檢測進行深入研究，從人臉生成的原理和本質(zhì)出發(fā)，提出了一種基于注意力機制的偽造人臉檢測技術RealFace，該技術結合人臉的圖像特征和噪聲特征，能夠充分發(fā)掘偽造人臉所產(chǎn)生的偽影細節(jié)，同時利用注意力機制對人臉圖像的偽造位置進行捕捉，有效地提高了偽造人臉圖像的檢測精度。

不久前，優(yōu)圖實驗室還聯(lián)合騰訊研究院發(fā)布了《AI生成內(nèi)容發(fā)展報告》，全面解讀了深度合成技術的發(fā)展和應用情況，并總結了關于深度合成技術的十大誤解。人工智能商業(yè)化進程的加速，讓越來越多的人工智能產(chǎn)品出現(xiàn)在大眾生活中，尤其是一些使用深度合成技術的人臉融合、合成人臉和合成虛擬形象的社交產(chǎn)品持續(xù)出現(xiàn)。