这些数据通过 GAN（生成对抗网络，一种专门的机器学习系统）进行处理，从而制作出 Deepfake 视频。它采用两个神经网络，以相互竞争的方式学习训练集（例如人脸照片）的特征，然后生成具有相同特征的新数据（新的仿冒“照片”）。
当网络根据训练集测试创建的图像时，虚假的图像、视频和音频变得更加令人信服。这使得 Deepfake 成为一个更强大的威胁，因为它们可以利用合成技术来复制声音。
创建深度伪造的另一种方法是使用自动编码器架构。自动编码器神经网络旨在将数据（例如图像）编码为低维潜在表示（即数学向量而不是像素），压缩数据，然后在管道的另一端重建相同的数据。自动编码器在计算机视觉领域有多种用途，例如笔迹分析和面部识别。
由于自动编码器从图像（例如面部图像）中寻找“基本”数据，因此它们非常擅长消除视觉噪声。对于深度伪造软件而言，这意味着自动编码器架构可以从面部图像中学习基本特征和特性，同时很大程度上忽略图像中可能存在的无关因素，例如颗粒、阴影和其他“非面部”元素，从而产生多功能且广义的模型（即，可以对不同于原始训练数据的数据执行有用转换的模型）。
虽然深度伪造的概念也用于在电影中创造视觉效果，但在线深度伪造有很多用途：
虚假宣传活动，特别是在选举期间，旨在左右民意。
勒索是指某人制作你的深度伪造视频或图像，并威胁说如果你不屈服于他们的要求，他们就会发布它。
随着技术和人工智能的发展，在线深度伪造视频和图像变得更容易生成，也更令人信服。成为深度伪造的受害者对企业、名人、员工、选举候选人和普通个人都构成了高风险。
尽管他在会议上看到了其他员工和首席财务官，但这一切都是深度伪造的人工智能操纵面部识别特征，使其看起来像同事和首席财务官。
当妮基试图将钱转入她伴侣的银行账户时，她才得知这一骗局。
随着深度伪造迅速成为一个日益严重的问题和安全风险，您可以采取一些措施来防止它发生在您或您的企业身上。
限制对包含您的视频或图像的社交媒体帐户的访问，以减少复制您的肖像的机会。
确保所有在线帐户都要求您在使用双重身份验证访问之前验证您的身份。这使得欺骗者更难侵入您的帐户。
跟踪视频中个人的面部特征，以验证其是否与正常人类动作一致的。
视频是否出现卡顿或清晰度不一致？
检查自然动作，例如眨眼。是太少还是太多？
查看视频中的阴影和灯光是否一致的。
涉及身份或金融盗窃的深度伪造是犯罪行为。通知当地执法部门并提供证据，以便当局可以发布正式报告。此报告可用于您的银行、保险、和其他官方犯罪帐户。
如果您或您的企业的信誉受到威胁，与公共关系专家合作可以帮助您制定回应并将其分发给必要的各方以减轻任何损害。
一些科技公司正在生产深度伪造检测工具，以帮助阻止错误信息、欺诈和 钓鱼诈骗的传播。
如今，有一些新兴技术正在帮助视频制作者为其视频验真。可以使用一种加密算法，在视频中按既定时间间隔插入哈希值；如果视频被篡改，这个哈希值也会发生变化。AI 和区块链技术可以为视频注册防篡改的数字指纹。这种方式与为文档添加水印很相似；不过视频的困难在于，如果要压缩视频以用于不同的编解码器，那么需要设法留下哈希值。
对抗 Deepfake 尝试的另一种方法是使用一种特殊的程序，将经过特殊设计的数字“伪影”插入视频中，以隐藏人脸检测软件所使用的像素模式。这类伪影会降低 Deepfake 算法的速度，并导致其获得低劣的结果，从而降低了成功进行 Deepfake 伪造的机会。
预防性安全保护：
确保员工和家人了解 Deepfaking 的工作原理及其带来的挑战。
自行探究并向他人科普如何发现 Deepfake。
有良好的基本协议。对语音邮件和视频保持质疑态度不能保证您永远不会被骗，但确实可以帮您避开许多陷阱。
定期备份可保护您的数据免受勒索软件的侵害，也让您可以恢复损坏的数据。
为不同的帐户使用不同的强密码，这样，即便有一个网络或服务遭遇入侵，其他网络或服务也可能安全无忧。如果有人侵入您的 Facebook 帐户，您必定不希望他们也能够侵入您的其他帐户。
社会工程欺骗攻击 是一种网络钓鱼诈骗，通过冒充他人来欺骗和操纵个人。这些骗局的目的是获取机密信息并让受害者转移资金或访问系统。
是。诈骗者现在可以生成听起来与您一模一样的深度伪造音频，以帮助您的名义向朋友、家人或同事勒索钱财。为了解决这个问题，请与亲人设置一个暗号或安全问题，骗子不会知道答案，您可以在通话过程中询问，以验证他们的身份。
Deepfake 视频、音频和图像是由人工智能制作的。机器学习吸收您外貌的所有数据并创建合成版本。