ترفند جدید خبرنگاران برای تشخیص خبر ساختگی از خبر واقعی
اگر فضای مجازی و اخبار مربوط به آن را دنبال می‌کنید حتماً کلمه «دیپ فیک» یا معادل فارسی‌اش «جعل عمیق» را شنیده‌اید. در صورتی که از دیپ فیک بی‌خبرید توصیه می‌کنم به توضیحات سایت فرادرس مراجعه فرمایید (https://blog.faradars.org/what-is-deepfake). این پدیده در چند سال اخیر رشد چشمگیری را به خود دیده است و طبق یافته‌های شرکت امنیت سایبری «تیپ تریس» تعداد ویدئوهای جعلی معروف به دیپ فیک در نُه ماه اخیر دو برابر شده است، به گونه‌ای که امروزه تولید این نوع محتواهای فریبنده به شغلی پولساز تبدیل شده و بنا بر این انتظار می‌رود این روند نه تنها ادامه یافته بلکه با سرعت و کثرت بیشتر و بیشتر در محیط فضای مجازی جای بگیرد.
تصاویر و ویدئوهای جعلی در فضای مجازی و به خصوص در سایت‌های پورن کاربرد بسیاری دارد. از جمله تکنیک‌های رایج دیپ فیک می‌توان به جا زدن صورت هنرپیشه‌های هالیوودی در ویدئوهای سکس و سپس باجگیری از افراد مورد هدف با تهدید به انتشار مستندات کاملاً ساختگی، اشاره کرد. عرصه سیاست نیز از ترویج این پدیده در امان نیست و در سال‌های اخیر بارها دیده‌ایم که عکس‌ها و ویدئوهایی منتشر شده که بعدها دروغ و ساختگی از آب در آمدند. به عنوان مثال چند سال پیش عکسی در فضای مجازی انتشار یافت که در آن ظاهراً حسن روحانی رئیس جمهور ایران با باراک اوباما رئیس جمهور پیشین آمریکا دست می‌دهد؛ البته حقیقت این است که این دو نفر هرگز با هم ملاقات نداشتند و عکس اصلی مربوط به ملاقات اوباما با مانموهان سینگ، نخست وزیر وقت هند، می‌باشد. عکس جعلی روحانی اما توسط بسیاری از کاربرانِ با نفوذ توییتر ریتوییت شد و اثرات سوء آن هنوز هم در اتهامات وارده به حسن روحانی مبنی بر غربزدگی و… آشکار است. این مثال به خوبی نشان می‌دهد که محتوای دروغین به چه راحتی و به چه سرعتی در فضای مجازی دست به دست شده و توجه مردم را به خود جلب می‌کند.
ما هم که در حد خودمان در عرصه خبرنگاری فعالیت داریم چندین بار عکس‌های فیک از منابعی دریافت کرده‌ایم و لذا به ترویج تکنیک‌ها و فن‌آوری‌های مربوط به عجل عمیق حساس هستیم، شاید هم بیش از حد نسبت به آن حساسیم. متاسفانه اذعان داریم که استفاده از ابزارهای تولید این گونه محتویات به مراتب از ابزارهای شناسایی آن راحت‌تر است. ابزارهای یادگیری ماشینِ متن باز که Tensor Flow نمونه خوبی از اینجور نرم‌افزارهاست، با جمع کردن ساعت‌ها ویدئو و هزاران هزار عکس، این امکان را فراهم می‌سازند که کاربر با کمترین زحمت و تخصص محتوای فیک با کیفیت بالا تولید کرده و در شبکه‌های اجتماعی به اشتراک بگذارد. از طرف دیگر ابزارهای متن باز از نوع Instagram Scraper و حتی افزونه‌های کروم امثال Down Album که قابلیت دانلود انبوه عکس و دیگر محتویات از اینستاگرام و دیگر شبکه‌های اجتماعی را دارا هستند، کار با Tensor Flow را تسهیل می‌کنند.
تشخیص عکس‌ها و ویدئوهای فیک، امری بسیار سخت و زمان‌بر است. با این وجود ابزارهای اینترنتی وجود دارد که با استفاده از آنها می‌توانیم بعضی محتوای جعلی را شناسایی کنیم هر چند با ضریب موفقیت نسبتاً پایین. شرکت Bellingcat در وبسایت خود لیستی قرار داده از تعداد 25 ابزار شناسایی عکس‌های جعلی. فیسبوک و اینستاگرام نیز تیم‌های حقیقت‌یابی را تشکیل داده‌اند تا جلوی انتشار و ترویج محتوای فیک را بگیرند ولی انتظار این است که اکثریت محتوای جعلی، شناسایی نشده و لذا عملاً انتشار و ترویج آن در شبکه‌های اجتماعی تقریباً بلامانع است. شناسایی تولیدکنندۀ اصلی عکس یا ویدئو هم از تشخیص فیک بودن آن بسیار سخت‌تر است زیراکه ابزارهای تولید محتوا، همه متن باز هستند. افزون بر این سرعت ترویج محتوا به گونه‌ایست که تشخیص اولین انتشار آن امری سخت و بعضاً غیرممکن است. متاداده‌هایی هم که برای ردیابی کاربران نیازمند آن هستیم در بیشتر موارد یا توسط خود کاربران یا توسط شبکه‌های اجتماعی در هنگام آپلود، پاک می‌شود.
به همین دلیل ایت که ایجاد ابزار جدیدی با اسم Assembler محصول شرکت Jigsaw سروصدای زیادی کرده است. بر اساس اظهارات «جارد کوهن» بنیان‌گذار شرکت Jigsaw در وبلاگ خود، هدف از ایجاد این نرم‌افزار این بود که به خبرنگاران برای پردازش هر چه سریعتر حجم انبوه عکس یا ویدئو یاری شود.
لازم به ذکر است که سلسله تغییراتِ صورت گرفته بر یک عکس فوتوساپی در متاداده‌های آن ثبت و ذخیره می‌گردد. اگر چه حذف متاداده‌ها کار دشواری نیست و برای انجام آن به هیچ تخصصی احتیاج نیست، در خود عکس نیز نشانه‌هایی از تغییریافتگی‌های احتمالی بر جای می‌ماند که حذف این نشانه‌ها امری پیچیده و عالباً محال است. نرم‌افزارهای پیشرفته تجاری در تشخیص اینگونه تغییرات کارسازند. کار نرم‌افزارهای مذکور از این قرار است که هر پیکسل را مورد بررسی قرار داده و تفاوت‌های موجود بین هر پیکسل و پیکسل‌های مجاور را شناسایی نموده و سرانجام اطلاعات و نتایجِ به دست آمده را برای کاربر گزارش می‌دهد. گفتنی است ضریب موفقیت این نرم‌افزارها با عکس‌های کیفیت بالا بیشتر است و از آنجایی که عکس‌هایی که در شبکه‌های اجتماعی غالباً از کیفیت پایین‌تری برخوردار است، این امر ضریب موفقیت نرم‌افزار را پایین می‌آورد.
نرم‌افزار Assembler همچنان در مراحل اولیه توسعه قرار دارد و در حال حاضر مراحل تست و آزمایش آن در سازمان‌های بزرگ خبری و حقیقت‌یاب در دست انجام است. امید است که پس از طی مراحل تست نهایی این نرم‌افزار به خبرنگاران کمک شایانی نماید تا در آینده میزان اعتماد مردم به مطبوعات و رسانه‌ها بهبود پیدا کند، گرچه راه بازگشت از شرایط وخیم فعلی راهی بسی دشوار خواهد بود.