ຄໍານິຍາມແລະການດໍາເນີນງານຂອງ Deepfake
ຄໍານິຍາມຂອງ Deepfake
ໄລຍະ ປອມເລິກ ແມ່ນການຫົດຕົວຂອງຄໍາສັບພາສາອັງກິດ “ການຮຽນຮູ້ເລິກ” ແລະ “ປອມ”. ເຕັກໂນໂລຢີນີ້ແມ່ນອີງໃສ່ສູດການຄິດໄລ່ປັນຍາປະດິດ ອອກແບບສະເພາະສຳລັບການສ້າງ ຫຼືແກ້ໄຂເນື້ອຫາສຽງ, ລວມທັງວິດີໂອ ແລະເພງສຽງ. ຜົນໄດ້ຮັບມັກຈະເປັນທີ່ຫນ້າເຊື່ອຖືທີ່ມັນສາມາດຫລອກລວງຕາແລະຫູ, ເຮັດໃຫ້ມັນບໍ່ສາມາດກວດພົບໄດ້ຢູ່ glance ທໍາອິດກັບຄົນສ່ວນໃຫຍ່. ຈຸດປະສົງຂອງການປອມແປງເລິກສາມາດເປັນເລື່ອງຫຼິ້ນ, ສິລະປະ, ແຕ່ຍັງເປັນອັນຕະລາຍ, ຕົວຢ່າງເຊັ່ນເພື່ອແນໃສ່ເຜີຍແຜ່ຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງຫຼືທໍາລາຍຊື່ສຽງຂອງຜູ້ໃດຜູ້ນຶ່ງ.
Deepfake ເຮັດວຽກແນວໃດ
Deepfakes ແມ່ນຜະລິດໂດຍໃຊ້ ເຄືອຂ່າຍ neural, ເຊິ່ງເປັນຕົວແບບຄອມພິວເຕີທີ່ໄດ້ຮັບການດົນໃຈຈາກການເຮັດວຽກຂອງສະຫມອງຂອງມະນຸດ. ສອງປະເພດຕົ້ນຕໍຂອງເຄືອຂ່າຍແມ່ນມັກຈະຖືກນໍາໃຊ້ໃນ tandem: the GAN (Generative Adversarial Network) ແລະ VAE (ຕົວປ່ຽນອັດຕະໂນມັດແບບຕົວປ່ຽນ).
GAN ແມ່ນປະກອບດ້ວຍສອງພາກສ່ວນ: ເຄື່ອງກໍາເນີດໄຟຟ້າແລະເຄື່ອງຈໍາແນກ. ຜູ້ຜະລິດສ້າງຮູບພາບຫຼືລໍາດັບວິດີໂອໃນຂະນະທີ່ຜູ້ຈໍາແນກປະເມີນຄວາມຖືກຕ້ອງຂອງພວກເຂົາ. ໃນລະຫວ່າງຂະບວນການຮຽນຮູ້ຊ້ຳໆ, ຜູ້ສ້າງພະຍາຍາມຜະລິດເນື້ອຫາທີ່ໜ້າເຊື່ອຖືຫຼາຍຂຶ້ນ, ໃນຂະນະທີ່ຜູ້ຈໍາແນກປັບປຸງຄວາມສາມາດໃນການຈໍາແນກມັນຈາກຕົ້ນສະບັບ. ເກມຂອງແມວແລະຫນູນີ້ນໍາໄປສູ່ການປັບປຸງຢ່າງຕໍ່ເນື່ອງໃນຄຸນນະພາບຂອງເນື້ອຫາທີ່ສ້າງ.
ໃນທາງກັບກັນ, VAE ຮຽນຮູ້ທີ່ຈະບີບອັດຂໍ້ມູນ (ຄືກັບຮູບພາບ) ເຂົ້າໄປໃນພື້ນທີ່ຄຸນສົມບັດທີ່ນ້ອຍກວ່າ ແລະ decompress ມັນເພື່ອສ້າງຮູບຕົ້ນສະບັບຄືນໃໝ່. ໂດຍການປັບພື້ນທີ່ຄຸນນະສົມບັດນີ້, ພວກເຮົາສາມາດດັດແປງຮູບພາບທີ່ສ້າງຂຶ້ນໃຫມ່, ຕົວຢ່າງໂດຍການປ່ຽນໃບຫນ້າຂອງບຸກຄົນອື່ນ.
ໃນການປະຕິບັດ, ການສ້າງ deepfake ທໍາອິດຮຽກຮ້ອງໃຫ້ມີການເກັບກໍາຂໍ້ມູນຈໍານວນຫລາຍ, ເຊັ່ນຮູບພາບຫຼືວິດີໂອຂອງເປົ້າຫມາຍ. ຫຼັງຈາກນັ້ນ, ຂໍ້ມູນນີ້ຖືກນໍາໃຊ້ເພື່ອຝຶກອົບຮົມແບບຈໍາລອງເພື່ອເຂົ້າໃຈແລະເຮັດຕາມລັກສະນະສະເພາະຂອງເປົ້າຫມາຍ. ເມື່ອຕົວແບບໄດ້ຖືກຝຶກອົບຮົມ, ມັນສາມາດສ້າງເນື້ອຫາປອມທີ່ມີຄວາມຖືກຕ້ອງສູງ.
ຜົນກະທົບຂອງ Deepfake
ຜົນກະທົບຂອງການປອມແປງເລິກສາມາດມີຫຼາຍ, ຜົນກະທົບຕໍ່ການເມືອງ, ສື່ມວນຊົນ, ຄວາມຫມັ້ນຄົງແລະສັງຄົມໂດຍທົ່ວໄປ. ການໃຊ້ເທັກໂນໂລຍີທີ່ເປັນອັນຕະລາຍສາມາດປະກອບສ່ວນເຂົ້າໃນການເຜີຍແຜ່ຂໍ້ມູນທີ່ບໍ່ຖືກຕ້ອງ, ການຈັດການຄວາມຄິດເຫັນຂອງປະຊາຊົນ, ການຂົ່ມເຫັງທາງອິນເຕີເນັດ, ແລະແມ່ນແຕ່ຄວາມເຄັ່ງຕຶງທາງດ້ານພູມສາດ. ນີ້ແມ່ນເຫດຜົນທີ່ວ່າມັນເປັນສິ່ງສໍາຄັນທີ່ຈະໄດ້ຮັບການແຈ້ງໃຫ້ຊາບແລະຮູ້ເຖິງເຕັກໂນໂລຢີນີ້, ຮັບຮູ້ຄວາມເປັນໄປໄດ້ຂອງມັນໃນຂະນະທີ່ຍັງມີຄວາມລະມັດລະວັງໃນການປະເຊີນຫນ້າກັບການລ່ວງລະເມີດທີ່ອາດຈະເກີດຂື້ນ.
ຜົນສະທ້ອນດ້ານຈັນຍາບັນແລະຄວາມສ່ຽງຂອງການປອມແປງເລິກ
THE ປອມເລິກ ແມ່ນວິດີໂອ ຫຼືການບັນທຶກສຽງທີ່ສ້າງຂຶ້ນໂດຍໃຊ້ປັນຍາປະດິດເພື່ອສ້າງພາບລວງຕາທີ່ໜ້າເຊື່ອຖື. ເຖິງວ່າເທັກໂນໂລຍີນີ້ອາດມີແອັບພລິເຄຊັນທີ່ບໍ່ເປັນອັນຕະລາຍເຊັ່ນໃນອຸດສາຫະກໍາການບັນເທີງ, ຜົນກະທົບດ້ານຈັນຍາບັນຂອງມັນບໍ່ຄວນຖືກປະເມີນໄວ້.
- ການໂຈມຕີຮູບພາບແລະຄວາມເປັນສ່ວນຕົວ: ການວາງບຸກຄົນໃນສະຖານະການປະນີປະນອມຫຼືບໍ່ຖືກຕ້ອງໂດຍບໍ່ມີການຍິນຍອມເຫັນດີສາມາດທໍາລາຍຊື່ສຽງແລະຄວາມເປັນສ່ວນຕົວຂອງເຂົາເຈົ້າຢ່າງຮຸນແຮງ.
- ການຫມູນໃຊ້ແລະຂໍ້ມູນຂ່າວສານ: Deepfakes ສາມາດຖືກນໍາໃຊ້ເພື່ອຈັດການຄວາມຄິດເຫັນຂອງປະຊາຊົນ, ໂດຍການສ້າງຄໍາເວົ້າທີ່ບໍ່ຖືກຕ້ອງຈາກຕົວເລກທີ່ມີອິດທິພົນຫຼືການປ່ຽນແປງເຫດການປະຫວັດສາດທີ່ຫນ້າເຊື່ອຖື.
- ຜົນສະທ້ອນທາງກົດໝາຍ: Deepfakes ສ້າງຄວາມທ້າທາຍຕໍ່ລະບົບກົດໝາຍ, ຮຽກຮ້ອງໃຫ້ຕັ້ງຄຳຖາມກ່ຽວກັບຄວາມຈິງຂອງຫຼັກຖານ ແລະຄຳນິຍາມຂອງການໝິ່ນປະໝາດ ແລະການປາກເວົ້າຢ່າງເສລີ.
ຄວາມສ່ຽງຕໍ່ສັງຄົມ
ນອກເຫນືອໄປຈາກຜົນກະທົບດ້ານຈັນຍາບັນ, ປອມເລິກ ສ້າງຄວາມສ່ຽງຕໍ່ສັງຄົມທັງຫມົດ.
- ອິດທິພົນທາງດ້ານການເມືອງ: ຄວາມສາມາດໃນການສ້າງວິດີໂອປອມຂອງນັກການເມືອງສາມາດມີອິດທິພົນຕໍ່ຜົນການເລືອກຕັ້ງຫຼືເຮັດໃຫ້ລັດຖະບານບໍ່ມີສະຖຽນລະພາບ.
- ຜົນກະທົບທາງຈິດໃຈ: ການແຈກຢາຍຂອງປອມທີ່ເປັນອັນຕະລາຍສາມາດເຮັດໃຫ້ເກີດຄວາມເສຍຫາຍທາງດ້ານຈິດໃຈຕໍ່ບຸກຄົນທີ່ຖືກພັນລະນາຫຼືຜູ້ທີ່ເບິ່ງພວກມັນ.
- ຄວາມຫນ້າເຊື່ອຖືຂອງຂໍ້ມູນ: ການແຜ່ຂະຫຍາຍການປອມຕົວຢ່າງເລິກເຊິ່ງ ເຮັດໃຫ້ເກີດຄວາມເສຍຫາຍຕໍ່ຄວາມໄວ້ວາງໃຈຂອງສາທາລະນະຊົນໃນສື່ ແລະແຫຼ່ງຂໍ້ມູນຂ່າວສານ, ດັ່ງນັ້ນຈຶ່ງເຮັດໃຫ້ການໂຕ້ວາທີທາງດ້ານປະຊາທິປະໄຕຫຼຸດລົງ.
ປະເຊີນກັບສິ່ງທ້າທາຍເຫຼົ່ານີ້, ມັນເປັນສິ່ງຈໍາເປັນທີ່ສັງຄົມມີປະຕິກິລິຍາໂດຍການພັດທະນາເຄື່ອງມືກວດຫາທີ່ເຫມາະສົມແລະກອບທາງດ້ານກົດຫມາຍ, ໃນຂະນະທີ່ແຈ້ງໃຫ້ປະຊາຊົນຮັບຮູ້ເຖິງຄວາມສ່ຽງທີ່ກ່ຽວຂ້ອງກັບການປອມແປງຢ່າງເລິກເຊິ່ງ.
Deepfakes ສ້າງສິ່ງທ້າທາຍດ້ານຈັນຍາບັນແລະຄວາມປອດໄພທີ່ບໍ່ເຄີຍມີມາກ່ອນສໍາລັບສັງຄົມ. ມັນເປັນສິ່ງຈໍາເປັນທີ່ຜູ້ນອຸດສາຫະກໍາ, ນິຕິບັນຍັດ, ແລະຊຸມຊົນວິທະຍາສາດເຮັດວຽກຮ່ວມກັນເພື່ອຄວບຄຸມເຕັກໂນໂລຢີນີ້ແລະຫຼຸດຜ່ອນຜົນກະທົບທາງລົບຂອງມັນ. ການສຶກສາ ແລະ ການເຝົ້າລະວັງຍັງຄົງເປັນເຄື່ອງມືທີ່ດີທີ່ສຸດທີ່ມີໃຫ້ປະຊາຊົນທົ່ວໄປເພື່ອປ້ອງກັນຕົນເອງຈາກອັນຕະລາຍຂອງການປອມແປງເລິກ.
ຄວາມກ້າວຫນ້າທາງດ້ານເຕັກໂນໂລຢີໃນໃບຫນ້າຂອງ Deepfake
ການກວດສອບ Deepfake
ວິທີການກວດຫາການປອມແປງເລິກແມ່ນເພີ່ມຂຶ້ນ ແລະມີຄວາມຊັບຊ້ອນຫຼາຍຂຶ້ນ. ດຽວນີ້ສູດການຄິດໄລ່ທີ່ຖືກອອກແບບມາເປັນພິເສດສາມາດສັງເກດເຫັນຄວາມຜິດປົກກະຕິທີ່ຫລົບຫນີຈາກສາຍຕາຂອງມະນຸດ. ຕົວຢ່າງ, ການວິເຄາະການເຄື່ອນໄຫວຕາ ຫຼື ການສະແດງອອກທາງໜ້າສາມາດເປັນວິທີທີ່ຈະເຫັນຄວາມຜິດປົກກະຕິ. ບໍລິສັດເຕັກໂນໂລຢີຂະຫນາດໃຫຍ່ເຊັ່ນ Microsoft ແລະ ເຟສບຸກ ໄດ້ລົງທຶນໃນເຄື່ອງມືທີ່ສະແກນເນື້ອຫາສໍາລັບສັນຍານເຕືອນກ່ຽວກັບການຫມູນໃຊ້.
ການເລີ່ມຕົ້ນ, ເຊັ່ນ Deeptrace ຫຼື ຄວາມຮູ້ສຶກ, ສຸມໃສ່ການຕິດຕາມກວດກາສະເພາະແລະການກວດສອບຂອງ deepfakes, ສະເຫນີວິທີແກ້ໄຂອົງການຈັດຕັ້ງທີ່ຕ້ອງການທີ່ຈະປົກປັກຮັກສາຄວາມຊື່ສັດສື່ມວນຊົນຂອງເຂົາເຈົ້າ. ເຂົາເຈົ້າໃຊ້ເຄືອຂ່າຍຄູ່ປໍລະປັກທົ່ວໄປ (GANs) ເພື່ອຝຶກຕົນເອງໃຫ້ຮັບຮູ້ຄຸນສົມບັດຂອງເນື້ອຫາທີ່ຖືກປອມແປງ.
ປັບປຸງກົດໝາຍ ແລະ ລະບຽບການ
ນອກເຫນືອຈາກຄວາມຄືບຫນ້າທາງດ້ານເຕັກນິກ, ນິຕິກໍາພະຍາຍາມທີ່ຈະຮັກສາການວິວັດທະນາການຂົ່ມຂູ່ຂອງ deepfakes. ຫຼາຍປະເທດກຳລັງພັດທະນາ ຫຼືໄດ້ປະຕິບັດກົດໝາຍແລ້ວ ເພື່ອແນໃສ່ສ້າງ ແລະແຈກຢາຍເນື້ອຫາທີ່ເຂົ້າໃຈຜິດທີ່ອອກແບບດ້ວຍປັນຍາປະດິດ. ການສົນທະນາກ່ຽວກັບຜົນສະທ້ອນທາງດ້ານຈັນຍາບັນແລະທາງດ້ານກົດຫມາຍຂອງ deepfake ຍັງເຮັດໃຫ້ອົງການຈັດຕັ້ງສາກົນມີຊີວິດຊີວາ, ເຊິ່ງຊອກຫາວິທີທີ່ຈະສ້າງມາດຕະຖານສາກົນສໍາລັບການປິ່ນປົວບັນຫາເຫຼົ່ານີ້.
ໃນປະເທດຝຣັ່ງ, ການດັດແປງປະມວນກົດໝາຍອາຍາສາມາດຖືວ່າເປັນການເສີມສ້າງການຕໍ່ສູ້ຕ້ານການເຜີຍແຜ່ຂອງປອມ, ໃນຂະນະທີ່ຮັບປະກັນການເຄົາລົບສິດເສລີພາບໃນການສະແດງອອກ ແລະການປົກປ້ອງຄວາມເປັນສ່ວນຕົວ.
ການສຶກສາແລະການປູກຈິດສໍານຶກ
ປະເຊີນກັບພາໂນຣາມານີ້, ການສຶກສາສາທາລະນະກາຍເປັນສິ່ງສໍາຄັນ. ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະປູກຈິດສໍານຶກກ່ຽວກັບບັນຫາຂອງ deepfakes ເພື່ອໃຫ້ຜູ້ໃຊ້ມີຄວາມລະມັດລະວັງແລະສາມາດສົງໃສສິ່ງທີ່ພວກເຂົາເຫັນອອນໄລນ໌. ການໂຄສະນາຂໍ້ມູນຂ່າວສານ, ນໍາພາໂດຍລັດຖະບານແລະອົງການ NGO, ເຊັ່ນດຽວກັນກັບໂມດູນການສຶກສາໃນໂຮງຮຽນ, ກໍາລັງເລີ້ມອອກມາ.
ການສ້າງຄວາມເຂັ້ມແຂງເວທີອອນໄລນ໌
ເວທີອອນໄລນ໌ຍັງເອົາຄວາມຮັບຜິດຊອບຂອງເຂົາເຈົ້າ. ຍັກໃຫຍ່ມັກ Google, Twitter ແລະ Youtube ພວມປະຕິບັດນະໂຍບາຍເຂັ້ມງວດນັບມື້ນັບເຂັ້ມງວດກ່ຽວກັບການພິມເຜີຍແຜ່ຂອງປອມ. ພວກເຂົາກໍາລັງພັດທະນາເຄື່ອງມືການຢັ້ງຢືນເນື້ອຫາແລະສ້າງຄວາມເຂັ້ມແຂງໃຫ້ທີມງານຄວບຄຸມຂອງພວກເຂົາ. ນັກສະແດງເຫຼົ່ານີ້ບາງຄົນກໍ່ເປັນຄູ່ຮ່ວມງານກັບນັກຄົ້ນຄວ້າແລະນັກວິຊາການເພື່ອຢູ່ຂ້າງຫນ້າຂອງເຕັກນິກການປອມແປງ.
ຄວາມກ້າວຫນ້າທາງດ້ານເທກໂນໂລຍີໃນການປະເຊີນຫນ້າຂອງ deepfake ແມ່ນສິດທິພິເສດຂອງການຮ່ວມມືລະຫວ່າງນັກວິຊາການ, ນິຕິບັນຍັດ, ການສຶກສາແລະເວທີອອນໄລນ໌. ໃນຂະນະທີ່ບັນດາສິ່ງທ້າທາຍໃຫຍ່ຫຼວງຢູ່ຕໍ່ໜ້າໄພຂົ່ມຂູ່ທີ່ພວມຜັນແປໄປຢ່າງບໍ່ຢຸດຢັ້ງ, ປະຊາຄົມໂລກພວມສະແດງໃຫ້ເຫັນຄວາມຢືດຢຸ່ນ ແລະ ນະວັດຕະກຳເພື່ອປົກປ້ອງຄວາມໝັ້ນຄົງຂອງຂໍ້ມູນຂ່າວສານ ແລະ ຄວາມໝັ້ນຄົງຂອງພົນລະເມືອງ. ເວລາຈະບອກໄດ້ວ່າຄວາມພະຍາຍາມຮ່ວມກັນເຫຼົ່ານີ້ຈະພຽງພໍຫຼືບໍ່ເພື່ອຕ້ານຜົນກະທົບທີ່ອາດເປັນການທໍາລາຍຂອງ deepfakes.
ວິທີການກວດພົບ Deepfakes
ເພື່ອກວດຫາການປອມແປງເລິກ, ມັນເປັນສິ່ງສໍາຄັນທີ່ຈະລະມັດລະວັງແລະນໍາໃຊ້ເຄື່ອງມືເຕັກໂນໂລຢີທີ່ອຸທິດຕົນ. ນີ້ແມ່ນຂັ້ນຕອນ ແລະເຄື່ອງມືທີ່ສຳຄັນເພື່ອພິຈາລະນາ:
- ປະເມີນແຫຼ່ງວິດີໂອ: ກວດເບິ່ງຄວາມຫນ້າເຊື່ອຖືຂອງແຫຼ່ງແບ່ງປັນເນື້ອຫາ.
- ສັງເກດຄວາມບໍ່ສອດຄ່ອງທາງສາຍຕາ ຫຼືການໄດ້ຍິນ: ຊອກຫາຄວາມຜິດປົກກະຕິໃນການສະແດງອອກທາງໜ້າ, ການເຄື່ອນໄຫວຂອງປາກ, ຫຼືເວລາເວົ້າ.
- ເອົາໃຈໃສ່ກັບລາຍລະອຽດ: ຄວາມຜິດພາດໃນການກະພິບ, ໂຄງສ້າງຂອງຜິວຫນັງ, ຫຼືພື້ນຫລັງສາມາດຊີ້ໃຫ້ເຫັນເຖິງການຫມູນໃຊ້.
- ໃຊ້ຊອບແວກວດຈັບ: ເວທີເຊັ່ນ Microsoft Video Authenticator ສາມາດຊ່ວຍກໍານົດການປອມແປງເລິກ.
- ວິເຄາະພຶດຕິກໍາ: ຖ້າພຶດຕິກໍາຫຼືຄໍາເວົ້າຂອງບຸກຄົນນັ້ນບໍ່ກົງກັບສິ່ງທີ່ຮູ້ຈັກກ່ຽວກັບພວກເຂົາ, ວິດີໂອອາດຈະຖືກປອມແປງ.
ວິທີການປ້ອງກັນຕົວເອງຈາກ Deepfakes
ການປ້ອງກັນການປອມແປງຢ່າງເລິກເຊິ່ງກ່ຽວຂ້ອງກັບການປະສົມປະສານຂອງລະມັດລະວັງສ່ວນບຸກຄົນແລະມາດຕະການດ້ານວິຊາການ:
- ສຶກສາແລະປູກຈິດສໍານຶກ: ເຂົ້າໃຈວິທີການ deepfakes ເຮັດວຽກແລະຮຽນຮູ້ວິທີການກວດພົບ.
- ຮັກສາຊອບແວຂອງທ່ານໃຫ້ທັນສະໄຫມ: ການປັບປຸງຄວາມປອດໄພສາມາດປ້ອງກັນ vectors ການໂຈມຕີຂູດຮີດ deepfakes.
- ໃຊ້ການພິສູດຢືນຢັນຫຼາຍປັດໃຈ: ໂດຍສະເພາະສໍາລັບຂໍ້ມູນທີ່ລະອຽດອ່ອນ, ການພິສູດຢືນຢັນແບບຫຼາຍປັດໃຈເຮັດໃຫ້ມັນມີຄວາມຫຍຸ້ງຍາກຫຼາຍທີ່ຈະໃຊ້ຂໍ້ມູນສ່ວນຕົວໃນທາງທີ່ຜິດຈາກ deepfakes.
- ເພີ່ມທະວີການສ້າງນິຕິກຳ: ສະໜັບສະໜູນນະໂຍບາຍ ແລະ ກົດໝາຍທີ່ແນໃສ່ຕ້ານການແຜ່ລາມຂອງປອມແປງເລິກ.
- ຮ້ອງຂໍຄວາມຊ່ຽວຊານ: ຖ້າສົງໃສ, ຮ້ອງຂໍການວິເຄາະຈາກຜູ້ຊ່ຽວຊານຫຼືອໍານາດການປົກ.
THE ປອມເລິກ ເປັນຕົວແທນຂອງສິ່ງທ້າທາຍທີ່ສໍາຄັນໃນຍຸກຂໍ້ມູນຂ່າວສານດິຈິຕອນຂອງພວກເຮົາ. ພວກເຂົາຮຽກຮ້ອງໃຫ້ມີວິທີການທີ່ຫ້າວຫັນທີ່ປະສົມປະສານການສຶກສາຂອງຜູ້ໃຊ້, ການນໍາໃຊ້ເຕັກໂນໂລຢີການຊອກຄົ້ນຫາແບບພິເສດແລະກອບນິຕິກໍາທີ່ເຫມາະສົມ. ໂດຍທີ່ຍັງເຫຼືອຢ່າງລະມັດລະວັງແລະແຈ້ງໃຫ້ຊາບ, ພວກເຮົາບໍ່ພຽງແຕ່ສາມາດກວດພົບແຕ່ປົກປ້ອງຕົນເອງຈາກອິດທິພົນຂອງ deepfakes ແລະປ້ອງກັນຄວາມຈິງໃນການສື່ສານ.
