作為英特爾負責任的人工智能工作的一部分，該公司已經開發了FakeCatcher，這項技術能夠以96%的準確率檢測虛假人臉視頻。英特爾的Deepfake檢測平台是世界上第一個實時Deepfake檢測器，它可以在幾毫秒內返回結果。

“Deepfake視頻現在無處不在。你可能已經看到了它們；名人做或說他們實際上從未做過的事情的視頻，”英特爾實驗室高級研究科學家Ilke Demir說。

英特爾的實時Deepfake檢測使用了英特爾的硬件和軟件，在服務器上運行，並通過一個基於網絡的平台進行接口化服務。在軟件方面，一系列專業工具的搭配構成了優化的FakeCatcher架構。團隊使用OpenVino來運行人臉和地標檢測算法的AI模型。計算機視覺模塊用英特爾集成性能原件（一個多線程軟件庫）和OpenCV（一個處理實時圖像和視頻的工具包）進行了優化，而推理模塊則用英特爾深度學習促進器和英特爾高級矢量擴展512進行了優化，媒體模塊用英特爾高級矢量擴展2進行了優化。團隊還依靠開放視覺雲項目為英特爾至強可擴展處理器系列提供了一個集成軟件棧。在硬件方面，實時檢測平台可以在第三代英特爾至強可擴展處理器上同時運行72個不同的檢測流。

大多數基於深度學習的檢測器會查看原始數據，試圖找到不真實的跡象並確定視頻的問題所在。相反，FakeCatcher通過評估使我們成為人類的因素，那就是視頻像素中微妙的”血流”，在真實視頻中尋找真實的線索。當心臟泵血時，人的靜脈會改變顏色，這些血流信號是可以從面部各處收集的，算法將這些信號翻譯成時空圖。然後，利用深度學習，就可以立即檢測出一個視頻是真的還是假的，因為Deepfake視頻偽造出的人臉是不會有這樣細微的血流特徵的。

Deepfake視頻是一個日益增長的威脅。根據Gartner的數據，公司將在網絡安全解決方案上花費高達1880億美元。實時檢測這些Deepfake的視頻也很困難–檢測應用程序需要上傳視頻進行分析，然後等待幾個小時的結果。

Deepfake造成的欺騙會造成傷害，並導致負面後果，如對媒體的信任度降低。因此，FakeCatcher能幫助恢復信任，使用戶能夠區分真實和虛假的內容。

FakeCatcher有幾個潛在的使用案例。社交媒體平台可以利用這項技術，防止用戶上傳有害的Deepfake視頻。全球新聞組織可以利用該探測器，避免無意中放大被操縱的視頻。非營利組織可以利用這個平台，使每個人都能簡單地檢測Deepfake，防止其帶來誤導。