一名美国参议员计划在来年重新制定针对“ Deepfake”媒体的立法，因为立法者与人工智能和生物识别行业的成员一起努力遏制复杂的复杂性欺骗，轴报告。
参议员本·萨斯斯（Ben Sasse）告诉阿克西奥斯（Axios），可以量身定制美国人的录像 - 从未说过的事情的视频，以使美国人分开，并在任何文化战争大火上倒汽油。” “即使这是使我们的情报界晚上，华盛顿并没有真正讨论这个问题。”
马里兰州法学教授丹妮尔·塞伦（Danielle Citron），他共同撰写了一个有影响力的人报告在Deepfakes上，告诉Axios，自动检测伪造的系统比法律更改更为重要，但是这种系统并不紧密。
Pindrop首席执行官Vijay Balasubramaniyan认为，这一说法是科技行业与法律专家之间脱节的案例。他告诉生物识别更新在一次访谈中，这个问题是非常真实的，并且既威胁公共话语，以及身份验证和身份验证服务，尤其是由于数据泄露的频率以及在漏洞数据中包括音频样本的可能性增加。但是，他说，当前的技术可以以超过90％的精度识别这种假音频内容，并且由于同步声音和图片的挑战，视频甚至更容易。
他解释说：“人类的声音具有数百万年的进化，具有某些特征。” “机器不在乎所有这些，他们只是希望它听起来像您。您可以使用二分法来检测深层假货。”
但是，随着深果变得越来越复杂，努力正在进行中。 Google正在制作大量的综合音频语音数据集，该音频语音是该公司的文本到语音（TTS）深度学习模型，以供用于2019 ASVSPOOF挑战。 Balasubramaniyan认为Google认识到挑战的重要性，并且需要更多的合成数据以确保测试是可靠的，并且能够检测到深击的技术继续改善。 Google在博客文章宣布这一决定，并指出除其他潜在风险外，深瓦允许不良行为者可以更可靠地声称真正的内容是假的。
Balasubramaniyan指出，通过将样品缝合在一起制成的假货比计算机合成的语音更难检测到更难检测，但是诸如假货中使用的目标音频的质量和数量之类的变量在伪造的目标音频的质量和数量上对检测到的容易造成了显着差异。他说，尽管如此，使深果愚弄人耳的事实使它们容易受到深层神经网络的影响。
Balasubramaniyan指出：“当您每秒采集8,000个样品时，因为它是一个基于数百万年的进化而生产的样本时，只有某些配置可能会发生。” “但是，当我们查看这些机器及其产生的东西时，它们会优化，以使您的耳朵听到某种内容。”
Axios表示，SASSE以外的多个国会议员正在与法律学者和州政策制定者进行咨询，以更好地了解该问题，并且在纽约州立法机关的一项有争议的法案中也包括针对深层诉讼的法律。
电子边境基金会公民自由总监戴维·格林（David Greene）表示关注该立法可能损害言论自由。 Balasubramaniyan同意。
他说：“我认为，您将预防的是低调的水果，就像创建模仿视频的人一样。” “如果有人真正想造成损害，他们不在乎您的法律，就不会活在美国。”
Sasse的法案将针对Deepfakes的创建和分布，但迈阿密大学法学教授和网络民权计划主席玛丽·安妮·弗兰克斯（Mary Anne Franks）表示，证明人们有意识地散发的深击可能几乎是不可能的。
Balasubramaniyan认为，这个问题并不棘手。通过持续的行业创新和协作，Livices的检测可以在欺诈性演员的最大努力中掌握。
他说：“有一件好事。” “我们已经与开源社区看到了这一点。当一群好人聚在一起时，好人的人数希望大于坏人的数量。”
