破除網路上的「假鬼假怪」，就靠這項實用工具。國立高雄大學資訊工程學系教授潘欣泰，指導陳冠霖、張卜驊、黃羿禎、廖冠丞等學生，開發一套 Deepfake（深偽）偵測系統，主打便攜與機動性，可在手機端同時檢視畫面與聲音的一致性，專門破解換臉、變聲影片的細微破綻，讓假影音不再只能靠人眼猜測。
指導教授潘欣泰指出，隨著生成式 AI 技術快速發展，Deepfake 相關的換臉、變聲影音大量出現在社群平台與通訊軟體中，真假愈來愈難辨，甚至被濫用於詐騙、造假或操弄輿論。他強調，Deepfake 技術本身並非全然負面，關鍵在於如何被使用；現行多數偵測技術仰賴大型模型與高效能運算設備，一般使用者難以即時應用，因此在指導專題時，特別鼓勵學生從實際需求出發，思考如何讓人工智慧不只停留在研究室或高階設備中，而能成為一般人也用得上的工具。
團隊組長陳冠霖表示，在系統設計上，團隊以輕量化深度學習模型為核心，並透過影像及語音多模態學習方式，同步檢視影像與聲音之間的一致性。相較於讓模型記憶大量真實影像特徵，團隊更著重於 Deepfake 常見的偽造瑕疵，例如畫面邊緣不自然等細節，藉此提升在實際應用情境下的辨識效果。他也指出，該系統在既有資料集上的辨識準確率可達九成以上，並透過量化與前處理流程優化，使模型能在行動裝置端完成即時推論，不需將影音上傳至雲端，有效降低延遲並兼顧使用者隱私，亦有助於系統在不同裝置與使用場域中保持穩定表現。
該項專題成果亦獲得多項外部肯定，於2025年底舉辦之本屆賽事中，榮獲「2025全國AI專題創意競賽」資電領域組第一名，並同時奪下高雄大學資訊工程學系「畢業專題競賽」第一名，亦於教育部「2025 第30 屆大專校院資訊應用服務創新競賽」獲得資安技術組佳作肯定。相關成果顯示學生團隊已能將人工智慧技術有效轉化為實務應用，回應當前深偽影音辨識等社會關注的資安議題。
學生團隊回顧專題歷程時指出，專題製作過程需不斷在辨識效能與行動端運算資源之間取得平衡，從資料處理、模型調校到系統整合，每一環節都仰賴團隊分工與反覆討論。透過實際動手解決問題，學生不僅深化對深度學習與多模態技術的理解，也更清楚人工智慧應如何被負責任地應用；團隊並期望未來持續擴充資料來源與應用情境，讓這套 Deepfake 偵測系統成為一般使用者面對假影音時的實用輔助工具。
#SDG4 #SDG9 #SDG16 @資訊工程學系 &活動
