Дипфейк — это фото, видео или аудиозапись, созданная или изменённая нейросетью так, что человек на ней говорит или делает то, чего в реальности не было. Термин образован от слов deep learning (глубокое обучение) и fake (подделка). Базовый принцип: алгоритм изучает множество изображений лица человека и учится накладывать его мимику и черты на другое видео, сохраняя движения, освещение и ракурс.
Ещё несколько лет назад для убедительной подделки требовались мощные рабочие станции и навыки программирования. Сегодня существуют сервисы и приложения, которые генерируют подобный контент почти автоматически. Из-за этого вопрос «что такое дипфейк» перестал быть узкотехническим — с последствиями технологии сталкиваются обычные пользователи, компании и даже банковские системы верификации.
Как работает технология дипфейков
В основе лежат генеративные нейросети. Классический подход — так называемые генеративно-состязательные сети (GAN): одна сеть создаёт подделку, вторая пытается её разоблачить, и в процессе этой «игры» качество результата постоянно растёт. Другой распространённый метод — автоэнкодеры, которые сжимают лицо в компактное математическое описание, а затем восстанавливают его с чужой мимикой.
Для обучения модели нужен исходный материал: чем больше фотографий и видео человека доступно в открытом доступе, тем убедительнее получается подделка. Именно поэтому чаще всего жертвами дипфейков становятся публичные личности — политики, актёры, блогеры.
Отдельное направление — аудио-дипфейки. Нейросеть анализирует образцы голоса и учится синтезировать речь с той же интонацией, тембром и манерой. Для убедительной имитации порой достаточно небольшого фрагмента записи.
💡Дипфейк — это не монтаж вручную, а результат обучения нейросети на реальных материалах: чем больше исходников, тем правдоподобнее подделка.