在国庆假期期间，网友恶搞的雷军AI配音突然爆火，引发了诸多争议。AI造假音视频，似乎已经成为一个无法关闭的潘多拉魔盒。在更早之前，韩国爆发的Deepfake危害事件就曾引发全球关注。根据相关报道，最初是由多名韩国女性通过社交平台，披露了传播Deepfake换脸不雅视频的事件。随后，有越来越多的危害事件与受害人被爆出。
根据社交媒体流传的受Deepfake影响名单，有超过百所韩国中小学以及国际学校出现相关问题。有韩国官员表示，受害者可能达到22万人。
这里大家可能会有这样一个疑问：为什么多年来人人喊打的Deepfake反而愈演愈烈？
要知道，早在2017年Deepfake刚刚出现的时候，仅仅几天就遭到了全球范围的合力封杀，包括但不限于主流社交媒体的严格封禁。此后，多个国家与地区采用了立法的形式，严禁利用Deepfake以及其他AI换脸技术侵犯他人肖像权与隐私权。
危害难以杜绝，是因为Deepfake技术高深，让人防不胜防吗？
答案刚好相反，Deepfake难以禁止的原因，恰恰在于其过分简单，只需要简单的技术资源就能造成巨大的破坏性影响。
而这些资源，在今天的互联网环境下能够轻而易举地获取。
我想，我们没有必要从人性和动机上讨论为什么有人制作和传播AI换脸视频。只要违法成本够低，这种行为就必然无法杜绝。作为普通人，我们也难以从立法和执法的角度探讨如何打击Deepfake。我们能做的，是审视进行Deepfake的真实情况，进而考虑如何增大违法难度，压缩这种行为的生存空间。
Deepfake被很多媒体称作“人类最邪恶的AI技术”。这种描述有其合理性，但也客观上对Deepfake进行了妖魔化、神秘化的修饰，让不了解的人将其与黑客、勒索病毒、暗网等关键词联系起来，认为其非常隐秘而高深。
事实恰恰相反，Deepfake的危害性与破坏性，恰恰在于其操作简单。近乎没有任何技术学习门槛，同时其所需要的每一步帮助，都可以在公开的互联网环境中堂而皇之地获取。
试想一下，韩国的22万名受害者，不可能都是某几个技术大牛进行的施暴。当普通人可以随时随地，没有成本地作恶，恶意才真正难以被遏制。
之所以这样说，是我们必须先了解Deepfake的具体流程。一般来说，使用Deepfake进行AI换脸，需要经历以下几个步骤：
1.准备Deepfake相关软件，或者找到具有类似功能的在线AI开发平台。
2.准备要进行人脸替换的视频，对视频进行照片化切图。
3.挑选出若干照片中要替换的人脸并进行操作。俗称切脸，提脸。
4.将准备好的照片进行覆盖，进而进行模型训练。这一步对于缺乏技术功底的人来说，大概率需要预训练模型来辅助训练。
5.训练完成，生成视频。
从这个流程中我们可以总结出，想要进行一次有危害性的Deepfake最多只需要四件东西：AI换脸软件、预训练模型、被换脸的视频、受害人照片。
获取这些东西过分容易，就是Deepfake百禁不绝，反而流毒更广的核心原因。
我们可以来分步骤看看，Deepfake的“作案工具”究竟来自哪里。讨论这些的原因绝不是希望普及相关知识，而是希望指出互联网环境下，留给Deepfake作恶者的机会与漏洞究竟在哪里。这些漏洞不被斩断，仅凭道德层面的号召倡议，或者对AI换脸视频的技术识别，是断然无法组织别有用心者的。
首先，AI换脸必然需要受害人的照片。根据相关技术社区的分享，最初版本的Deepfake大概需要50张、多角度、高清晰度的照片，才能实现较为自然的视频合成。但经过几年的迭代，目前只需要20张左右的照片就可以实现。
试想一下，对于稍微有社交媒体分享习惯的朋友来说，20张照片被盗用简直是轻而易举。
加上一段很容易找到的不雅视频，一场无妄之灾可能就此开启。
得到了受害人的照片信息之后，不法分子就要找到可以进行Deepfake的软件。Deepfake的创始人最早是将软件与教程分享到了Reddit上，此后很快被官方禁止。一气之下，作者就将这款软件的代码全部放到了Github上进行免费分享，可供随时下载与使用。
到2022年，相关软件已经升级到了DeepFaceLab 3.0版本，不仅可以在作者的Github下载，在中文互联网环境中还有大量QQ群、网盘链接进行分享。
更为可恶的是，在各个下载渠道中获得的DeepFaceLab，都有非常详细的中文说明与操作指引。而在切脸这类比较繁琐的工作上，甚至有专门软件进行加速。
唯一可能给不法者造成阻碍的，是AI换脸依旧需要比较好的显卡来进行训练加速，但中高端的游戏显卡也已经完全足够。
获取成本为0的不法软件，技术成本为0的操作难度，构成了Deepfake真正恐怖的地方。
到以上为止，如果是一个有AI技术能力的人，已经获得了全部进行Deepfake施暴的前提条件。但对不太了解AI技术的人来说，还有一个关键需求，就是获取预训练模型。
预训练模型，是AI开发的一个基本机制。由于大部分AI模型的前置训练任务是相同的，因此开发者倾向将相同的部分进行预训练，在同类任务中作为公用底座来使用。而在AI换脸任务中，由于难以掌握训练方法，大部分新手训练出的AI换脸模型会出现贴脸不自然，严重掉帧等现象。这时候就需要使用预训练模型进行训练，从而在提升模型精度的同时，也降低模型训练所需时间。
按理说，作为非技术人员的普通人，应该较难获得预训练模型来进行Deepfake吧？
事实并非如此，打开很多电商平台、二手交易平台，就可以轻松找到专用于Deepfake的预训练模型。这些模型一般被称为“AI金丹”。
在某主流二手交易平台，搜索AI金丹、AI仙丹、AI底丹，或者DFL丹药、DFL灵丹等关键词，会出现大量Deepfake预训练模型的出售联接。一般只需要几元钱成本。
由于平台缺乏监管，这类售卖行为长期存在，成为滋长恶行的“产业链”。就连上文提到的DeepFaceLab软件，很多时候也可以在二手交易平台买到，卖家还对进行操作教程与指引。
而这种“AI仙丹产业链”另一个难以杜绝的地方在于，一个Deepfake用户熟练操作之后，又可以将自己的模型制作为预训练模型，也被俗称为“炼丹”。炼好的弹药再到二手平台进行贩卖，这种灰色产业就这样不断扩散绵延。
总结Deepfake施暴者每一步的支持来源，是为了指出杜绝其危害，真正应该着手发力的地方。
目前相关话题的讨论，经常会陷入某种误区：总是想要用非常前沿的，高成本的方法去阻击Deepfake，比如倡导利用AI技术来鉴别视频是否为AI生成等。
当然，通过AI算法来分辨AI换脸有重要的应用场景，比如在AI换脸诈骗识别上，检测视频造假就至关重要。
但在类似韩国Deepfake事件，这类利用AI换脸炮制不雅视频的犯罪中，识别视频为假是无力的，甚至是无用的。
对于造假者与传播者而言，他们大多不在乎视频是否为假。依靠高精尖的智能化技术去检测Deepfake，就像用微小的技术沙袋，去堵决堤的人性江河，不过是扬汤止沸而已。
更有效的方法，或许是釜底抽薪，是从源头上杜绝别有用心者尝试Deepfake。
首先，或许我们需要在社交媒体上分享照片时更加慎重。诚然，不能让受害者承担制止犯罪的义务，但在这个充满不确定性的网络环境中，个人隐私的保护责任也在变得愈发重要。
接下来，是对相关软件要采取更具严格的封禁策略。对传播类似软件采取适当的制止行为。尤其在AIGC兴起后，大量新型平台开始为普通开发者提供各种各样的AI开发功能。一定要谨慎提防类似功能混迹其中，成为新的AI安全漏洞。
此外，电商平台与二手交易平台需要更加严格监管。堵住Deepfake软件与预训练模型的售卖渠道。切断利益链，往往是禁止不法行为的关键。
在今天，我们与Deepfake的斗争才刚刚开始。对它的祛魅与了解，是抵制恶意的第一步。
免责声明：此文内容为第三方自媒体作者发布的观察或评论性文章，所有文字和图片版权归作者所有，且仅代表作者个人观点，与 无关。文章仅供读者参考，并请自行核实相关内容。投诉邮箱：editor@fromgeek.com。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
