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

  root@kitploit:~

  sudo apt install ffmpeg cmake
  

• MacOS

  root@kitploit:~

  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

   root@kitploit:~

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

2. SimSwapHQ

   root@kitploit:~

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

3. FOMM

   root@kitploit:~

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

4. FaceSwap CV2

   root@kitploit:~

   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

  root@kitploit:~

  docker-compose up --build -d
  

• 进入容器

  root@kitploit:~

  docker-compose exec dot "/bin/bash"
  

将 docker 连接到摄像头

Ubuntu

1. 构建容器

   root@kitploit:~

   docker build -t dot -f Dockerfile .
   

2. 运行容器

   root@kitploit:~

   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

   root@kitploit:~

   docker build -t dot -f Dockerfile .
   

3. 运行容器

   root@kitploit:~

   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

   root@kitploit:~

   docker build -t dot -f Dockerfile .
   

3. 运行容器

   root@kitploit:~

   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），

  选择“窗口捕获”并点击“确定”。在弹出的窗口中， 从“窗口”下拉菜单中选择“[python.exe]: fomm”，然后点击“确定”。 接着选择“编辑” -> “变换” -> “适配屏幕”。

• 在 OBS Studio 中，进入“工具” -> “VirtualCam”。勾选“AutoStart”，

  将“Buffered Frames”设置为 0，然后点击“Start”。

• 现在，OBS-Camera 摄像头应可在 Zoom（或其他视频会议软件）中使用。

Ubuntu

sudo apt update
sudo apt install v4l-utils v4l2loopback-dkms v4l2loopback-utils
sudo modprobe v4l2loopback devices=1 card_label="OBS Cam" exclusive_caps=1
v4l2-ctl --list-devices
sudo add-apt-repository ppa:obsproject/obs-studio
sudo apt install obs-studio

打开 OBS Studio 并检查 工具 --> v4l2sink 是否存在。 如果不存在，请按照以下说明操作：

mkdir -p ~/.config/obs-studio/plugins/v4l2sink/bin/64bit/
ln -s /usr/lib/obs-plugins/v4l2sink.so ~/.config/obs-studio/plugins/v4l2sink/bin/64bit/

使用 OBS Studio 的虚拟摄像头：

• 打开 OBS Studio
• 进入 工具 --> v4l2sink
• 选择 /dev/video2 和 YUV420
• 点击 start
• 加入会议并选择 OBS Cam

MacOS

• 从 这里 下载并安装适用于 MacOS 的 OBS Studio
• 打开 OBS 并按照首次设置向导操作（你可能需要在“系统偏好设置”中启用某些权限）
• 使用 --use_cam 标志运行 dot 以启用摄像头画面
• 在来源部分点击“+”按钮 → 选择“窗口捕获”，创建一个新来源并点击“确定” → 选择名称中包含“python”的窗口，然后点击“确定”
• 在控制部分点击“启动虚拟摄像头”按钮
• 在目标注入应用（例如 Zoom）的视频设置中，选择“OBS Cam”作为默认摄像头

在 Android 模拟器中运行 dot

如果你正在对移动应用进行测试，虚拟摄像头注入会更加困难。一种替代方案是使用移动模拟器并仍然依赖虚拟摄像头注入。

• 运行 dot。更多信息请查看运行 dot。

• 运行 OBS Studio 并设置虚拟摄像头。更多信息请查看虚拟摄像头注入。

• 下载并安装 Genymotion。

• 打开 Genymotion 并设置 Android 模拟器。

• 将 dot 与 Android 模拟器连接：

  • 打开 Android 模拟器。
  • 点击 camera 并将前后摄像头都选择为 OBS-Camera。此时应出现 dot 窗口的预览。 如果没有预览，请重启 OBS 和模拟器并重试。 如果仍不行，请尝试使用其他虚拟摄像头软件，如 e2eSoft VCam 或 ManyCam。
  • 此时 dot 深度伪造输出应成为模拟器的手机摄像头画面。

速度

使用 GPU

在 AMD Ryzen 5 2600 六核处理器 + 一块 NVIDIA GeForce RTX 2070 上测试

Simswap: FPS 13.0
Simswap + gpen 256: FPS 7.0
SimswapHQ: FPS 11.0
FOMM: FPS 31.0

使用 Apple Silicon

在 Macbook Air M2 2022 16GB 上测试

Simswap: FPS 3.2
Simswap + gpen 256: FPS 1.8
SimswapHQ: FPS 2.7
FOMM: FPS 2.0

许可证

这不是 Sensity 的商业产品，免费分发，不提供任何担保

本软件采用 BSD 3-Clause 许可证发布。 dot 使用了多个开源库。如果你使用 dot，请确保你也同意它们的许可证。具体来说，本代码库构建于以下研究项目之上：

• https://github.com/AliaksandrSiarohin/first-order-model
• https://github.com/alievk/avatarify-python
• https://github.com/neuralchen/SimSwap
• https://github.com/yangxy/GPEN

贡献

如果你有改进 dot 的想法，欢迎提交相关的 Issue 和 PR。在贡献之前，请阅读 CONTRIBUTING.md。

维护者

• @ghassen1302
• @vassilispapadop
• @giorgiop
• @AjinkyaIndulkar
• @kjod

贡献者

在预录制的图像和视频文件上运行 dot

• 在图像和视频文件上运行 dot，而非摄像头画面

常见问题

• dot 运行非常慢，无法实时运行

请确保你通过 --use_gpu 标志在 GPU 上运行。不推荐使用 CPU。 如果仍然觉得太慢，可能是因为你运行在旧的 GPU 型号上，且显存小于 8GB。

• dot 只能用于摄像头画面吗？能否用于预录制的视频？

你可以通过这些脚本在预录制的视频文件上使用 dot，或者直接在 Colab 上尝试。