UCLA数字-光学混合处理器可同时识别多路深度伪造视频

一种混合数字-光学系统可同时在多个通道上识别深度伪造视频 [图片：Ozcan Lab / UCLA]

美国加州大学洛杉矶分校（UCLA）的研究人员开发出一种可扩展的数字-光学处理器，能够在同时分析 15 个或更多视频通道时准确检测深度伪造视频（eLight，doi：10.1186/s43593-026-00143-y）。该混合系统将数字神经网络与支持高速并行处理的光学引擎相结合，为内容提供商识别 AI 生成的视觉媒体提供了一种稳健而高效的解决方案。

深度伪造检测的需求

逼真的 AI 生成内容的快速扩散，催生了对可靠、稳健的深度伪造检测的迫切需求。深度学习模型已被证明能够准确识别被篡改的媒体，但数字处理的可扩展性受到高计算开销和需要逐个顺序处理视频的限制。当前的深度伪造检测器还容易受到对抗性攻击，即使对输入视频做出很小的改动，也会使预训练模型无法区分合成媒体与真实内容。

在 Aydogan Ozcan 及其同事设计的混合架构中，首先使用数字神经网络从每个视频随机选取的帧中提取空间、时间与光谱信息。随后，这些数据被编码为可显示在空间光调制器上的相位图案，生成包含多个视频流信息的单一光场。该光场在自由空间传播后，其强度分布由成对排列的探测器阵列捕获，每对探测器之间的强度差指示相应视频是真实还是伪造。

利用混合框架

UCLA 研究人员使用取自 Celeb-DF 的 15 段名人视频测试了其混合框架，Celeb-DF 是一个包含换脸篡改内容及原始内容的基准数据集。该系统区分真实视频与伪造视频的准确率达到 97.8%，同时其在所有通道上近乎完美的灵敏度几乎消除了漏检被篡改视频的可能性。当复用容量提升至每次光学通过处理 18 段视频时，系统仍保持 96.1% 的平均准确率。

研究团队还表明，在光路中加入衍射光学元件可进一步提升处理器性能。在使用包含更具挑战性的深度伪造篡改的数据集时，加入两层衍射层后，检测准确率从原系统的 89.0% 提升至 95.8%。借助这一增强，该混合架构在能耗降低约 10 倍的情况下，超越了最佳的数字深度伪造检测器。

进一步测试表明，该系统能够适应使用最新生成式 AI 工具（如 Google 的 Gemini 平台）创建的视频内容，这些内容缺少早期深度伪造视频中的许多伪影。该光学处理器还能应对视频质量中的真实世界缺陷，而其物理特性使其天然具备抵御对抗性攻击的能力。

Ozcan 及其同事表示，这种混合处理器提供了在线内容提供商进行初筛系统所需的速度和可靠性。他们总结道：“更广泛地说，这项工作凸显了光电混合计算作为一种可扩展且物理安全的范式，在可信 AI 系统中的潜力。”