10月7日，国外一家杂志发表文章，披露和分析了人工智能、机器学习及人脸交换技术目前的发展情况和武器化后给国家安全带来的挑战。文中提到，某人工智能实验室利用“生成对抗网络”技术，能实现仅用一张图片即可替代源视频文件中的图像，之前需要成千上万张图片实现的源视频处理过程，现在不超过16张图片就可完成。研究人员利用该算法技术，通过脸部标志性特征，识别眼睛、嘴和下巴的运动。当这些运动被网络获取和理解后，即可以逼真的方式叠放生成新图片，识别出被“换脸”者的面部信息。

　　“生成对抗网络”，是人工智能领域知名专家古德费洛在2014年提出来的一种生成式模型，主要采用对抗思想和深度学习的模式来生成数据。“生成对抗网络”实际上是由两个神经网络组成，即生成器和鉴别器。生成器通过接受输入的内容，不断生成某一样本，而鉴别器则随着时间的推移越来越详尽地告知生成器怎样修正。或者我们也可以这样去理解，生成器不断尝试创建新样本，鉴别器尽可能地确定样本是否真实。双方在训练过程中都不断优化自己，直至达到平衡——双方都无法再变得更好，也就是假样本与真样本完全不可区分。

　　近年来，“生成对抗网络”技术在不断“进化”，已从传统的计算机视觉向其他方向扩展，在对抗样本、数据增广、迁移学习和创造智能等方面都展现出了巨大潜力，已成为深度学习与人工智能技术的新热点。

　　该技术在军事领域也展现出广阔的应用前景。在模拟仿真方面，可将仿真图像转换为真实风格的图像，模拟真实的光照和天气条件，由二维图像生成物体的三维模型等，从而构建各种逼真的虚拟作战环境。在信息对抗方面，该技术可用于语音和语言处理，生成对话并由文本生成图像，提高语义分割的精度等。在网络安全方面，该技术能够主动生成具有对抗性的病毒代码样本，攻击黑盒病毒检测模型，有利于提高反病毒软件的性能，还可用于密码破解等。

　　新技术孕育新机遇，也必将带来新挑战。“生成对抗网络”技术的不断发展，必将对军事指挥控制、武器装备、作战方式等带来深远影响。我们应紧盯前沿、密切跟踪该技术最新发展成果，特别是要重视在军事领域的应用研究，正确把握战争形态变化、预判军事科技的突破方向，切实加强安全防护，防止因“技术代差”造成被动甚至难以预料的后果。