辨別真實和虛擬視頻會議背景的策略

Skype、MicrosoftTeams、Zoom和GoogleMeet等視頻會議平臺允許人們與世界各地的其他人進行遠程交流。COVID-19大流行和隨后的社會疏離措施導致這些平臺的使用進一步增加，因為它增加了遠程工作和虛擬協作。

大多數視頻會議平臺現在還允許用戶使用虛擬背景，這樣他們就不需要向同事展示他們的家庭環境并減少分心的風險。這些虛擬背景可以是i)真實(當前)，ii)虛擬(例如，海邊風景或外太空)，以及iii)假的，這是真實但不是當前的背景。雖然能夠更改背景增加了用戶的隱私，但虛假背景也可能被惡意使用，給人以虛假位置的印象，例如暗示用戶實際上在家時在辦公室。

土耳其薩班奇大學、美國佛羅里達國際大學和意大利帕多瓦大學的研究人員最近開發了一種工具，可用于區分視頻會議平臺中的真實和虛擬背景。他們的方法在arXiv上預先發表的一篇論文中進行了介紹，被發現可以在兩種不同且常見的攻擊場景中成功區分真實背景和“人造背景”。

“最近，學者們證明，大多數機器和深度學習技術都容易受到多媒體取證中的對抗性攻擊，”進行這項研究的研究人員EhsanNowroozi、BerrinYanikoglu、YassineMekdad、SelcukUluagac、SimoneMilani和MauroConti告訴TechXplore“事實上，在大流行的情況下，已經通過視頻會議軟件遠程進行了幾次會議，使參與者能夠使用虛擬背景來解決隱私問題。”

過去的一些研究表明，對手有可能通過從虛擬背景中泄漏像素來揭示參與者的真實環境。然而，公司也可能有合法的需要知道用戶是否確實在呈現的背景中。

Nowroozi和他的同事最近工作的主要目標是建立一個系統，該系統可以在視頻會議通話中可靠地區分真實背景與虛擬或虛假背景。該方法使用深度學習技術以高精度區分真實與虛假或虛擬背景。此外，他們的檢測器可用于檢測各種視頻會議平臺上的對抗性攻擊和虛假背景。

“該系統通過考慮背景的三個顏色通道之間的六個共現矩陣來工作，”研究人員解釋說。“在假背景或虛擬背景中，由于背景圖像的靜態特性，我們看不到光譜域的變化”，Nowroozi說，“但是找到通道之間的關系具有挑戰性。因此，唯一的方法是使用跨通道的跨頻帶共現并將它們饋送到基于深度學習的檢測器。”

“我們是第一個提供基于CNN的模型的團隊，該模型能夠在視頻會議通話中區分真實背景與虛擬或虛假背景，”Nowroozi和他的同事說。“此外，在檢測器意識到攻擊的情況下，我們實現了99.80%的高精度，即使在檢測器不知情的情況下，我們也實現了高魯棒性。”

未來，這組研究人員開發的基于CNN的檢測器可用于在專業環境以及執法和司法環境中確認視頻會議背景的真實性。與此同時，Nowroozi和團隊的其他成員計劃繼續研究他們的檢測器，以進一步提高其性能和通用性。理想情況下，他們希望該檢測器適用于最流行的視頻會議平臺，包括Zoom、GoogleMeet和MicrosoftTeams。

“我們未來的研究將首先考慮對手是否可以欺騙檢測器，如果它可以訪問跨頻段共現，”Nowroozi和他的同事補充道。“其次，我們計劃在攻擊者考慮移動虛擬背景(例如剪輯)的情況下評估我們的檢測器。”