在加拿大蒙特利爾舉辦的國際人工智能聯合會議（IJCAI）期間，一場聚焦深度偽造檢測技術的研討會吸引了全球目光。此次活動由螞蟻數科攜手新加坡科技研究局共同舉辦，聚焦于Deepfake（深度偽造）識別技術的最新進展。
會上，兩大深度偽造數據集正式向公眾開放。螞蟻數科貢獻了名為DDL-Datasets的數據集，該數據集包含180萬張訓練圖片，專注于人臉偽造、視頻篡改及聲音克隆等高風險場景，涵蓋了超過80種不同的偽造手段。尤為這些數據集中詳細標注了AI造假的具體位置和時間節點，為提升算法的可解釋性提供了有力支持。研究人員可以通過Modelscope平臺輕松獲取這一寶貴資源。
與此同時，斯坦福大學、谷歌與加州大學伯克利分校聯合發布的DeepAction數據集也為研究者們帶來了新的福音。該數據集包含2600段由7款大模型生成的人類動作視頻，以及與之對應的真實鏡頭，內容涵蓋行走、奔跑、烹飪等日常活動。研究者可以在Hugging Face平臺上獲取這些視頻資料。研究團隊在相關研討會上發表的論文《AI生成人體動作檢測》榮獲最佳論文獎，該論文提出了一種基于多模態語義嵌入的鑒別技術，能夠精確區分真實人體動作與AI生成的動作，且對視頻分辨率調整、壓縮等數據篡改手段具有較強的抗干擾能力。
在研討會上，澳大利亞莫納什大學的Abhinav Dhall教授也分享了其團隊的最新研究成果。他們通過腦電圖數據發現，不同文化背景的人群在識別AI造假視頻時存在差異。當視頻語言為參與者熟悉的英語，且演員來自相似種族背景時，人們更容易區分真實視頻與深度偽造視頻。這一發現為深度偽造分析領域在全球多元背景下的進一步研究開辟了新路徑。
螞蟻數科在安全領域的長期投入也得到了展現。其旗下的安全科技品牌ZOLOZ自2017年起便致力于服務海外機構的數智化升級，目前已覆蓋全球超過25個國家和地區。其“實人認證”產品的準確率高達99.9%，彰顯了螞蟻數科在AI安全及風險防范方面的卓越實力。
