如何使用对抗性人工智能来逃避YouTube强硬的版权检测AI

YouTube被领略为行使呆板进修算法来辨认用户上传的视频中受版权掩护的原料，因此，至少在理论上，任何有特色的艺术家都能获得恰当的事变赔偿。该体系的事变道理或多或少，但它是不是 没有它的争论。

除了对滥用权利和公道行使权的忧虑之外，究竟证明人工智能算法可以奇妙地调解视频提交中的音频，以便任何受版权掩护的音乐可以在上传后逃避YouTube的AI呆板人检测。

美国马里兰大学的Boffins预计他们的代码乐成地哄骗了两首歌曲中的音频--Stevie Wonder的热点歌曲Signed，Sealed，Delivered在1970年到达巅峰3; 和Kesha的熏染性赛道Tik Tok在2010年排名第一 - 因此在他们上传到YouTube后，他们停止了检测，而且如故和原件一样或多或少地听起来。

这种被改动的音频是一种反抗性进攻，个中神经收集调解输入(譬喻照片)以发生轻微粉碎的输出，该输出使得另一个神经收集错误地辨认输入数据。反抗性进攻凡是在计较机视觉模子长举办，譬喻颠末细心调解的玩具龟，其后被呆板进修软件误以为是枪。

而且，是的，也可以建造反抗性音频，导致像YouTube的数字版权侦探这样的体系错误辨认音乐 - 正如马里兰大学团队在本周在线分享的这篇学术论文 [PDF] 所描写的那样。

来自上述Stevie Wonder和Kesha歌曲的反抗音频用于进攻Youtube的Content ID算法。每次将视频上传到YouTube时，内容ID城市自动扫描，内容ID会搜查剪辑中的素材和音频是否与其受版权掩护作品的数据库中的任何原料相匹配。

假如没有匹配，则以为正在上传的视频是原创视频。可是，假如匹配，则提交的视频中受版权掩护的资料的全部者可以阻止查察整个文件，通过告白赢利，以便他们在事变中赚取一些钱，可能只是跟踪视频的寓目统计数据。

遍布它的指纹

研究职员声称他们的AI调解音频想法滑过这个Content ID体系，而且听起来与人类的原始音轨沟通。在辨认上传视频的音轨方面，YouTube的呆板进修算法很也许通过从音频中提取特性向量来事变 - 将这些向量视为声音的指纹。然后，软件实行将这些音频指纹与Content ID数据库中的轨道指纹相匹配。指纹匹配暗示视频中的音频也许与数据库中响应的受版权掩护的作品沟通。

因此，发生精采的反抗性音频的能力是以某种方法调解歌曲，使其如故可以被人辨认，但不能辨认像Content ID这样的版权检测算法。

在开拓软件时，该团队起首研究了辨认来自音频片断的歌曲的软件：Apple拥有的Shazam，用于辨认您从手机麦克风收听的任何音乐。

怎样Shazam的和相同的应用事变已经实验了逆向工程 ，多年来，固然掌握要害题目是，一首歌可以暗示为它的音几回率随时刻的频谱。可以在轨道的频谱图中辨认诸如主频的密度之类的特性，并用于为音频天生独一的指纹。

研究职员实习了卷积神经收集将音频信号转换为频谱图，然后辨认该暗示中的首要特性，为该歌曲天生奇异的指纹。然后行使尺度的梯度降落要领来发生歌曲的反抗版本：音频信号颠末调解，因此据称它们与原始输入到人耳的声音沟通但发生差异的指纹。

换句话说，研究职员改变了Stevie Wonder的Signed，Sealed，Delivered和Kesha的Tik Tok的指纹，因此它们不再与YouTube的Content ID体系识此外那些符合，而据称保持音频与人类沟通。

不幸的是，很难说出这些非凡的反抗性例子有多好。“因为版权法的缘故起因，我们无法分享受版权掩护的歌曲的原始版本或贰言版本。然而，对付每个受版权掩护原料的尝试，我们城市举办完全沟通的进攻，“该文件指出。

也就是说，该团队确实建造了一个由126人提供的Total Totality的反抗性示例，可以从YouTube的音乐库中免费行使，据称已颠末尾Content ID，并在此网页上嵌入并记录。将第一个剪辑(原始音频样本)与第八个剪辑举办较量，第八个剪辑是AI建造的反抗性示例，显然避开了内容ID。

反抗的例子是真实的!

可悲的是，前面提到的反抗性例子并不是很好：听起来像Futurama的呆板人反社会职员Bender将奶酪刨丝器带到他出名的闪亮金属屁股上。此刻有令人不舒畅的高频吱吱声和擦伤，不在原始剪辑中。换句话说，它与原作差异。我们还听了Tik Tok的AI改变版本，它也有点差池劲。

Parsa Saadatpanah，该论文的合着者和马里兰大学的博士生汇报The Register，该项目更像是一个“观念证明”，并且方针不是针对YouTube的算法。事实，这是一项早期的学术研究，研究了更多研究和事变也许带来的成就，因此我们应该紧记这一点。

“我们的进攻是'转移进攻'，这意味着我们会对模子体系构建进攻，并但愿它也合用于我们无法会见的差异方针体系，如YouTube，”他说。“模子越靠近真实体系，进攻越好。这项研究应该是观念的高级证明 - 究竟是我们从未真正祈望冲破YouTube，以是我们并没有试图成立一个关于YouTube体系怎样事变的实际模子。

相反，研究职员暗示，他们正试图进步人们的熟悉，即反抗性的例子是对实际天下体系的威胁。经典的反抗性例子，譬喻哄骗交通符号以诱骗自动驾驶汽车，由于不在实际天下中事变而受到品评。

“完全自动驾驶的车辆尚有很长的路要走，并且大大都自动驾驶体系都不依靠于呆板进修来辨认交通法则 - 这些信息都是通过[地理信息体系]提供的，”Saadatpanah说。“因此，我们偶然会听到来自人们以为反抗性的例子不是真正的威胁。

“譬喻，为了诱骗停车符号探测器，进攻者必要哄骗停车符号 - 物理工具，而不是图像 - 然后但愿在行使差异的摄像机，判别率，照明前提，视角拍摄时，反抗性扰动如故有用，间隔和行为恍惚。可是当愚弄版权检测器时，进攻者可以直接操纵音频或视频文件，然后将其直接上传随处事器而无需修改。“

他提议，反抗性进攻的最佳防止是反抗性实习。当YouTube的内容ID模子等版权检测算法在培训进程中袒露于这些反抗性示例时，他们更有也许辨认进攻并对其免疫。

（编辑：河北网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!