Page 33 - 清流雙月刊 NO.42
P. 33
科技防護術
要製作某人的 DeepFake 影片，須將某人的實際影片交由類神經網路訓練，讓程式蒐集該人物在不同角度及光線的
資訊數據，接著便可結合訓練完的類神經網路及電腦圖學技術，取代標的人臉；圖為國科會 2022 年發布的《認識
Deepfake 防範假訊息》宣導影片，主角為數位發展部部長唐鳳。（圖片來源：國科會科技辦公室，https://youtu.be/
VEgGSbFWjb8）
類神經網路知多少 來的數學模型。透過建置出多層的神經元，
每一層神經元都會經由一個特別的函數產
類神經網路是 DeepFake 的核心技術之
生輸出值，並且逐層往下傳遞，直到最後
一，早在 1980 年代便已被提出，然而當時
一層輸出最終結果，如圖 1 所示。輸入層
因遇到技術瓶頸而沉寂了一段時間，直至
及輸出層各僅有一層，而中間層可以有很
2012 年因圖形處理器（GPU）技術的進展，
多層，層級愈多，計算的複雜度也愈高，
才讓類神經網路再次活躍於技術最前線。
所需耗費時間也愈久，不過，相對所獲得
簡單來說，類神經網路就是透過電腦 的結果也會較為精準。
模擬生物大腦的神經元運作方式所建立出
輸入層 中間層 輸出層
圖 1 神經元傳遞層級示意
No.42 NOV. 2022 31
