求职者可能是假货？冒名者用deepfake盗窃身份应聘远程工作，FBI：说话时能识别

大数据文摘出品

作者：Caleb

在线工作正在逐渐正式进入我们的生活。

根据数据公司 Emsi Burning Glass 统计，2020 年初纽约全市 16 万 3000 个招聘岗位中，只有 6700 个允许在线工作，占总岗位数量的4%；但到去年 12 月，全市 24 万 3000 个招聘岗位中，在线工作的岗位数量增至 2 万 5800 个，已占到总岗位数量的10.6%。

不过俗话说得好，人心隔肚皮，更何况现在还多隔了一层屏幕，谁也保不准Neso 事件不会再次发生。

这不，最近根据美国联邦调查局调查，越来越多的人正在窃取别人的个人身份信息，以及利用 deepfake 来申请远程工作岗位。也正是由于 deepfake 技术使用人工智能或机器学习来生成图像、视频或音频等内容，其很难与真实材料区分开来。

比如，根据外媒报道，有位诈骗者一直远程工作的求职过程中借助了 deepfake，以试图进入 IT 工作，访问他们的客户或财务数据，以及企业 IT 数据和专业信息等。

无独有偶，根据其他公司爆料，有些求职者的个人信息更是完全属于另外一个人。

视频语音都被 deepfake，识破他们到底难不难？

6 月 28 日，FBI 网络犯罪投诉中心在一次公共咨询中表示，最近有关被冒充求职的投诉案件数量增加。诈骗者一直利用 deepfake 技术以及从受害者那里盗取的个人身份信息，骗过雇主雇佣他们进行远程或居家办公工作。

这些工作涉及到IT、计算机编程、数据库以及软件相关的职位。

deepfake 实现的身份伪装往往难辨真伪，诈骗者也就能够从公司内部窃取有价值的详细信息，以及实施其他身份欺诈计划。

甚至根据联邦执法机构补，在调查过程中，他们还发现了在线面试中使用面试者的语音也经过了 deepfake 伪造。

目前尚不清楚有多少人利用这种方式成功入职，被举报的在其中占了多少。

要识别 deepfake 也并非完全不可能。联邦调查局表示，雇主可以通过某种方式来检测深度伪造。在日常工作中，员工们仍然需要时不时地与雇主进行视频以汇报工作进度等，当他们开口说话时，也就是缺陷显露之时。

" 在镜头前，如果接受采访的人的动作和嘴唇运动与声音无法完全保持同步 "，" 比如突然的咳嗽、打喷嚏或其他听觉行为与视觉呈现的内容不一致"，那往往就是识破 deepfake 的关键。

但是真正要去识破 deepfake 并没有那么容易，尤其是在你不特别去注意的情况下。根据卡内基梅隆大学研究人员最近的一份报告，旨在检测被篡改的视频的人工智能的准确率可能在30% 到 97%之间，人类有办法检测出假视频，特别是一旦他们被训练成能够观察到某些视觉故障，如影子不正常或皮肤纹理有问题等。

deepfake 用得怎么样，还得看人

deepfake 用得好不好，到底是不是用在了 " 刀刃 " 上，还得看人。

2021 年，前披头士成员 Paul McCartney 就利用 deepfake 技术让自己 " 重返青春 "。在与 Beck 合作的 MV 中，观众看到的是一个年轻的、灵活的、岁月没有在他身上留下任何痕迹的 McCartney。

上个月马斯克也被 deepfake 了一把。

在 TED 主席 " 克里斯 · 安德森 " 采访马斯克的这段视频中，马斯克表示，一个名为 BitVex 的加密货币交易平台是他自己创建的，并承诺在三个月内，任何加密货币存款每天都有 30% 的回报率。

deepfake 也有做好事的时候。

最近，在荷兰一项重启调查的案件中，为了找到 13 岁的 Sedar Soares 和朋友们一起扔雪球时被枪杀的真相，在 Sedar Soares 家人的允许下，警方利用 deepfake 制作了一个 Sedar Soares 的视频，以此向公众征集线索，寻找目击证人。在这一分钟长的视频中出现了 Soares 的生活图像，他向摄像机打招呼并捡起一个足球。就在视频发布的第二天，荷兰鹿特丹警方发言人 Lillian van Duijvenbode 说 : " 我们已经收到了数十条线索，这一事实非常积极。"

还是那句话，技术的价值取向取决于使用该技术的人。

锻炼自己的 deepfake 识别能力

作为一种 AI 深度学习工具，deepfake 能够将一张图片中人的脸换到其他人的图片上的技术，从而创建一个非常逼真的 " 假 " 视频或图片，" 换脸 " 因此得名。

研究人员使用自动编码器神经结构，使这一想法成为现实。基本思路非常简单：对于每张脸都训练一套编码器和相应的解码神经网络。编码时，使用的是第一个人的图片。而解码时，却是使用第二个人解码器。

为了帮助人们更好地识破 deepfake 骗局，研究人员也从 Kaggle 公开比赛中托管的100,000个 deepfake 视频和19,154 个真视频中，训练了一系列神经网络来检测 deepfake。

总的来说，没有完全绝对的方法来帮助识别，但在 deepfake 中有几个点是值得注意的：

注意脸部：高端的 DeepFake 操纵几乎都是基于面部的；

注意脸颊和额头：皮肤是否显得太光滑或太有皱纹？皮肤老化程度是否与头发和眼睛老化程度一致？deepfake 在某些方面往往是不协调的；

注意眼睛和眉毛：阴影的位置是否正确？deepfake 通常无法完全正确地复制出自然物理学的场景；

注意眼镜：是否存在任何眩光？是否存在太多眩光？当人移动时，眩光的角度是否改变？再一次，DeepFakes 常常不能完全代表照明的自然物理学；

注意面部毛发或缺乏毛发的情况：面部毛发看起来是否真实？deepfake 可能会添加或去除胡子、鬓角或胡须，但这样的行为往往会带来违和感；

注意面部的痣：痣看起来真实吗；

注意眨眼：这个人的眨眼次数是否足够或过多；

注意嘴唇的大小和颜色：大小和颜色是否与此人面部的其他部分相匹配。

这八个问题都能帮助人们检查并识别 deepfake。

高质量的 deepfake 并不容易辨别，但通过练习，人们可以建立起一种基于 deepfake 的真假的直觉，相信直觉，并加以适当的辅助验证即可。