dot (também conhecido como Deepfake Offensive Toolkit) torna deepfakes em tempo real e controláveis prontos para injeção em câmeras virtuais. dot foi criado para realizar testes de penetração contra, por exemplo, sistemas de verificação de identidade e videoconferência, para uso por analistas de segurança, membros de Red Team e pesquisadores biométricos.

Se você quiser saber mais sobre como o dot é usado para testes de penetração com deepfakes na indústria, leia estes artigos do The Verge e Biometric Update.

dot é desenvolvido para fins de pesquisa e demonstração. Como usuário final, você tem a responsabilidade de obedecer a todas as leis aplicáveis ao usar este programa. Os autores e desenvolvedores contribuintes não assumem nenhuma responsabilidade e não se responsabilizam por qualquer uso indevido ou dano causado pelo uso deste programa.

Como funciona

Em poucas palavras, o dot funciona assim:

flowchart LR;
    A(sua transmissão da webcam) --> B(conjunto de deepfakes em tempo real);
    B(conjunto de deepfakes em tempo real) --> C(injeção em câmera virtual);

Todos os deepfakes suportados pelo dot não requerem treinamento adicional. Eles podem ser usados em tempo real, na hora, em uma foto que se torna o alvo da personificação facial. Métodos suportados:

• troca de rosto (via SimSwap), nas resoluções 224 e 512
  • com a opção de super-resolução facial (via GPen) nas resoluções 256 e 512
• troca de rosto de qualidade inferior (via OpenCV)
• FOMM, Modelo de Movimento de Primeira Ordem para animação de imagem

Executando o dot

Interface gráfica

Instalação da GUI

Baixe e execute o executável do dot para seu sistema operacional:

• Windows (Testado no Windows 10 e 11):

  • Baixe o dot.zip de aqui, descompacte-o e então execute dot.exe

• Ubuntu:

  • A fazer

• Mac (Testado no Apple M2 Sonoma 14.0):

  • Baixe o dot-m2.zip de aqui e descompacte-o
  • Abra o terminal e execute xattr -cr dot-executable.app para remover quaisquer atributos estendidos
  • Em caso de erro de leitura da câmera:
    • Clique com o botão direito e escolha Mostrar Conteúdo do Pacote
    • Execute dot-executable a partir da pasta Contents/MacOS

Uso da GUI

Exemplo de uso:

1. Especifique a imagem de origem no campo source.
2. Especifique o número da câmera no campo target. Na maioria dos casos, 0 é o ID correto da câmera.
3. Especifique o arquivo de configuração no campo config_file. Selecione uma configuração padrão na lista suspensa ou use um arquivo personalizado.
4. (Opcional) Marque o campo use_gpu para usar a GPU.
5. Clique no botão RUN para iniciar o deepfake.

Para mais informações sobre cada campo, clique no menu Help/Usage.

Assista ao vídeo de demonstração a seguir para entender melhor a interface:

Linha de comando

Instalação via CLI

Instalar pré-requisitos

• Linux

  sudo apt install ffmpeg cmake
  

• MacOS

  brew install ffmpeg cmake
  

• Windows

  1. Baixe e instale o Visual Studio Community de aqui
  2. Instale o Desenvolvimento para desktop com C++ pelo instalador do Visual Studio

Criar ambiente Conda

As instruções assumem que você tenha o Miniconda instalado na sua máquina. Caso não tenha, consulte este link para instruções de instalação.

Com suporte a GPU

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

Instale as dependências torch e torchvision com base na versão do CUDA instalada na sua máquina:

• Instale o CUDA 11.8 do link

• Instale o cudatoolkit pelo conda: conda install cudatoolkit=<cuda_version_no> (substitua <cuda_version_no> pela versão na sua máquina)

• Instale as dependências 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, onde <cuda_tag> é a tag CUDA definida pelo PyTorch. Por exemplo, 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 também pode ser usado.

Para verificar se torch e torchvision foram instalados corretamente, execute o seguinte comando: python -c "import torch; print(torch.cuda.is_available())". Se a saída for True, as dependências estão instaladas com suporte a CUDA.

Com suporte a MPS (Apple Silicon)

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

Para verificar se torch e torchvision foram instalados corretamente, execute o seguinte comando: python -c "import torch; print(torch.backends.mps.is_available())". Se a saída for True, as dependências estão instaladas com suporte ao framework de programação Metal.

Com suporte a CPU (lento, não recomendado)

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

Instalar o dot

pip install -e .

Baixar modelos

• Baixe os checkpoints do modelo dot de aqui
• Descompacte o arquivo baixado na raiz deste projeto

Uso via CLI

Execute dot --help para obter uma lista completa das opções disponíveis.

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
   
   

Nota: Para ativar a super-resolução facial, use a flag --gpen_type gpen_256 ou --gpen_type gpen_512. Para usar o dot na CPU (não recomendado), não passe a flag --use_gpu.

Controlando o dot via CLI