（图自：加州大学河滨分校，via New Atlas）
研究期间，团队向他们的深度神经网络投喂了大量的篡改和非篡改照片数据集，并对其作出相应的计算机标记。
自被篡改的图片中，团队突出显示了被数字化添加到镜头中的对象的边界像素。此前已有研究人员证实，伪造照片的不寻常物体边界，会较真实物体更加平滑或有所不同。
虽然人眼不一定能够检测到这些差异，但计算机可以对异常像素进行逐个的检查，然后将标记的数据集输入深度神经网络。
这是一套模拟人脑的松散建模算法，旨在识别原始数据中的模式。基于此，该深度神经网络将学会识别数字添加进去的图像指示边界。
当它随后显示来自数据集外部、此前没见过的照片时，就能够在很大程度上辨别出经过 Deepfakes 伪造的照片。
需要指出的是，尽管这套系统目前仅适用于静态照片，但团队正在努力将其应用于视频的鉴别。毕竟视频的本质，就是一帧帧的连续图像。
当然，在投入实际试用后，这套深度神经网络也可能永远都做不到 100% 的识别准确率，毕竟训练数据及都是被研究人员有意标识过的。
有关这项研究的详情，已经发表在近日出版的《IEEE Transactions on Image Processing》影像处理期刊上。原标题为：
《Hybrid LSTM and Encoder–Decoder Architecture for Detection of Image Forgeries》
