蚂蚁数科向全球开源180万深度伪造定位数据集，助力AI算法可解释

    近日，在加拿大蒙特利尔举行的国际人工智能联合会议（IJCAI）期间，蚂蚁数科与新加坡科技研究局联合主办“深度伪造检测、蚂蚁定位、可解释性”研讨会。会上，蚂蚁数科与斯坦福大学分别开源两大深度伪造数据集，涵盖人类面部及动作伪造、声音克隆等多种模态，为行业提供了关键的基础数据资源数科，推动AI安全技术发展。

     该研讨会聚焦Deepfake（深度伪造）识别方向，来自中国、向全美国、澳大利亚、巴西、新加坡等多国知名机构学者与行业专家分享前沿技术和应用成果。

     蚂球开蚁数科将用于IJCAI“深度伪造检测挑战赛”的180万训练数据集（DDL-Datasets），正式向全球研究者开源。该数据集包含人脸伪造、视频源1篡改、声音克隆三大高危场景，涵盖80余种伪造手法，清晰标注了AI造假的画面位置、时间节点，有助于提升算法可解释性。研究者可在Modelscope(80磨搭社区)下载获取。

图:蚂蚁数科国际算法负责人李建树分享深度伪造定位数据集

    由斯坦福大学、谷歌与加州大万深学伯克利分校联合开源的视频数据集 DeepAction，包含7款大模型生成的2，600段人类动作视频以及相匹配的真实镜头，这些视频展示了行走、奔跑、烹饪等度伪日常行为，研究者可在Hugging Face（抱抱脸社区）下载获取。此外，研究团队发表的论文《AI生成人体动作检测》(Human Action CL造定IPs: Detecting AI-Generated Human Motion)获得该主题workshop最佳论文。该论文提出了一种基于多模态语义嵌入的位数鉴别技术，可精准区分真实人体动作与AI生成动作。该方法具有较强的鲁棒性，可有效抵御数据篡改手段(如调整分辨率、压缩视频等)对检测算法的干扰。

 据集;   澳大利亚莫纳什大学Abhinav Dhall教授分享了其研究团队通过脑电图数据发现:不同文化背景人群对AI造，助假视频存在感知差异，当视频语言为参与者熟悉的英语且演员来自相似种族背景时，其区分真实视频与深度伪造视频的表现更佳。该研究为全球化多元背景下的深度伪造分析力A领域铺就了未来探索路径。

公开信息显示，蚂蚁数科长期关注并持续投入AI安全及风险防范，旗下安全科技品牌ZOLOZ自2017年起服务海外机构的数智化升级I算，目前已覆盖超25个国家和地区，“实人认证”产品准确率达99.9%。