Mentre il Garante Privacy ha recentemente avviato un’indagine sul sito e servizio FakeYou che permette di utilizzare modelli vocali generati con algoritmi di intelligenza artificiale e reti neurali per creare file audio “fasulli”, anche con la voce di personaggi famosi, online impazzano i deepfake.
Si tratta di video prodotti utilizzando una tecnica per la sintesi dell’immagine umana basata sull’intelligenza artificiale: viene adottata per combinare e sovrapporre immagini e video esistenti con video o immagini originali tramite una tecnica di apprendimento automatico, conosciuta come rete antagonista generativa.
In un nostro articolo di approfondimento spieghiamo cos’è il deepfake e perché può fare paura, considerata la possibilità di realizzarli con sforzi tutto sommato limitati anche dai normali utenti.
Intel ha presentato FakeCatcher, il primo strumento per il rilevamento dei deepfake in tempo reale.
Il prodotto, almeno stando a quanto dichiarato dai tecnici della società di Santa Clara, assicurerebbe un esatto riconoscimento dei deepfake nel 96% dei casi.
FakeCatcher utilizza hardware e software Intel, funziona lato server e mette a disposizione un’interfaccia accessibile via Web.
![](/app/uploads/2023/05/riconoscere-deepfake-intel.jpg)
Lo strumento presentato da Intel funziona rilevando l’afflusso di sangue nel viso esaminando quindi dei marcatori che sono presenti in tutti i video originali e che invece non sono rilevabili nei deepfake, proprio perché trattasi di video artefatti generati da un’intelligenza artificiale.
Nello specifico, il sistema ideato da Ilke Demir, ricercatori di Intel Labs, in collaborazione con Umur Ciftci (Binghamton University, New York), sfrutta la tecnica di misurazione ottica PPG (PhotoPlethysmoGraphy): conosciuta già dalla fine degli anni ’70 essa viene sfruttata per rilevare le variazioni di volume del sangue nel letto microvascolare dei tessuti.
Quando il cuore pompa sangue nelle vene, queste cambiano colore e sebbene ciò non sia evidente a un semplice sguardo, un’analisi effettuata mediante computer mette in evidenza questa caratteristica. Con FakeCatcher i segnali PPG vengono raccolti da 32 posizioni sul viso; vengono quindi create mappe PPG partendo dalle componenti temporali e spettrali.
“Prendiamo quelle mappe e addestriamo una rete neurale convoluzionale classificare le immagini come false o reali“, ha spiegato Demir. “Grazie alle tecnologie Intel come il framework Deep Learning Boost per l’inferenza e le estensione AVX-512 possiamo eseguire le elaborazioni in tempo reale e gestire fino a 72 flussi simultanei“.