借助内容凭证重塑信任，赋予艺术家权益

Adobe 的研究员施鲁蒂・阿加瓦尔（Shruti Agarwal）致力于打击数字世界中的虚假信息，并让艺术家的作品得到应有的认可。攻读博士学位期间，她研究了深度伪造检测方法。如今，作为 Adobe 研究院内容真实性团队的一员，她正在开发工具，让人们能够深入了解数字图像的创作和编辑细节，从而真正理解自己所看到的内容。

您的研究聚焦于图像取证，尤其是探究图像的被篡改方式，您最初是如何对这项工作产生兴趣的？

本科时期，我就对图像分析算法很感兴趣。比如说，我们想在一张图片里找到猫或狗，就会编写一个算法来搜索，然后将搜索结果可视化呈现。在这个过程中，我擅长找出算法存在的问题并加以修正，我很享受这种反复迭代的过程。

在达特茅斯学院攻读博士学位时，通过我的导师哈尼・法里德（Hany Farid）教授，我接触到了多媒体取证领域，法里德教授被誉为 “数字取证之父”。从那时起，无论是在达特茅斯学院，还是后来在加州大学伯克利分校，我的研究不再是对图片中的猫和狗进行分类，而是识别图片中被篡改或编辑的区域，并从取证角度进行分析。

您能详细讲讲您在博士期间关于深度伪造检测的研究吗？

我的研究重点是被动取证，也就是说，我们会先拿到一张图像或一段视频，对其背景一无所知。接着，我们会通过分析像素或运动信息，来判断它是否被篡改过，以及具体发生了哪些改动。

当时，我们看到越来越多的人脸和语音被编辑的案例，这引发了广泛的担忧。为了解决这个问题，我开始致力于通过分析软生物特征模式，来检测政治家和世界领导人的深度伪造视频，这些特征包括面部识别信息，以及面部运动方式，以此判断视频中的人物是否被修改过。

例如，某个人在开心时脸上会出现酒窝，或者在说某个特定单词时总会有特定的头部动作。我们识别这些特征，虽然这些特征并非在数百万人中独一无二，但足以区分真实人物和伪造的版本。

我们还会分析音素相关信息。当人们发出 P、B 或 M 这些音时，嘴唇必须紧闭。但大多数深度伪造视频在处理这些音素时，很难做到嘴唇紧闭，这就成了判断视频是否被篡改的一个线索。

您是如何将这些技能运用到 Adobe 研究院的工作中的呢？

在 Adobe 研究院，我的工作依然与虚假信息这一广泛问题相关，但采取的方法有所不同。我们不再简单地判定一张图片是 “真实” 还是 “虚假”，也不充当事实的仲裁者，而是赋予用户自行验证图片并深入了解图片信息的能力。

例如，作为一名消费者，我非常想知道是哪个机构发布了这张图片，它是相机拍摄的，还是由人工智能生成的。如果是相机拍摄的，是否经过编辑？如果是人工智能生成的，是完全由人工智能创作，还是仅利用人工智能去除了图片中的一个小瑕疵，而未改变图片的主旨？我们知道，大多数图片都经过了某种程度的编辑，但这并不意味着它们是真是假，然而让用户了解图片的改动情况是很有必要的。

为了实现这种透明度，我们为数字内容创建了 “营养标签”，即内容凭证。内容凭证能让创作者在图片中嵌入相关信息，包括图片的制作和编辑方式。用户只需点击图片上的 CR 图标，就能了解更多详细信息。

我们还有 Adobe 内容真实性网络应用程序，这一工具能让创作者轻松地为自己的作品附上内容凭证。此外，我们的 Chrome 浏览器插件，能让用户在那些没有内置内容凭证显示功能的网站或社交平台上查看相关凭证信息。

您希望人们如何使用内容凭证呢？

我们正在与内容真实性倡议组织合作，该组织是一个跨行业社群，由 Adobe 在 2019 年发起成立，目前已有 4000 多家民间团体、媒体和科技公司加入，致力于推动媒体透明度提升，并促进内容凭证的广泛应用。

在理想情况下，随着越来越多的人使用内容凭证，我设想大家在打开一篇新闻文章时，会看到一个弹出框，里面显示着关于图片的详细信息。这会让用户安心，因为他们能真正了解图片的来源。

从弹出框中，可能还会有一个链接，以便用户进一步深入了解。如果用户对图片的编辑方式、编辑者等信息特别感兴趣，就可以点击链接，跳转到一个详细的网站查看。也许未来还会有人工智能助手，为用户讲述关于图片的完整故事，并解答用户的疑问。

目前，对于内容凭证来说，最重要的是推广应用。看到内容凭证的人越多，他们就会越熟悉它，这种信息透明的理念也就能更快地融入我们的日常工作流程中。

您最近在从事哪些方面的工作呢？

在过去两年里，我一直在研究一种持久性的内容凭证方案。内容凭证是以元数据的形式嵌入数字内容中的，但在许多平台和网站上，元数据很容易被剥离。因此，我们正在利用水印和指纹技术提供解决方案。

当我们为图片添加不可见的水印后，即使不通过数据库查询，也能检测到水印，并将其直接关联到被剥离的元数据上。通过这种方法，即使在那些会剥离元数据的网站上，也能提高内容凭证的使用率。

我的研究还致力于让内容凭证在从互联网进入现实世界的过程中保持持久性。例如，我在 MAX Sneak 活动中展示了 “Project Know How” 项目，这项技术能为打印在实体物品上的图像保留内容凭证信息。

在未来，除了用于验证内容真实性，来源信息还能有哪些其他用途呢？

艺术家面临的一个挑战是，当他们的作品被用于生成人工智能图像时，难以获得相应的认可。我们发现，即使在图像生成之后，不可见的水印依然存在。假设一位艺术家的图片被用于训练数据集，并且这些图片都带有特定水印，那么任何基于这位艺术家风格生成的人工智能图像也会带有该水印。这一点非常重要，因为这意味着每当一幅人工智能生成的图像受到某位艺术家作品的启发时，艺术家都能够获得认可，这既包括在行业内得到肯定，也可能带来经济回报。此外，内容凭证还设有一个选项，供那些不希望自己的作品用于训练人工智能模型的艺术家勾选。

您的职业路径像是 “回旋镖”，您曾在印度的 Adobe 担任工程师，之后离开去攻读博士学位，如今又回到 Adobe，加入了位于圣何塞的研究院。您能讲讲您为什么选择这条职业道路吗？

在攻读博士学位之前，我是一名工程师，参与 Adobe Illustrator 触摸工作区的开发，这在当时是一个重要项目。在参加 Adobe Summit 期间，我见到了 Adobe 的研究员们展示他们的研究成果。我清楚地记得，他们都拥有博士学位，而且正在研究一些非常有趣的课题。那时我就觉得自己也应该去攻读博士学位。

在麻省理工学院做博士后期间，我重新与 Adobe 建立了联系，并了解到了内容真实性倡议组织。这对我来说是一个绝佳的机会，因为他们正在解决的问题，与我在图像取证领域研究的问题一致，而且是将研究成果应用于实际的现实场景中。

如今，我非常高兴能在 Adobe 研究院工作，为打击虚假信息贡献力量。我认为这是我们这一代人面临的最重要的问题之一。我希望内容凭证能变得无处不在，让内容信息透明成为我们日常生活的一部分。