Кто и зачем делает дипфейк-порно. 18+

Дипфейк-порно – это форма порнографического контента, создаваемая с помощью дипфейков. Дипфейк-технология использует искусственный интеллект (ИИ) для замены лиц или тел людей в видеозаписях с другими людьми.

В дипфейк-порно оригинальные лица актрис или актеров в порнографических видеороликах заменяются лицами других людей.

Например, можно создать видео, где лицо одной известной личности будет вместо лица актрисы/актера в порно видео. Это может создавать иллюзию того, что известная личность фактически участвует в порнографическом контенте, хотя на самом деле это поддельное изображение.

При этом дипфейк-порно является серьезной проблемой: создание дипфейков без согласия нарушает частную жизнь, уничтожает репутацию и вызывает психологические и эмоциональные проблемы.

Кроме того, дипфейк-порно находится в серой зоне законодательства. По сути, не существует закона, который запретил бы использовать лица других людей для создания порно. В России преследуется только распространение порнографии, но не его создание. 

В этой статье пытаемся разобраться, кто, как и зачем делает порно дипфейки.

Зачем делают дипфейк-порно

Есть несколько возможных причин, по которым люди создают дипфейк-порно.

Удовлетворение фантазий

Некоторые люди могут создавать или просматривать дипфейк-порно для удовлетворения своих сексуальных фантазий. Они могут испытывать удовлетворение от иллюзии, что известные личности или другие люди участвуют в порнографических актах.

При этом порно дипфейки пользуются большим спросом. Пользователи Яндекса делают около 60 тысяч запросов каждый месяц в поисках таких роликов. 

Надо отметить, что распространение порнографии преследуется законом России по статье 242 УК РФ.

Оскорбления других людей

Увы, дипфейк-порно часто создают для оскорблений других людей. Такие ролики могут унизить человека и навредить его репутации. Причинами создания дипфейков становятся личная вражда или желание унизить человека.

Такие действия расцениваются как клевета и также могут быть наказуемы по статье 128 УК РФ. 

Месть или шантаж

Дипфейк-порно может быть использовано в целях мести или шантажа. Лица заменяются в порно видеороликах, чтобы вымогать деньги у жертвы.

Вымогательство и шантаж также преследуются законом по статье 163 УК РФ. 

Порно дипфейки с точки зрения закона

Однако правовой статус порно дипфейков в России является достаточно сложным вопросом. На данный момент нет явного законодательства, которое бы специально упоминало о порно дипфейках или регулировало их использование.

Как я уже писал выше, в России существуют другие законы и статьи, которые могут быть применены к порно дипфейкам, если они производятся без согласия его “участников”.

Сама статья 242 УК РФ, которая регулирует порнографию, запрещает только распространение порнографии. Но не стоит обманываться: в суде будет крайне сложно доказать, что вы создали порно дипфейки исключительно для хранения, а не для их распространения. 

Если вы всё же решились создать порно дипфейки не для распространения и с согласия третьих лиц, обратитесь к юристу, чтобы не попасть в беду.

Какие есть нейросети для дипфейков

Существует несколько нейросетевых архитектур, которые могут использоваться для создания дипфейков. Некоторые из них включают:

1. Генеративно-состязательные сети (GAN): GAN-сети состоят из двух основных компонентов – генератора и дискриминатора. Генератор создает поддельные изображения или видео, а дискриминатор анализирует их, чтобы определить, насколько они реалистичны. Оба компонента учатся вместе, оптимизируя друг друга и стремясь достичь наиболее реалистичного результата.
2. Автоэнкодеры: Автоэнкодеры – это нейросетевые модели, которые используются для изучения представления данных путем кодирования и декодирования. В контексте дипфейков, автоэнкодер может использоваться для изучения особенностей лица на основе обучающей выборки и последующего создания поддельных изображений или видео.
3. Рекуррентные нейронные сети (RNN): RNN-модели имеют способность обрабатывать последовательные данные, такие как видео. Они могут использоваться для создания поддельных видео, учитывая последовательность кадров и их зависимости друг от друга.

Однако важно понимать, что использование этих нейросетевых архитектур требует достаточного количества данных для тренировки моделей, а также высокой вычислительной мощности для обучения моделей и создания дипфейков. Кроме того, создание высококачественных дипфейков требует знания и опыта в области нейросетевых технологий и обработки видео.

Генеративно-состязательные сети (GAN)

Существует несколько GAN-сетей, которые используются для создания дипфейков. Некоторые из них включают:

1. Deepfake-GAN (DF-GAN): Эта GAN-сеть специально разработана для создания дипфейков. Она обучается на парах “оригинальное изображение – поддельное изображение” и стремится сгенерировать максимально реалистичные поддельные изображения.
2. FaceSwap GAN: Эта GAN-сеть нацелена на замену лица одного человека на лицо другого человека в видео или изображении. Она обучается на парах “оригинальное изображение – целевое изображение” и стремится создать гармоничную подмену лиц между ними.
3. StarGAN: Хотя StarGAN в основном используется для редактирования и стилизации изображений лиц, она также может быть адаптирована для создания дипфейков. Она обучается на различных датасетах с изображениями разных людей и позволяет менять черты лица, превращая одно лицо в другое.

Автоэнкодеры

В контексте создания дипфейков с использованием автоэнкодеров, некоторые из наиболее известных моделей включают:

1. VAE-GAN: Это сочетание вариационного автоэнкодера (VAE) и генеративно-состязательной сети (GAN). VAE-GAN позволяет учитывать как вариацию в данных (подобно обычному автоэнкодеру), так и генерацию реалистичных изображений (подобно GAN). Он создает поддельные изображения, которые сохраняют некоторые семантические особенности оригиналов.
2. AE-GAN: Это комбинация автоэнкодера (AE) и генеративно-состязательной сети (GAN). AE-GAN использует архитектуру автоэнкодера для изучения представления данных и генерирует поддельные изображения с помощью генератора GAN. Это обеспечивает более точное соответствие оригиналу и более реалистичные результаты.
3. DeepfakeAutoencoder: Это автоэнкодер, который специально разработан для создания поддельных изображений и видео в рамках дипфейкинга. Он использует архитектуру автоэнкодера для изучения скрытого представления оригинала и последующего воссоздания его синтезированным изображением.

Рекуррентные нейронные сети (RNN)

RNN (рекуррентные нейронные сети) в основном используются для обработки последовательных данных, таких как текст или звуковые сигналы, и реже применяются непосредственно для создания дипфейков. Однако существуют некоторые вариации RNN, которые могут использоваться в контексте создания дипфейков. Вот некоторые из них:

1. LSTM (Long Short-Term Memory) – LSTM является одной из наиболее популярных архитектур RNN и наиболее часто используется для создания дипфейков. Она позволяет RNN более эффективно моделировать длинные зависимости во входных данных.
2. GRU (Gated Recurrent Unit) – GRU является другой вариацией RNN, которая, как и LSTM, помогает улучшить моделирование длинных зависимостей. Она может использоваться для создания дипфейков.
3. RNN-VAE (Variational Autoencoder) – RNN-VAE сочетает в себе RNN архитектуру и VAE-архитектуру для генерации кодированного представления входных данных. Это может быть применено в контексте создания дипфейков для получения более гладкого и реалистичного изображения.

Заключение

Производство дипфейков – неоднозначная тема, как с моральной точки зрения, так и по закону.

Даже если вы решили создать порно дипфейки, получите разрешение на использование лиц и тел тех, кого вы собираетесь сделать действующими лицами.

Убедитесь в том, что ваш ролик или изображение не попадут в открытый доступ, чтобы не стать распространителем порнографии. А лучше – обратитесь к юристу или воздержитесь от производства вовсе.