[发明专利]修改内容的真实性评估

说明书

一种用于评估修改内容的真实性的系统包含计算平台，所述计算平台具有硬件处理器和存储软件代码的存储器，所述软件代码包含神经网络，所述神经网络被训练成评估基于基线数字内容、包括对基线数字内容作出的一个或多个修改所生成的修改内容的真实性。硬件处理器执行软件代码以使用神经网络来接收修改内容并评估对基线数字内容作出的一个或多个修改中的每一个修改的真实性，以分别对应对基线数字内容作出的一个或多个修改生成一个或多个真实性评估。硬件处理器还被配置为执行软件代码，以基于一个或多个真实性评估来生成修改内容的真实性评估，并且输出真实性评估以在显示器上呈现。

相关申请的交叉引用

本申请与标题为“基于内在属性的内容验证”的美国专利申请16/737,810(律师案卷号为0260635)相关，所述美国专利申请与本申请一同申请，其全部内容通过引用并入本文。

背景技术

机器学习的进步使得人们能够对一个人的图像或声音进行逼真但伪造的再现，称为“深度伪造”，这是因为使用了深度人工神经网络进行创作。深度伪造可以在未经被使用图像或声音的人的同意的情况下制作，并可能使被代表的人似乎说了或做了他们实际上没有说过或做过的事情。因此，深度伪造操纵的数字内容可能被恶意用于传播错误信息。

由于娱乐和新闻发行中数字内容的广泛流行，对该内容的有效验证和管理对其创作者、所有者和发行者都很重要。然而，随着机器学习解决方案的不断改进，深度伪造是并且将继续是很难被检测到的。因此，在违反合同协议或监管限制的情况下，可能会无意中播放或以其他方式分发被巧妙操纵甚至完全伪造的数字内容，从而使内容所有者和/或分发者面临潜在的法律风险。

发明内容

本文提供了评估修改内容的真实性的系统和方法，大体上被展示和/或被描述在相关的至少一张的附图中，以及在权利要求书中被更全面地阐述。

附图说明

图1展示了根据一个实施方式的示例性示意图，其中基线数字内容被一个或多个使用者修改过；

图2展示了根据一个实施方式的评估修改内容真实性的示例性系统的示意图；

图3展示了根据一个实施方式的软件代码的示例性示意图，其中包含被训练成用以评估修改内容真实性的神经网络(NN)；

图4展示了根据一个实施方式的流程图，其中呈现了评估修改内容真实性的示例性方法；

图5展示了根据一个实施方式的用于评估修改内容的真实性的系统的示例性图形用户界面(GUI)。

具体实施方式

以下描述包含关于在本公开中的实施的具体信息。本领域的技术人员会认识到本公开能够以不同于本文具体讨论的方式实施。本申请的附图与附带的详细说明仅针对示例性实施方式。除非另有说明，否则，附图中相同或相应的元素以相同或相应的参考数字标识。而且，在本申请中的图示和附图一般都不成比例，也不旨在对应于实际的相对尺寸。

本申请公开了评估修改内容的真实性的系统和方法，所述系统和方法克服了在传统技术中的缺点和不足。在数字内容的原始或“基线(baseline)”版本，通过使用已训练的神经网络去评估一个或多个数字内容修改的真实性，本申请公开了允许对修改内容进行细致评估的巧妙的验证解决方案，该方案改进了现有技术。此外，通过基于对下层的基线数字内容作出的一个或多个修改的内在属性生成用于评估修改内容的验证数据，本解决方案方便地利用每个修改的特征来评估其真实性。

值得注意的是，在一些实施方式中，所述内容验证解决方案能够被基本自动化系统作为基本自动化过程被执行。值得注意的是，本申请中使用的术语“自动化”“自动化的”“使自动化”指的是不需要人类用户(例如系统管理员)参与的系统和过程。然而，在一些实施方式中，人类的系统操作员或管理员可能会收到所述自动化系统生成的验证确认信息，根据本文描述的自动化方法，人类的参与是可选择的。因此，本申请所描述的方法能够在已公开的自动化系统的硬件处理组件的控制下执行。