李 猛

（湘潭大学 公共管理学院，湖南 湘潭 411105）

人类在发展过程中学会了根据感官对物质世界的体验来定义现实，某些形式的网络交流正试图创建我们熟悉的情境，如：视频似乎是合理的现实表现形式，实时音频听起来像人们的实际说话方式①约翰·R.苏勒尔.赛博人:数字时代我们如何思考、行动和社交［M］.刘淑华，译.北京:中信出版集团，2018:57.。一张图片可以胜过千言万语，却没有比一段事件的音频或视频记录更具有说服力，但现在却是一个巨大的危险。人类传统的认知范式被改变，“眼见不一定为真”，“耳听不一定为实”。 深度伪造（Deepfake）是人工智能的前沿技术，具有场景再现的优势，在文化、教育、医疗及娱乐等领域给公民的工作、学习和生活带来便利。但随着智能技术的广泛运用，衍生的国家安全风险也逐渐成为互联网讨论的热门话题，如男大学生造女生“黄谣”“奥巴马咒骂特朗普”“佩洛西醉酒演讲”等新闻。

一、问题的提出与文献综述

Deepfake（深度伪造）源自Deep learning（深度学习）和fake（伪造）的组合，是人工智能最新发展的产物，特指基于生成对抗网络（GANs）等深度学习模型，来创造逼真的虚假图像、视频的技术①王坤峰，苟超，段艳杰，等.生成式对抗网络GAN 的研究进展与展望［J］.自动化学报，2017（3）:321-332.。 GANs 由两个“神经网络”同时承担，一个网络被称为“生成器”（generator），创建了以源数据为模型的内容，而第二个网络“鉴别器”（discriminator）试图识别伪造内容。生成器生成的图片尽可能地欺骗鉴别器，而鉴别器又尽可能地从真实图片中判断出合成的图像，两者的博弈保证了伪造视频和音频的真实性。……