پلتفرم اینتل به‌جای استفاده از روشی که فایل ویدیویی را برای نشانه‌های گویا بررسی می‌کند، از یادگیری عمیق برای تجزیه و تحلیل تغییرات رنگ ظریف در چهره‌ها که ناشی از جریان خون در رگ‌ها است، استفاده می‌کند، فرآیندی به نام photoplethysmography یا PPG.
به طور خلاصه: Deepfakes یکی از آن فناوری‌هایی است که اگرچه چشمگیر است، اما اغلب برای اهداف پلید استفاده می‌شود و محبوبیت آنها در حال افزایش است. سال‌هاست که شرکت‌ها روی راه‌هایی کار می‌کنند تا یک ویدیوی واقعی را از یک ویدیوی تغییریافته شناسایی کنند، اما راه‌حل جدید اینتل یکی از مؤثرترین و خلاقانه‌ترین راه‌حل‌ها به نظر می‌رسد.
اما این فناوری یک جنبه ناخوشایند نیز دارد. علاوه بر استفاده برای ایجاد پورن انتقام جویانه، توسط کلاهبردارانی که برای مشاغل از راه دور درخواست می کنند، استفاده می شود. همچنین اپلیکیشنی برای حذف دیجیتالی لباس زنان طراحی شده بود. اما بزرگترین نگرانی این است که چگونه دیپ فیک ها منجر به انتشار اطلاعات نادرست شده است – ویدئوی جعلی از تسلیم شدن ولودیمیر زلنسکی، رئیس جمهور اوکراین در اوایل سال جاری در رسانه های اجتماعی پخش شد.
از آن زمان ویدیوهای DF به طور فزاینده ای پیشرفته شده اند. اپلیکیشن‌های زیادی وجود دارند که به کاربران اجازه می‌دهند چهره دوستان خود را در فیلم‌ها قرار دهند، و ما شاهد استفاده از فرآیند مبتنی بر هوش مصنوعی برای زنده‌کردن عکس‌های قدیمی و نمایش نسخه‌های جوان بازیگران روی صفحه بودیم.
سازمان هایی از جمله فیس بوک، وزارت دفاع، ادوبی و گوگل ابزارهایی را ایجاد کرده اند که برای شناسایی دیپ فیک ها طراحی شده اند. نسخه آزمایشگاهی اینتل و اینتل که به درستی FakeCatcher نامیده می شود، یک رویکرد منحصر به فرد دارد: تجزیه و تحلیل جریان خون.
FakeCatcher به جریان خون در پیکسل های یک تصویر نگاه می کند، چیزی که دیپ فیک هنوز کامل نشده است، و سیگنال های فریم های متعدد را بررسی می کند. سپس امضاها را از طریق یک طبقه بندی کننده اجرا می کند. طبقه بندی کننده تعیین می کند که ویدیوی مورد نظر واقعی یا جعلی است.
یک راه حل بلادرنگ با چنین میزان دقت بالایی می تواند تفاوت بزرگی در جنگ آنلاین علیه اطلاعات نادرست ایجاد کند. از طرف دیگر، می تواند منجر به واقعی تر شدن دیپ فیک ها شود زیرا سازندگان سعی می کنند سیستم را فریب دهند.