การจับภาพปลอมจาก AI (Deepfake Detection) วิธีตรวจจับภาพปลอมยุคใหม่

 Deepfake คืออะไร? ทำไมต้องรู้ทัน

Deepfake คือภาพหรือวิดีโอที่ถูกสร้างขึ้นโดย AI เช่น Generative Adversarial Networks หรือ diffusion models ซึ่งสามารถสร้างภาพที่เหมือนจริงอย่างมาก เป็นผสมคำว่า "Deep Learning" (การเรียนรู้เชิงลึกของ เครื่องจักรด้วยกระบวนการคอมพิวเตอร์ตามอัลกอริทึมที่ถูกกำหนดไว้) + "Fake" (ปลอม) ของปลอม ของเลียนแบบ สร้างให้เหมือน

อีกนัยยะหนึ่ง เป็นเทคโนโลยีปัญญาประดิษฐ์ (AI) ที่ใช้การเรียนรู้เชิงลึก (Deep Learning) สร้างภาพ เสียง หรือวิดีโอปลอมขึ้นมา โดยจำลองใบหน้า ท่าทาง และน้ำเสียงของบุคคลจริงได้อย่างแนบเนียนจนแยกได้ยาก มักใช้ปลอมแปลงตัวตนเพื่อหลอกลวง ข่าวปลอม หรือสร้างคอนเทนต์ล้อเลียน  ซึ่งเทคโนโลยีปัญญาประดิษฐ์ยุคนี้สามารถสลับหน้า (Face Swap) หรือทำให้ใบหน้าในคลิปวิดีโอพูดตามเสียงที่สังเคราะห์ขึ้นมาใหม่

ปัญหาคือ ใช้หลอกลวง ใช้สร้างข่าวปลอม กระทบความน่าเชื่อถือของข้อมูล ดังนั้น “การตรวจจับภาพปลอมจาก ปัญญาประดิษฐ์​ AI Deepfake Detection” จึงเป็นทักษะสำคัญในยุคดิจิทัล

วิธีตรวจจับภาพปลอมจาก AI (Deepfake Detection) ด้วย AI 

1. ใช้ Convolutional Neural Network วิเคราะห์เพื่อวิเคราะห์ ผิวหน้าดูเนียนเกินจริง ขอบภาพผิดปกติ รายละเอียดบางจุดเบลอ เป็นเทคนิคหนี่งใช้กันมากในระบบ AI ตรวจจับ
   
   

   
   
   ภาพที่ 1 ผิวหน้าที่เนียนเกินจริง
   (ภาพอ้างอิงจาก URL: https://community.iqoo.com/in/thread/128389?utm_source=chatgpt.com)
   
   
   
   
   
   
2. ตรวจสอบในโดเมนความถี่ (Frequency Detection)
   
   
   
   
   ภาพที่ 2 รายละเอียดบางจุดเบลอ 
   (ภาพอ้างอิงจาก URL: https://www.mdpi.com/2079-9292/13/23/4615)
   
   
3. วิเคราะห์การเคลื่อนไหว (Video Deepfake) ใช้ Vision Transformer (ViT) Deepfake คือเทคโนโลยีการสร้างสื่อสังเคราะห์ (ภาพ, วิดีโอ, เสียง) ที่สมจริงอย่างมากโดยใช้สถาปัตยกรรมโครงข่ายประสาทเทียมแบบ "Transformer" มาประยุกต์ใช้กับข้อมูลภาพแทนที่จะใช้ CNN (Convolutional Neural Networks) แบบเดิม เพื่อวิเคราะห์ การกะพริบตาการเคลื่อนไหวของปาก ความต่อเนื่องของเฟรม 
   
   
   
   
   
   

   ภาพที่ 2 วิเคราะห์การเคลื่อนไหว 

   (ภาพอ้างอิงจาก URL: https://apps.mynexthire.io/media/www/interview-lobby1.webp)
   
   
4. ตรวจสัญญาณชีวภาพ (Biological Detection)  เพื่อตรวจสอบ โดยการตรวจ การไหลของเลือด (rPPG) micro-expression เป็นเทคนิคที่ “ปลอมยากที่สุด”
   
   
   
   

   ภาพที่ 2 ตรวจด้วยสัญญาณชีวภาพ

   (ภาพอ้างอิงจาก URL: https://www.frontiersin.org/files/Articles/1504551/xml-images/fimag-04-1504551-g0004.webp)
5. เทคนิคใหม่: Trace-based Detection ตรวจสอบจาก “ร่องรอยการสร้างภาพ” จาก AI เช่น
   Noise Pattern (รูปแบบสัญญาณรบกวน) คือ สัญญาณรบกวนที่ไม่พึงประสงค์ (Noise) ที่ปรากฏเป็นรูปแบบหรือโครงสร้างเฉพาะเจาะจง ไม่ใช่สัญญาณรบกวนแบบสุ่ม (Random Noise) โดยมักเกิดจากข้อบกพร่องของอุปกรณ์ เช่น เซ็นเซอร์กล้อง หรือระบบเสียง ตัวอย่างเช่น จุดสีแปลกปลอมในภาพถ่ายที่เกิดในตำแหน่งเดิมเสมอ และ
   residual signal คือสัญญาณที่เหลือจากการทำ Signal Processing เพื่อลบข้อมูลที่ทราบค่าแล้วออกไป ซึ่งมักจะใช้เพื่อตรวจจับความผิดปกติ (Anomaly Detection) หรือหาสัญญาณรบกวน (Noise) ที่ซ่อนอยู่
   
   
   
   
   

   ภาพที่ 2 ตรวจด้วยสัญญาณชีวภาพ

   (ภาพอ้างอิงจาก URL: https://www.mdpi.com/sensors/sensors-23-00616/article_deploy/html/images/sensors-23-00616-g006-550.jpg)