Deepfakes 是一种合成媒体,通常使用人工智能/机器学习 (AI/ML) 生成,呈现从未发生过的事件的可信且逼真的视频、图片、音频或文本。在我们工作的第二阶段,我们以第一阶段的研究结果为基础,并在三个用例中为组织、立法和监管方法提供了更深入的建议,以应对迫在眉睫的 Deepfakes 身份威胁。第一个用例涉及创作者、所有者和直接用户(如依赖这些内容的媒体组织、非政府组织 (NGO)、执法和法律机构)提供的内容。第二个用例涉及在广播环境中传播的内容,其中社交媒体平台和新闻组织可能被用作传播虚假、误导和最终有害信息的载体,产生不同程度的广泛影响。第三个用例涉及与实时或现场场景相关的内容,用于身份验证和验证,以启用和提供服务和产品。这些场景中的交互的实时或近实时性质使得图像、视频和音频内容尤为重要。我们评估了这些用例,并制定了一个通用的打击深度伪造的框架(包括相关清单),并针对该框架的五个方面提出了未来工作的建议:制定政策和支持立法;识别 Deepfa