dot（即深度伪造攻击工具包）可制作实时、可控的深度伪造视频，并用于虚拟摄像头注入。dot 专为安全分析师、红队成员和生物识别研究人员设计，用于对身份验证和视频会议系统等进行渗透测试。

如果你想了解 dot 如何在行业中被用于深度伪造渗透测试，请阅读 The Verge 和 Biometric Update 的相关文章。

dot 是为研究和演示目的而开发的。作为最终用户，你有责任在使用本程序时遵守所有适用法律。作者和贡献开发者不承担任何责任，也不对因使用本程序造成的任何误用或损害负责。

工作原理

简而言之，dot 的工作方式如下：

flowchart LR;
    A(your webcam feed) --> B(suite of realtime deepfakes);
    B(suite of realtime deepfakes) --> C(virtual camera injection);

dot 支持的所有深度伪造方法均无需额外训练。它们可以在运行时实时使用，以一张照片作为人脸冒充的目标。支持的方法：

• 人脸交换（通过 SimSwap），支持分辨率 224 和 512
  • 可选择人脸超分辨率（通过 GPen），支持分辨率 256 和 512
• 低质量人脸交换（通过 OpenCV）
• FOMM，First Order Motion Model 用于图像动画

运行 dot

图形界面

GUI 安装

下载并运行适用于你操作系统的 dot 可执行文件：

• Windows（已在 Windows 10 和 11 上测试）：

  • 从 这里 下载 dot.zip，解压后运行 dot.exe

• Ubuntu：

  • 待办

• Mac（已在 Apple M2 Sonoma 14.0 上测试）：

  • 从 这里 下载 dot-m2.zip 并解压
  • 打开终端并运行 xattr -cr dot-executable.app 以移除所有扩展属性
  • 如果出现摄像头读取错误：
    • 右键点击并选择“显示包内容”
    • 从 Contents/MacOS 文件夹中执行 dot-executable

GUI 使用方法

使用示例：

1. 在 source 字段中指定源图像。
2. 在 target 字段中指定摄像头 ID 号。大多数情况下，0 是正确的摄像头 ID。
3. 在 config_file 字段中指定配置文件。从下拉列表中选择默认配置，或使用自定义文件。
4. （可选）勾选 use_gpu 字段以使用 GPU。
5. 点击 RUN 按钮启动深度伪造。

关于每个字段的更多信息，请点击菜单 Help/Usage。

观看以下演示视频以更好地了解界面：

命令行

CLI 安装

安装前置依赖

• Linux

  sudo apt install ffmpeg cmake
  

• MacOS

  brew install ffmpeg cmake
  

• Windows

  1. 从 这里 下载并安装 Visual Studio Community
  2. 在 Visual Studio 安装程序中安装“使用 C++ 的桌面开发”

创建 Conda 环境

以下说明假设你的机器上已安装 Miniconda。如果尚未安装，可参考此 链接 进行安装。

使用 GPU 支持

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

根据你机器上安装的 CUDA 版本安装 torch 和 torchvision 依赖：

• 从 链接 安装 CUDA 11.8

• 从 conda 安装 cudatoolkit：conda install cudatoolkit=<cuda_version_no>（将 <cuda_version_no> 替换为你机器上的版本号）

• 安装 torch 和 torchvision 依赖：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，其中 <cuda_tag> 是 PyTorch 定义的 CUDA 标签。例如，对于 CUDA 11.8，使用 pip install torch==2.0.1+cu118 torchvision==0.15.2+cu118 torchaudio==2.0.2 --index-url https://download.pytorch.org/whl/cu118。

  注意：也可以使用 torch1.9.0+cu111。

要检查 torch 和 torchvision 是否正确安装，请运行以下命令：python -c "import torch; print(torch.cuda.is_available())"。如果输出为 True，则依赖已安装并支持 CUDA。

使用 MPS 支持（Apple Silicon）

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

要检查 torch 和 torchvision 是否正确安装，请运行以下命令：python -c "import torch; print(torch.backends.mps.is_available())"。如果输出为 True，则依赖已安装并支持 Metal 编程框架。

使用 CPU 支持（较慢，不推荐）

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

安装 dot

pip install -e .

下载模型

• 从 这里 下载 dot 模型检查点
• 将下载的文件解压到本项目的根目录

CLI 使用方法

运行 dot --help 可获取所有可用选项的完整列表。

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
   
   

注意：要启用面部超分辨率，请使用 --gpen_type gpen_256 或 --gpen_type gpen_512 标志。要在 CPU 上使用 dot（不推荐），请不要传递 --use_gpu 标志。

使用 CLI 控制 dot

免责声明：以下演示使用 SimSwap 技术。

通过上述任何一种方法运行 dot 都会使用 data/ 文件夹中的源图像，在输入视频流上生成实时深度伪造。

运行 dot 时，终端窗口会显示可用控制选项列表，如上所示。你可以通过按下相关的控制键来切换和选择不同的源图像。

观看以下演示视频以更好地了解控制选项：

Docker

设置 docker

• 构建容器

  docker-compose up --build -d
  

• 进入容器

  docker-compose exec dot "/bin/bash"
  

将 docker 连接到摄像头

Ubuntu

1. 构建容器

   docker build -t dot -f Dockerfile .
   

2. 运行容器

   xhost +
   docker run -ti --gpus all \
   -e NVIDIA_DRIVER_CAPABILITIES=compute,utility \
   -e NVIDIA_VISIBLE_DEVICES=all \
   -e PYTHONUNBUFFERED=1 \
   -e DISPLAY \
   -v .:/dot \
   -v /tmp/.X11-unix:/tmp/.X11-unix:rw \
   --runtime nvidia \
   --entrypoint /bin/bash \
   -p 8080:8080 \
   --device=/dev/video0:/dev/video0 \
   dot
   

Windows

1. 按照 此处 Windows 下的说明设置摄像头与 docker 的连接。

2. 构建容器

   docker build -t dot -f Dockerfile .
   

3. 运行容器

   docker run -ti --gpus all \
   -e NVIDIA_DRIVER_CAPABILITIES=compute,utility \
   -e NVIDIA_VISIBLE_DEVICES=all \
   -e PYTHONUNBUFFERED=1 \
   -e DISPLAY=192.168.99.1:0 \
   -v .:/dot \
   --runtime nvidia \
   --entrypoint /bin/bash \
   -p 8080:8080 \
   --device=/dev/video0:/dev/video0 \
   -v /tmp/.X11-unix:/tmp/.X11-unix \
   dot
   

macOS

1. 按照 此处 的说明设置摄像头与 docker 的连接。

2. 构建容器

   docker build -t dot -f Dockerfile .
   

3. 运行容器

   docker run -ti --gpus all \
   -e NVIDIA_DRIVER_CAPABILITIES=compute,utility \
   -e NVIDIA_VISIBLE_DEVICES=all \
   -e PYTHONUNBUFFERED=1 \
   -e DISPLAY=$IP:0 \
   -v .:/dot \
   -v /tmp/.X11-unix:/tmp/.X11-unix \
   --runtime nvidia \
   --entrypoint /bin/bash \
   -p 8080:8080 \
   --device=/dev/video0:/dev/video0 \
   dot
   

虚拟摄像头注入

不同操作系统的说明有所不同。

Windows

• 安装 OBS Studio。

• 运行 OBS Studio。

• 在“来源”部分，点击“添加”按钮（“+”号），