【記者張博媛報導】9月25日，首爾婦女會大學生聯盟（簡稱首婦大聯）組織的「聯合行動：打擊DeepFake性犯罪」（以下簡稱聯合行動）在韓國國會議事堂前舉行記者會，譴責國會對於DeepFake（深偽技術）性犯罪的漠視，以及在9月23日否決《深偽性犯罪防預法》修正案。性別平等委員會最終於9月26日通過修正案，使得加害者無法以不知情為由逃避刑罰。 韓國文化廣播公司（Munhwa Broadcasting Corporation）在8月的報導中，首次揭露仁荷大學内的Telegram群組，大量散佈以DeepFake合成學生的臉所製成的性影像，加害者超過1200人。「然而校方只希望能快速掩蓋新聞，警方聲稱加害者遍佈範圍過大無從調查，要求受害者自行舉證。」高麗大學女權學生會（Korea University Student Association for Women's Rights ，以下簡稱女權學生會）表示。 9月23日，韓國國會性別平等委員會否決《深偽性犯罪防預法》修正案，稱查舉性影像將使警力無法負荷。聯合行動對此強烈不滿，9月25日舉行記者會譴責國會。首婦大聯失望地說：「我們認為國會對此（DeepFake性犯罪）漠不關心，也放棄了自己（保護國民）的責任。」聯合行動發起公民連署推動修法，最終在超過20萬人連署和在野黨的推動下，國會9月26日通過《深偽性犯罪防預法》修正案。 首婦大聯回應：「我認為這是一個巨大的進展，因為它明確指出國家有責任保護DeepFake性剝削的受害者。」由於受害者仍不被賦予刪除影像的權利，首婦大聯認為修正案只是草率地解決眼前問題，沒有以保護人民安全和婦女安全為重點。修正案的保護對象以兒童與青少年為主，女權學生會指出，雖然涉及兒少的性犯罪率高達70%至80%，將他們擺在首位固然重要，但其他年齡層的受害者也應被重視。 女權組織CAT認為《深偽性犯罪防預法》修正案的通過可以視為一項打擊DeepFake性犯罪的重要里程，「但我們不會僅止步於此（修正案通過）。」他們補充說：「我們希望能持續推動數位素養教育以及監督加害人，唯有校園及社會環境的改變，才能形成大眾重視人權的文化。」首婦大聯和女權學生會也透露，他們正在與更多大學籌備打擊DeepFake性犯罪和性別平等的Open Mic及連署活動，未來會將連署書和訴求遞交至教育部，期待能創造更安全和平等的校園環境。

【記者張倩怡綜合報導】近年深偽技術（註一）快速發展，為影片中的人換臉已不再是難事，但也導致利用此技術的詐騙案層出不窮。長庚大學資訊管理學系學生團隊開發「假面騎『識』」Deepfake換臉即時檢測平台，除可辨識照片和影片外，更可即時檢測視訊是否有使用深偽技術。此發明獲得2022大專校院資訊應用服務創新競賽資安組第二名。 長庚大學資訊管理學系學生團隊開發「假面騎『識』」Deepfake換臉即時檢測平台，獲得2022大專校院資訊應用服務創新競賽資安組第二名。　圖／研究團隊提供註一：深偽技術（ Deepfake）指以人工智慧深度學習的技術，合成某個不一定存在的人的影像甚至聲音，並疊加至目標圖像或影片上，偽造出可以假亂真的影片。當今深偽技術發展快速，線上有許多免費的換臉程式遭到濫用，進而出現大量的偽造影片。根據Sensity資料顯示，2018年12月起偽造影片的數量每六個月就增加一倍，引發不少社會事件，如冒充名人進行詐騙。團隊成員朱哲弘說明，「最初是因小玉Deepfake換臉A片事件而引發我們做現在的檢測系統。」團隊使用1萬3000張圖片訓練模型，並以手動標記資料，選取出理想的人臉範圍。朱哲弘表示，為求準確，「我們很多都是一張一張去標記的。」接著，再透過讓AI學習人臉特徵，分辦有無使用深偽技術。系統除了可偵測常見的照片及影片外，團隊更因應線上化的趨勢，新增即時通訊也能使用的檢測功能。使用者只需將線上會議視窗名稱輸入至系統中，網站即會將資料傳送至後端已訓練好的模型進行分析，此功能亦適用於大部份的即時通訊軟體。 使用者可以在換臉即時檢測平台上傳靜態圖片，偵測是否有使用深偽技術的可能性。　圖／研究團隊提供團隊成員高語澤提及，現今其實有更準確的演算法訓練方式，不過視訊相較於一般辨識更講求速度，因此團隊選擇YOLOv5（註二）演算法。指導老師長庚大學資訊管理學系副教授陳宜惠也認同地表示，除了準確度，保持通話品質同樣重要，「如果有延遲是不可以接受的，要讓使用者是無感才可以。」此外，團隊也坦言，雖然系統已滿足大部份需求，不過仍舊存在不足，「現在系統只能在電腦網頁使用，如果推出手機程式，視窗可能就會跳掉而無法偵測，加上現在系統可能被鏡頭的髒污或有些人使用濾鏡都會造成誤判。」 使用者只需在換臉即時檢測平台上輸入網絡影片的ID，即可偵測每影格的畫面是否有使用深偽技術。　圖／研究團隊提供註二：YOLOv5為物件偵測的類神經網路演算法，可在圖片中找到特定的物件。而V5版本準確度稍遜於現今最新的V7版本，但有更高的靈活度和速度，更適合用於即時通訊上的偵測。目前系統可做到約85％的準確率，但深偽技術發展快速，偽造的影片只會越來越精緻以致更難識別。國立成功大學數據科學研究所助理教授許志仲表示，目前所有的偽造方法，通常依然強過於偵測方法，「此系統的功能僅限於常見且品質較差的換臉技術，但我認為越來越多人開發，會在意識層面上，降低製作偽造的（影片）比例。」他也建議，系統可加入使用者端的回饋機制，使系統更加完善。