dot (aka Deepfake Offensive Toolkit) produce deepfake in tempo reale e controllabili, pronti per l'iniezione in telecamere virtuali. dot è stato creato per eseguire penetration testing contro, ad esempio, sistemi di verifica dell'identità e videoconferenza, per uso da parte di analisti della sicurezza, membri di Red Team e ricercatori biometrici.

Se vuoi saperne di più su come dot viene utilizzato per penetration test con deepfake nel settore, leggi questi articoli di The Verge e Biometric Update.

dot è sviluppato per scopi di ricerca e dimostrazione. In quanto utente finale, hai la responsabilità di rispettare tutte le leggi applicabili quando usi questo programma. Gli autori e i collaboratori allo sviluppo non si assumono alcuna responsabilità e non sono responsabili per eventuali abusi o danni causati dall'uso di questo programma.

Come funziona

In poche parole, dot funziona così

flowchart LR;
    A(tuo feed webcam) --> B(set di deepfake in tempo reale);
    B(set di deepfake in tempo reale) --> C(iniezione in telecamera virtuale);

Tutti i deepfake supportati da dot non richiedono formazione aggiuntiva. Possono essere utilizzati in tempo reale al volo su una foto che diventa il bersaglio dell'impersonificazione facciale. Metodi supportati:

• face swap (tramite SimSwap), alle risoluzioni 224 e 512
  • con l'opzione di super-risoluzione facciale (tramite GPen) alle risoluzioni 256 e 512
• face swap di qualità inferiore (tramite OpenCV)
• FOMM, First Order Motion Model per l'animazione di immagini

Esecuzione di dot

Interfaccia grafica

Installazione dell'interfaccia grafica

Scarica ed esegui l'eseguibile dot per il tuo sistema operativo:

• Windows (Testato su Windows 10 e 11):

  • Scarica dot.zip da qui, decomprimilo e poi esegui dot.exe

• Ubuntu:

  • Da fare

• Mac (Testato su Apple M2 Sonoma 14.0):

  • Scarica dot-m2.zip da qui e decomprimilo
  • Apri il terminale ed esegui xattr -cr dot-executable.app per rimuovere eventuali attributi estesi
  • In caso di errore di lettura della fotocamera:
    • Fai clic con il tasto destro e scegli Mostra Contenuto Pacchetto
    • Esegui dot-executable dalla cartella Contents/MacOS

Utilizzo dell'interfaccia grafica

Esempio d'uso:

1. Specifica l'immagine sorgente nel campo source.
2. Specifica il numero ID della fotocamera nel campo target. Nella maggior parte dei casi, 0 è l'ID corretto.
3. Specifica il file di configurazione nel campo config_file. Seleziona una configurazione predefinita dal menu a discesa o usa un file personalizzato.
4. (Opzionale) Spunta il campo use_gpu per utilizzare la GPU.
5. Clicca sul pulsante RUN per avviare il deepfake.

Per maggiori informazioni su ciascun campo, clicca sul menu Help/Usage.

Guarda il seguente video dimostrativo per comprendere meglio l'interfaccia

Riga di comando

Installazione da riga di comando

Installa prerequisiti

• Linux

  sudo apt install ffmpeg cmake
  

• MacOS

  brew install ffmpeg cmake
  

• Windows

  1. Scarica e installa Visual Studio Community da qui
  2. Installa Sviluppo desktop in C++ dal programma di installazione di Visual Studio

Crea ambiente Conda

Le istruzioni presuppongono che tu abbia Miniconda installato sulla tua macchina. In caso contrario, puoi fare riferimento a questo link per le istruzioni di installazione.

Con supporto GPU

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

Installa le dipendenze torch e torchvision in base alla versione di CUDA installata sulla tua macchina:

• Installa CUDA 11.8 da link

• Installa cudatoolkit da conda: conda install cudatoolkit=<cuda_version_no> (sostituisci <cuda_version_no> con la versione sulla tua macchina)

• Installa le dipendenze torch e 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, dove <cuda_tag> è il tag CUDA definito da Pytorch. Ad esempio, pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118 per CUDA 11.8.

  Nota: può essere utilizzato anche torch1.9.0+cu111.

Per verificare che torch e torchvision siano installati correttamente, esegui il seguente comando: python -c "import torch; print(torch.cuda.is_available())". Se l'output è True, le dipendenze sono installate con supporto CUDA.

Con supporto MPS (Apple Silicon)

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

Per verificare che torch e torchvision siano installati correttamente, esegui il seguente comando: python -c "import torch; print(torch.backends.mps.is_available())". Se l'output è True, le dipendenze sono installate con supporto del framework di programmazione Metal.

Con supporto CPU (lento, non consigliato)

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

Installa dot

pip install -e .

Scarica i modelli

• Scarica i checkpoint del modello dot da qui
• Decomprimi il file scaricato nella radice di questo progetto

Utilizzo da riga di comando

Esegui dot --help per ottenere un elenco completo delle opzioni disponibili.

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