（圖自：加州大學河濱分校，via New Atlas）

研究期間，團隊向他們的深度神經網絡投喂了大量的篡改和非篡改照片數據集，并對其作出相應的計算機標記。

自被篡改的圖片中，團隊突出顯示了被數字化添加到鏡頭中的對象的邊界像素。此前已有研究人員證實，偽造照片的不尋常物體邊界，會較真實物體更加平滑或有所不同。

雖然人眼不一定能夠檢測到這些差異，但計算機可以對異常像素進行逐個的檢查，然后將標記的數據集輸入深度神經網絡。

這是一套模擬人腦的松散建模算法，旨在識別原始數據中的模式。基于此，該深度神經網絡將學會識別數字添加進去的圖像指示邊界。

當它隨后顯示來自數據集外部、此前沒見過的照片時，就能夠在很大程度上辨別出經過 Deepfakes 偽造的照片。

需要指出的是，盡管這套系統目前僅適用于靜態照片，但團隊正在努力將其應用于視頻的鑒別。畢竟視頻的本質，就是一幀幀的連續圖像。

當然，在投入實際試用后，這套深度神經網絡也可能永遠都做不到 100% 的識別準確率，畢竟訓練數據及都是被研究人員有意標識過的。

有關這項研究的詳情，已經發表在近日出版的《IEEE Transactions on Image Processing》影像處理期刊上。原標題為：

《Hybrid LSTM and Encoder–Decoder Architecture for Detection of Image Forgeries》