'ZAO將是下一個DeepNude 是時候談談他們背後的DeepFake技術了'

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

雖然支付寶得以倖免，但要知道，市面上依舊存在著採用2D人臉識別技術的企業，也就意味著，這些用戶信息很可能會在其他地方被用來身份冒用，更會被視頻黑產所盯上。

DeepFake類再掀風波

當然，相似事件此前也曾發生過。2017年時，一位名叫Deepfakes的用戶在Reddit社區發佈了一個名人換臉後的不雅視頻，在這個視頻中，名人的臉被一幀一幀地插入到現有的影片中，效果真到令人瞠目結舌。而之所以這些名人會首當其衝受到Deepfake的危害，主要原因便是在網絡上充斥著他們大量的圖像信息，這些公共圖像被用來訓練Deepfake算法，最終成為了孕育這些視頻的“溫床”。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

雖然支付寶得以倖免，但要知道，市面上依舊存在著採用2D人臉識別技術的企業，也就意味著，這些用戶信息很可能會在其他地方被用來身份冒用，更會被視頻黑產所盯上。

DeepFake類再掀風波

當然，相似事件此前也曾發生過。2017年時，一位名叫Deepfakes的用戶在Reddit社區發佈了一個名人換臉後的不雅視頻，在這個視頻中，名人的臉被一幀一幀地插入到現有的影片中，效果真到令人瞠目結舌。而之所以這些名人會首當其衝受到Deepfake的危害，主要原因便是在網絡上充斥著他們大量的圖像信息，這些公共圖像被用來訓練Deepfake算法，最終成為了孕育這些視頻的“溫床”。

但這一風波顯然沒讓Deepfakes“消停”下來，不久前的DeepNude便是最好的代表，只要上傳一張女性圖片，就可輕鬆生成逼真的不雅照片。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

雖然支付寶得以倖免，但要知道，市面上依舊存在著採用2D人臉識別技術的企業，也就意味著，這些用戶信息很可能會在其他地方被用來身份冒用，更會被視頻黑產所盯上。

DeepFake類再掀風波

當然，相似事件此前也曾發生過。2017年時，一位名叫Deepfakes的用戶在Reddit社區發佈了一個名人換臉後的不雅視頻，在這個視頻中，名人的臉被一幀一幀地插入到現有的影片中，效果真到令人瞠目結舌。而之所以這些名人會首當其衝受到Deepfake的危害，主要原因便是在網絡上充斥著他們大量的圖像信息，這些公共圖像被用來訓練Deepfake算法，最終成為了孕育這些視頻的“溫床”。

但這一風波顯然沒讓Deepfakes“消停”下來，不久前的DeepNude便是最好的代表，只要上傳一張女性圖片，就可輕鬆生成逼真的不雅照片。

同是DeepFake類的應用，相比於早期的不雅視頻，顯然DeepNude對於大眾的危害更高。此前，若想使用DeepFake去進行視頻造假，需極度專業的知識作為支撐，一般用戶是望塵莫及的，但DeepNude卻將技術無門檻的帶給了大眾。美國反色情報復組織 Badass 的負責人也曾評論稱：現今人人都可能成為色情報復的受害者，這樣的技術根本不應該向公眾開放。

最終，這個應用終於被永久下架，DeepNude官方也表示不會再發布其他版本，也不會授權任何人使用。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

雖然支付寶得以倖免，但要知道，市面上依舊存在著採用2D人臉識別技術的企業，也就意味著，這些用戶信息很可能會在其他地方被用來身份冒用，更會被視頻黑產所盯上。

DeepFake類再掀風波

當然，相似事件此前也曾發生過。2017年時，一位名叫Deepfakes的用戶在Reddit社區發佈了一個名人換臉後的不雅視頻，在這個視頻中，名人的臉被一幀一幀地插入到現有的影片中，效果真到令人瞠目結舌。而之所以這些名人會首當其衝受到Deepfake的危害，主要原因便是在網絡上充斥著他們大量的圖像信息，這些公共圖像被用來訓練Deepfake算法，最終成為了孕育這些視頻的“溫床”。

但這一風波顯然沒讓Deepfakes“消停”下來，不久前的DeepNude便是最好的代表，只要上傳一張女性圖片，就可輕鬆生成逼真的不雅照片。

同是DeepFake類的應用，相比於早期的不雅視頻，顯然DeepNude對於大眾的危害更高。此前，若想使用DeepFake去進行視頻造假，需極度專業的知識作為支撐，一般用戶是望塵莫及的，但DeepNude卻將技術無門檻的帶給了大眾。美國反色情報復組織 Badass 的負責人也曾評論稱：現今人人都可能成為色情報復的受害者，這樣的技術根本不應該向公眾開放。

最終，這個應用終於被永久下架，DeepNude官方也表示不會再發布其他版本，也不會授權任何人使用。

與DeepNude相比，ZAO的出發點雖然不同，但相似之處是均使用了DeepFake等GAN(生成對抗網絡)工具，並將這些極度專業的技術無門檻的提供給了使用者。

那麼問題來了，究竟什麼是DeepFake？這個技術是否有存在的價值？我們還要先從其技術原理開始談起。

DeepFake背後靠的是什麼技術？

在GitHub上，DeepFake的描述是“一種利用深度學習技術識別和交換圖片、視頻中人物臉部圖像的工具”。只要你素材足夠充足、硬件(GPU)跟得上，Deepfake便可建立匹配模型。

Deepfake視頻是通過使用兩個競爭AI系統創建的，一個稱為生成模型，另一個稱為判別模型。生成模型負責創建圖像，判別模型負責確定剪輯視頻是真的還是假的，當判別模型準確將視頻片段識別為假時，它就為生成模型提供了創建下一個片段時不應該生成什麼的依據，直至判別模型認為生成為真時，以假亂真視頻的第一步就賣出了。而生成模型和判別模型組合起來，便是業界知名的生成對抗網絡，也就是GAN。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

雖然支付寶得以倖免，但要知道，市面上依舊存在著採用2D人臉識別技術的企業，也就意味著，這些用戶信息很可能會在其他地方被用來身份冒用，更會被視頻黑產所盯上。

DeepFake類再掀風波

當然，相似事件此前也曾發生過。2017年時，一位名叫Deepfakes的用戶在Reddit社區發佈了一個名人換臉後的不雅視頻，在這個視頻中，名人的臉被一幀一幀地插入到現有的影片中，效果真到令人瞠目結舌。而之所以這些名人會首當其衝受到Deepfake的危害，主要原因便是在網絡上充斥著他們大量的圖像信息，這些公共圖像被用來訓練Deepfake算法，最終成為了孕育這些視頻的“溫床”。

但這一風波顯然沒讓Deepfakes“消停”下來，不久前的DeepNude便是最好的代表，只要上傳一張女性圖片，就可輕鬆生成逼真的不雅照片。

同是DeepFake類的應用，相比於早期的不雅視頻，顯然DeepNude對於大眾的危害更高。此前，若想使用DeepFake去進行視頻造假，需極度專業的知識作為支撐，一般用戶是望塵莫及的，但DeepNude卻將技術無門檻的帶給了大眾。美國反色情報復組織 Badass 的負責人也曾評論稱：現今人人都可能成為色情報復的受害者，這樣的技術根本不應該向公眾開放。

最終，這個應用終於被永久下架，DeepNude官方也表示不會再發布其他版本，也不會授權任何人使用。

與DeepNude相比，ZAO的出發點雖然不同，但相似之處是均使用了DeepFake等GAN(生成對抗網絡)工具，並將這些極度專業的技術無門檻的提供給了使用者。

那麼問題來了，究竟什麼是DeepFake？這個技術是否有存在的價值？我們還要先從其技術原理開始談起。

DeepFake背後靠的是什麼技術？

在GitHub上，DeepFake的描述是“一種利用深度學習技術識別和交換圖片、視頻中人物臉部圖像的工具”。只要你素材足夠充足、硬件(GPU)跟得上，Deepfake便可建立匹配模型。

Deepfake視頻是通過使用兩個競爭AI系統創建的，一個稱為生成模型，另一個稱為判別模型。生成模型負責創建圖像，判別模型負責確定剪輯視頻是真的還是假的，當判別模型準確將視頻片段識別為假時，它就為生成模型提供了創建下一個片段時不應該生成什麼的依據，直至判別模型認為生成為真時，以假亂真視頻的第一步就賣出了。而生成模型和判別模型組合起來，便是業界知名的生成對抗網絡，也就是GAN。

最早Deepfake正是藉助生成對抗網絡，通過上萬張照片，來替換視頻每秒中存在的30個畫面，最終通過GPU訓練完成了“移花接木”。也就是說，其原理大致分為三步，選擇需要換臉的對象、進行覆蓋的對象、以及AI自動生成替換。

但隨著GAN的不斷演進，當下僅憑一張照片便可自動將面部表情生成動畫，比如三星在5月時展示的一項全新技術，AI只需基於一張肖像照片或一張畫像，就能讓蒙娜麗莎、愛因斯坦等名人開口說話，且效果栩栩如生。

這也是ZAO背後技術的由來，雖然在前端將技術使用門檻將至了最低，但在背後，卻有著大量前期工程。再以三星的技術為例，當時研究人員從視頻網站上收集了7000張名人照片，並將其標誌性面部特徵進行提取用來進行機器學習，之後AI便能將這些學到的內容應用於單張照片上。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

雖然支付寶得以倖免，但要知道，市面上依舊存在著採用2D人臉識別技術的企業，也就意味著，這些用戶信息很可能會在其他地方被用來身份冒用，更會被視頻黑產所盯上。

DeepFake類再掀風波

當然，相似事件此前也曾發生過。2017年時，一位名叫Deepfakes的用戶在Reddit社區發佈了一個名人換臉後的不雅視頻，在這個視頻中，名人的臉被一幀一幀地插入到現有的影片中，效果真到令人瞠目結舌。而之所以這些名人會首當其衝受到Deepfake的危害，主要原因便是在網絡上充斥著他們大量的圖像信息，這些公共圖像被用來訓練Deepfake算法，最終成為了孕育這些視頻的“溫床”。

但這一風波顯然沒讓Deepfakes“消停”下來，不久前的DeepNude便是最好的代表，只要上傳一張女性圖片，就可輕鬆生成逼真的不雅照片。

同是DeepFake類的應用，相比於早期的不雅視頻，顯然DeepNude對於大眾的危害更高。此前，若想使用DeepFake去進行視頻造假，需極度專業的知識作為支撐，一般用戶是望塵莫及的，但DeepNude卻將技術無門檻的帶給了大眾。美國反色情報復組織 Badass 的負責人也曾評論稱：現今人人都可能成為色情報復的受害者，這樣的技術根本不應該向公眾開放。

最終，這個應用終於被永久下架，DeepNude官方也表示不會再發布其他版本，也不會授權任何人使用。

與DeepNude相比，ZAO的出發點雖然不同，但相似之處是均使用了DeepFake等GAN(生成對抗網絡)工具，並將這些極度專業的技術無門檻的提供給了使用者。

那麼問題來了，究竟什麼是DeepFake？這個技術是否有存在的價值？我們還要先從其技術原理開始談起。

DeepFake背後靠的是什麼技術？

在GitHub上，DeepFake的描述是“一種利用深度學習技術識別和交換圖片、視頻中人物臉部圖像的工具”。只要你素材足夠充足、硬件(GPU)跟得上，Deepfake便可建立匹配模型。

Deepfake視頻是通過使用兩個競爭AI系統創建的，一個稱為生成模型，另一個稱為判別模型。生成模型負責創建圖像，判別模型負責確定剪輯視頻是真的還是假的，當判別模型準確將視頻片段識別為假時，它就為生成模型提供了創建下一個片段時不應該生成什麼的依據，直至判別模型認為生成為真時，以假亂真視頻的第一步就賣出了。而生成模型和判別模型組合起來，便是業界知名的生成對抗網絡，也就是GAN。

最早Deepfake正是藉助生成對抗網絡，通過上萬張照片，來替換視頻每秒中存在的30個畫面，最終通過GPU訓練完成了“移花接木”。也就是說，其原理大致分為三步，選擇需要換臉的對象、進行覆蓋的對象、以及AI自動生成替換。

但隨著GAN的不斷演進，當下僅憑一張照片便可自動將面部表情生成動畫，比如三星在5月時展示的一項全新技術，AI只需基於一張肖像照片或一張畫像，就能讓蒙娜麗莎、愛因斯坦等名人開口說話，且效果栩栩如生。

這也是ZAO背後技術的由來，雖然在前端將技術使用門檻將至了最低，但在背後，卻有著大量前期工程。再以三星的技術為例，當時研究人員從視頻網站上收集了7000張名人照片，並將其標誌性面部特徵進行提取用來進行機器學習，之後AI便能將這些學到的內容應用於單張照片上。

顯然，在這些換臉技術的背後，GAN所起到的支撐是不容忽視的。然而對於大眾而言，我們只是接觸到了DeepNude與ZAO這類的應用，實際上GAN目前已被普遍應用於圖像生成、超分辨率任務及語義分割等任務上。

例如在識別病灶方面，以糖尿病視網膜病變為例，增強型半監督GAN的作用便是用來對原始數據做到更好的學習，更充分利用少量帶標註的數據和大量未帶標註的數據，從而提高識別的準確率。

因此我們可以說，GAN的出現，是又一個考驗“科技己向善”的技術，善用可以成為治療疾病的重要參考，反之也可用來創建不雅視頻或照片。

換臉技術是否真的還有存在的必要？

但技術始終是中立的，即便是換臉，只要應用的妥當依然能夠發揮出它的最大價值。要知道，在Deepfake誕生之前，換臉技術便已應用在電影拍攝中。在《星球大戰》中，計算機圖像生成技術便根據一名女演員的臉塑造了年輕時期的Carrie Fisher的形象。再比如保羅·沃克在《速度與激情7》中的謝幕，用的都是此類換臉技術。

上週末，一款名為ZAO的換臉軟件在朋友圈迅速走紅，藉助一款App，用戶便可無門檻的將自己的臉替換到各個電影場景中去。但在新鮮過後，也引發了用戶對於自己隱私安全的進一步擔憂，也有用戶表示，上傳頭像後無法進行刪除，不知道未來會被用來幹什麼。

在這個刷臉支付的時代裡，臉部信息成為了繼指紋之後的又一大支付方式，ZAO的出現，讓用戶隱私和安全遭到了前所未有的威脅。支付寶對此也進行了快速回應，並稱刷臉支付採用的是3D人臉識別技術，在識別時會通過軟硬件結合方式來判斷採集到的人臉是否由照片、視頻或軟件模擬生成。

雖然支付寶得以倖免，但要知道，市面上依舊存在著採用2D人臉識別技術的企業，也就意味著，這些用戶信息很可能會在其他地方被用來身份冒用，更會被視頻黑產所盯上。

DeepFake類再掀風波

當然，相似事件此前也曾發生過。2017年時，一位名叫Deepfakes的用戶在Reddit社區發佈了一個名人換臉後的不雅視頻，在這個視頻中，名人的臉被一幀一幀地插入到現有的影片中，效果真到令人瞠目結舌。而之所以這些名人會首當其衝受到Deepfake的危害，主要原因便是在網絡上充斥著他們大量的圖像信息，這些公共圖像被用來訓練Deepfake算法，最終成為了孕育這些視頻的“溫床”。

但這一風波顯然沒讓Deepfakes“消停”下來，不久前的DeepNude便是最好的代表，只要上傳一張女性圖片，就可輕鬆生成逼真的不雅照片。

同是DeepFake類的應用，相比於早期的不雅視頻，顯然DeepNude對於大眾的危害更高。此前，若想使用DeepFake去進行視頻造假，需極度專業的知識作為支撐，一般用戶是望塵莫及的，但DeepNude卻將技術無門檻的帶給了大眾。美國反色情報復組織 Badass 的負責人也曾評論稱：現今人人都可能成為色情報復的受害者，這樣的技術根本不應該向公眾開放。

最終，這個應用終於被永久下架，DeepNude官方也表示不會再發布其他版本，也不會授權任何人使用。

與DeepNude相比，ZAO的出發點雖然不同，但相似之處是均使用了DeepFake等GAN(生成對抗網絡)工具，並將這些極度專業的技術無門檻的提供給了使用者。

那麼問題來了，究竟什麼是DeepFake？這個技術是否有存在的價值？我們還要先從其技術原理開始談起。

DeepFake背後靠的是什麼技術？

在GitHub上，DeepFake的描述是“一種利用深度學習技術識別和交換圖片、視頻中人物臉部圖像的工具”。只要你素材足夠充足、硬件(GPU)跟得上，Deepfake便可建立匹配模型。

Deepfake視頻是通過使用兩個競爭AI系統創建的，一個稱為生成模型，另一個稱為判別模型。生成模型負責創建圖像，判別模型負責確定剪輯視頻是真的還是假的，當判別模型準確將視頻片段識別為假時，它就為生成模型提供了創建下一個片段時不應該生成什麼的依據，直至判別模型認為生成為真時，以假亂真視頻的第一步就賣出了。而生成模型和判別模型組合起來，便是業界知名的生成對抗網絡，也就是GAN。

最早Deepfake正是藉助生成對抗網絡，通過上萬張照片，來替換視頻每秒中存在的30個畫面，最終通過GPU訓練完成了“移花接木”。也就是說，其原理大致分為三步，選擇需要換臉的對象、進行覆蓋的對象、以及AI自動生成替換。

但隨著GAN的不斷演進，當下僅憑一張照片便可自動將面部表情生成動畫，比如三星在5月時展示的一項全新技術，AI只需基於一張肖像照片或一張畫像，就能讓蒙娜麗莎、愛因斯坦等名人開口說話，且效果栩栩如生。

這也是ZAO背後技術的由來，雖然在前端將技術使用門檻將至了最低，但在背後，卻有著大量前期工程。再以三星的技術為例，當時研究人員從視頻網站上收集了7000張名人照片，並將其標誌性面部特徵進行提取用來進行機器學習，之後AI便能將這些學到的內容應用於單張照片上。

顯然，在這些換臉技術的背後，GAN所起到的支撐是不容忽視的。然而對於大眾而言，我們只是接觸到了DeepNude與ZAO這類的應用，實際上GAN目前已被普遍應用於圖像生成、超分辨率任務及語義分割等任務上。

例如在識別病灶方面，以糖尿病視網膜病變為例，增強型半監督GAN的作用便是用來對原始數據做到更好的學習，更充分利用少量帶標註的數據和大量未帶標註的數據，從而提高識別的準確率。

因此我們可以說，GAN的出現，是又一個考驗“科技己向善”的技術，善用可以成為治療疾病的重要參考，反之也可用來創建不雅視頻或照片。

換臉技術是否真的還有存在的必要？

但技術始終是中立的，即便是換臉，只要應用的妥當依然能夠發揮出它的最大價值。要知道，在Deepfake誕生之前，換臉技術便已應用在電影拍攝中。在《星球大戰》中，計算機圖像生成技術便根據一名女演員的臉塑造了年輕時期的Carrie Fisher的形象。再比如保羅·沃克在《速度與激情7》中的謝幕，用的都是此類換臉技術。

只不過此前，需要相對較高的技術和資金投入，但Deepfake出現後，卻能夠很好解決這些難題。同理，在一些運動類遊戲中，Deepfake也能夠將遊戲人物刻畫的更加栩栩如生。

而ZAO，錯就錯在，在用戶協議中寫上了：同意授予ZAO及其相關公司以及ZAO用戶全球範圍內完全免費、不可撤銷、永久、可轉授權和可再利用的權利。相當於一旦出了事，全部責任都將由用戶自行承擔。

雖然，ZAO快速做出了迴應並修改了用戶協議，保證除非獲得用戶再次同意，不會以任何其他形式使用上述內容。且當用戶刪除上傳內容後，ZAO也會在服務器端進行刪除。但即便這樣，ZAO依舊無法避免自己的內憂外患，內有濫用的風險，外又存在大量安全隱患。

現今這款App雖然依舊能在應用商店進行下載，但一些社交類軟件已經屏蔽了其分享鏈接。顯然，ZAO已經引來了外界源源不斷批評聲，這與DeepNude最初時的情況相差無幾，至於其結局，換臉技術是把雙刃劍或許會給ZAO一次同樣的“審判”。正如DeepNude開發者所說，世界還沒為換臉技術做好準備。