Доцент географии Вашингтонского университета Бо Чжао и его коллеги опубликовали статью на тему «дипфейк-география», в которой рассказали о собственных экспериментах по генерированию дипфейков спутниковых снимков и по их обнаружению.
Чжао и его команда создали программное обеспечение для генерации дипфейков спутниковых изображений, используя генеративные состязательные сети, которые уже задействовали в таких программах, как ThisPersonDoesNotExist. Затем они создали ПО для обнаружения подделок на основе таких характеристик, как текстура, контраст и цвет.
Чжао решил проинформировать общественность о проблемах надежности спутниковых снимков и повысить осведомленность о потенциальном влиянии дипфейк-географии. Учёный отмечает, что, пока специалисты по геоинформационным системам отмечают технические достоинства глубокого обучения и других типов ИИ, лишь немногие публично признают или критикуют потенциальные угрозы дипфейков в данной области.
На рисунке ниже приведены карты и спутниковые изображения (настоящие и поддельные) одного из районов Такомы (штат Вашингтон). В левом верхнем углу показано изображение из картографической программы, а в правом верхнем углу — фактический спутниковый снимок района. Нижняя пара — это смоделированные спутниковые изображения района, созданные на основе геопространственных данных Сиэтла (внизу слева) и Пекина (внизу справа).
Создавать поддельные спутниковые снимки благодаря их низкому разрешению, безусловно, легче, чем поддельные видеоролики с изображением людей, говорит Чжао. Кроме того, к таким снимкам потенциально больше доверия, поскольку их передают правительственные спутники и аппараты крупных космических компаний.
Географы давно говорят о проблемах, которые могут возникнуть из-за появления поддельных снимков из космоса. По их словам, такие изображения могут вводить в заблуждение, демонстрируя, к примеру, лесные пожары или наводнения.
Географические дипфейки могут также представлять угрозу национальной безопасности, поскольку геополитические противники могут использовать их для введения друг друга в заблуждение.
Ранее группа учёных из Калифорнийского университета в Сан-Диего продемонстрировала, что даже самые продвинутые системы обнаружения дипфейков можно обмануть: для этого достаточно внедрить слегка измененные входные данные или состязательные примеры в каждый видеокадр дипфейка.