dot (también conocido como Deepfake Offensive Toolkit) permite crear deepfakes en tiempo real y controlables, listos para ser inyectados en cámaras virtuales. dot fue creado para realizar pruebas de penetración contra sistemas como verificación de identidad y videoconferencias, para uso de analistas de seguridad, miembros de equipos Red e investigadores en biometría.

Si quieres saber más sobre cómo se usa dot en pruebas de penetración con deepfakes en la industria, lee estos artículos de The Verge y Biometric Update.

dot se desarrolla con fines de investigación y demostración. Como usuario final, tienes la responsabilidad de cumplir con todas las leyes aplicables al usar este programa. Los autores y desarrolladores colaboradores no asumen ninguna responsabilidad ni se hacen responsables de cualquier uso indebido o daño causado por el uso de este programa.

Cómo funciona

En pocas palabras, dot funciona así:

flowchart LR;
    A(tu feed de cámara web) --> B(conjunto de deepfakes en tiempo real);
    B(conjunto de deepfakes en tiempo real) --> C(inyección en cámara virtual);

Todos los deepfakes compatibles con dot no requieren entrenamiento adicional. Se pueden usar en tiempo real, sobre la marcha, sobre una foto que se convierte en el objetivo de la suplantación facial. Métodos compatibles:

• intercambio facial (vía SimSwap), en resoluciones 224 y 512
  • con la opción de superresolución facial (vía GPen) en resoluciones 256 y 512
• intercambio facial de menor calidad (vía OpenCV)
• FOMM, First Order Motion Model para animación de imágenes

Ejecutar dot

Interfaz gráfica

Instalación de la GUI

Descarga y ejecuta el ejecutable de dot para tu sistema operativo:

• Windows (probado en Windows 10 y 11):

  • Descarga dot.zip desde aquí, descomprímelo y luego ejecuta dot.exe

• Ubuntu:

  • Pendiente

• Mac (probado en Apple M2 Sonoma 14.0):

  • Descarga dot-m2.zip desde aquí y descomprímelo
  • Abre la terminal y ejecuta xattr -cr dot-executable.app para eliminar cualquier atributo extendido
  • En caso de error al leer la cámara:
    • Haz clic derecho y elige Show Package Contents
    • Ejecuta dot-executable desde la carpeta Contents/MacOS

Uso de la GUI

Ejemplo de uso:

1. Especifica la imagen de origen en el campo source.
2. Especifica el número de identificación de la cámara en el campo target. En la mayoría de los casos, 0 es el ID correcto.
3. Especifica el archivo de configuración en el campo config_file. Selecciona una configuración predeterminada de la lista desplegable o usa un archivo personalizado.
4. (Opcional) Marca el campo use_gpu para usar la GPU.
5. Haz clic en el botón RUN para iniciar el deepfake.

Para más información sobre cada campo, haz clic en el menú Help/Usage.

Mira el siguiente video de demostración para entender mejor la interfaz:

Línea de comandos

Instalación CLI

Instalar requisitos previos

• Linux

  sudo apt install ffmpeg cmake
  

• MacOS

  brew install ffmpeg cmake
  

• Windows

  1. Descarga e instala Visual Studio Community desde aquí
  2. Instala "Desktop development with C++" desde el instalador de Visual Studio

Crear entorno Conda

Las instrucciones asumen que tienes Miniconda instalado en tu máquina. Si no lo tienes, puedes consultar este enlace para las instrucciones de instalación.

Con soporte GPU

conda env create -f envs/environment-gpu.yaml
conda activate dot

Instala las dependencias torch y torchvision según la versión de CUDA instalada en tu máquina:

• Instala CUDA 11.8 desde enlace

• Instala cudatoolkit desde conda: conda install cudatoolkit=<cuda_version_no> (reemplaza <cuda_version_no> con la versión de tu máquina)

• Instala las dependencias torch y torchvision: pip install torch==2.0.1+<cuda_tag> torchvision==0.15.2+<cuda_tag> torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118, donde <cuda_tag> es la etiqueta CUDA definida por PyTorch. Por ejemplo, pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118 para CUDA 11.8.

  Nota: torch1.9.0+cu111 también se puede usar.

Para comprobar que torch y torchvision están instalados correctamente, ejecuta el siguiente comando: python -c "import torch; print(torch.cuda.is_available())". Si la salida es True, las dependencias están instaladas con soporte CUDA.

Con soporte MPS (Apple Silicon)

conda env create -f envs/environment-apple-m2.yaml
conda activate dot

Para comprobar que torch y torchvision están instalados correctamente, ejecuta el siguiente comando: python -c "import torch; print(torch.backends.mps.is_available())". Si la salida es True, las dependencias están instaladas con soporte del framework de programación Metal.

Con soporte CPU (lento, no recomendado)

conda env create -f envs/environment-cpu.yaml
conda activate dot

Instalar dot

pip install -e .

Descargar modelos

• Descarga los puntos de control de dot desde aquí
• Descomprime el archivo descargado en la raíz de este proyecto

Uso CLI

Ejecuta dot --help para obtener una lista completa de opciones disponibles.

1. Simswap

   dot -c ./configs/simswap.yaml --target 0 --source "./data" --use_gpu
   

2. SimSwapHQ

   dot -c ./configs/simswaphq.yaml --target 0 --source "./data" --use_gpu
   

3. FOMM

   dot -c ./configs/fomm.yaml --target 0 --source "./data" --use_gpu
   

4. FaceSwap CV2

   dot -c ./configs/faceswap_cv2.yaml --target 0 --source "./data" --use_gpu