一名美國參議員計劃在來年重新制定針對“ Deepfake”媒體的立法，因為立法者與人工智能和生物識別行業的成員一起努力遏制複雜的複雜性欺騙，軸報告。
參議員本·薩斯斯（Ben Sasse）告訴阿克西奧斯（Axios），可以量身定制美國人的錄像 - 從未說過的事情的視頻，以使美國人分開，並在任何文化戰爭大火上倒汽油。 ” “即使這是使我們的情報界晚上，華盛頓並沒有真正討論這個問題。 ”
馬里蘭州法學教授丹妮爾·塞倫（Danielle Citron），他共同撰寫了一個有影響力的人報告在Deepfakes上，告訴Axios，自動檢測偽造的系統比法律更改更為重要，但是這種系統並不緊密。
Pindrop首席執行官Vijay Balasubramaniyan認為，這一說法是科技行業與法律專家之間脫節的案例。他告訴生物識別更新在一次訪談中，這個問題是非常真實的，並且既威脅公共話語，以及身份驗證和身份驗證服務，尤其是由於數據洩露的頻率以及在漏洞數據中包括音頻樣本的可能性增加。但是，他說，當前的技術可以以超過90％的精度識別這種假音頻內容，並且由於同步聲音和圖片的挑戰，視頻甚至更容易。
他解釋說：“人類的聲音具有數百萬年的進化，具有某些特徵。” “機器不在乎所有這些，他們只是希望它聽起來像您。您可以使用二分法來檢測深層假貨。”
但是，隨著深果變得越來越複雜，努力正在進行中。 Google正在製作大量的綜合音頻語音數據集，該音頻語音是該公司的文本到語音（TTS）深度學習模型，以供用於2019 ASVSPOOF挑戰。 Balasubramaniyan認為Google認識到挑戰的重要性，並且需要更多的合成數據以確保測試是可靠的，並且能夠檢測到深擊的技術繼續改善。 Google在博客文章宣布這一決定，並指出除其他潛在風險外，深瓦允許不良行為者可以更可靠地聲稱真正的內容是假的。
Balasubramaniyan指出，通過將樣品縫合在一起製成的假貨比計算機合成的語音更難檢測到更難檢測，但是諸如假貨中使用的目標音頻的質量和數量之類的變量在偽造的目標音頻的質量和數量上對檢測到的容易造成了顯著差異。他說，儘管如此，使深果愚弄人耳的事實使它們容易受到深層神經網絡的影響。
Balasubramaniyan指出：“當您每秒採集8,000個樣品時，因為它是一個基於數百萬年的進化而生產的樣本時，只有某些配置可能會發生。” “但是，當我們查看這些機器及其產生的東西時，它們會優化，以使您的耳朵聽到某種內容。”
Axios表示，SASSE以外的多個國會議員正在與法律學者和州政策制定者進行諮詢，以更好地了解該問題，並且在紐約州立法機關的一項有爭議的法案中也包括針對深層訴訟的法律。
電子邊境基金會公民自由總監戴維·格林（David Greene）表示關注該立法可能損害言論自由。 Balasubramaniyan同意。
他說：“我認為，您將預防的是低調的水果，就像創建模仿視頻的人一樣。” “如果有人真正想造成損害，他們不在乎您的法律，就不會活在美國。”
Sasse的法案將針對Deepfakes的創建和分佈，但邁阿密大學法學教授和網絡民權計劃主席瑪麗·安妮·弗蘭克斯（Mary Anne Franks）表示，證明人們有意識地散發的深擊可能幾乎是不可能的。
Balasubramaniyan認為，這個問題並不棘手。通過持續的行業創新和協作，Livices的檢測可以在欺詐性演員的最大努力中掌握。
他說：“有一件好事。” “我們已經與開源社區看到了這一點。當一群好人聚在一起時，好人的人數希望大於壞人的數量。”
