Deepfakes in Echtzeit entlarven: Intel entwickelt Fakecatcher
Intel hat ein Tool vorgestellt, das Deepfakes enttarnen soll. Nach Angaben des Unternehmens soll die Technologie mit einer Genauigkeit von 96 Prozent Fälschungen erkennen.
Laut Intel funktioniert das Tool quasi in Echtzeit und soll in Millisekunden Ergebnisse liefern. Der Fakecatcher, so der Name der Entwicklung, ist bislang weltweit einzigartig.
So funktioniert Intels Fakecatcher
Der Fakecatcher nutzt nach Angaben des Unternehmens hauseigene Hard- und Software und läuft über einen Server, der an eine webbasierte Plattform angebunden ist. Um Fakes zu entlarven, kommen laut Intel diverse „Spezialwerkzeuge“ zum Einsatz. Dazu gehören Openvino, Intels Multithreading-Softwarebibliothek Integrated Performance Primitives, Opencv, Intels Advanced Vector Extensions und noch weitere Komponenten.
Der Schlüssel zum Entschlüsseln von Deepfakes ist Intel zufolge das hauseigene Deep Learning. Im Gegensatz zu den gängigen Erkennungsprogrammen, die hauptsächlich Rohdaten analysieren, um Fälschungen zu identifizieren, geht Fakecatcher damit einen anderen Weg.
Das Tool sucht nach Hinweisen in Videos, die eindeutig menschlich sind. Eines dieser Merkmale ist das Blut im menschlichen Körper. Wenn unser Herz Blut durch unseren Körper pumpt, ändern unsere Venen ihre Farbe.
Blut als entscheidender Faktor bei der Erkennung von Deepfakes
Diese „Blutflusssignale“ werden im Gesicht sichtbar und in Algorithmen übersetzt, erklärt Intel die Funktionsweise seines Fakecatchers. Dank Deep Learning sei es dann möglich, sofort zu erkennen, ob ein Video gefälscht ist oder nicht.
Diese neue Technologie könnte in der Zukunft immer wichtiger werden, da Deepfakes häufig von Kriminellen aus unterschiedlichen Beweggründen genutzt werden. Auch im Entertainment-Bereich sind Deepfakes ein häufiges Problem, womöglich in Zukunft aber auch ein lukratives Geschäft, das ebenfalls geschützt werden muss: Der Hollywood-Star Bruce Willis hat in diesem Bereich bereits seine Erfahrung mit einem digitalen Zwilling gemacht.