Deepfake یکی از فناوری های بحث برانگیز است که بر اساس هوش مصنوعی برای ایجاد عکس ها و فیلم های جعلی و جعلی ایجاد شده است که می تواند تهدید بزرگی برای جوامع باشد و همچنین برای مقاصد مجرمانه و غیر اخلاقی مورد استفاده قرار گیرد. در حال حاضر، اینتل از اولین سیستم تشخیص دیپ‌فیک در زمان واقعی به نام FakeCatcher رونمایی کرده است. اینتل ادعا می کند که این محصول دارای نرخ دقت 96 درصدی است و با تجزیه و تحلیل “جریان خون” در پیکسل های ویدئویی کار می کند تا نتایج مورد نظر کاربران را در میلی ثانیه ارائه دهد. ایلک دمیر، دانشمند تحقیقاتی ارشد در آزمایشگاه اینتل، FakeCatcher را با همکاری آمور سیفتچی از دانشگاه ایالتی نیویورک در بینگهمتون طراحی کرد. این محصول از سخت افزار و نرم افزار اینتل استفاده می کند، روی سرور اجرا می شود و رابط کاربری خود را از طریق یک پلت فرم مبتنی بر وب دریافت می کند. سیستم تشخیص جعلی عمیق FakeCatcher چگونه کار می‌کند برخلاف بسیاری از سیستم‌های تشخیص جعلی عمیق مبتنی بر یادگیری عمیق که داده‌های خام را بررسی می‌کنند، FakeCatcher بر سرنخ‌های درون ویدیوها تمرکز می‌کند. در واقع، این سیستم از روش photoplethysmogram (PPG) استفاده می کند که می تواند میزان نور جذب شده یا منعکس شده توسط عروق خونی در بافت زنده را اندازه گیری کند. دمیر در مورد این روش به VentureBeat گفت: “شما نمی توانید آن را با چشمان خود ببینید، اما از نظر محاسباتی قابل مشاهده است.” سیگنال های PPG شناخته شده هستند اما هنوز برای دیپ فیک استفاده نشده اند. وی توضیح داد که در FakeCatcher سیگنال های PPG از 32 نقطه روی صورت جمع آوری می شود و سپس نقشه های PPG از اجزای زمانی و طیفی ایجاد می شود. دمیر توضیح می‌دهد: «پس از دریافت این نقشه‌ها، ما یک شبکه عصبی کانولوشنال را در بالای نقشه‌های PPG آموزش می‌دهیم تا آنها را به عنوان جعلی یا واقعی طبقه‌بندی کنیم. سپس با کمک فناوری‌های اینتل مانند چارچوب تقویت یادگیری عمیق برای استنتاج و افزونه‌های برداری پیشرفته 512، می‌توانیم آن را در زمان واقعی با حداکثر 72 جریان شناسایی همزمان اجرا کنیم.” سیستم تشخیص می تواند ضروری باشد، اما دمیر توضیح داد که توسعه این سیستم هنوز در مراحل اولیه است.