КОНФЕРЕНЦІЇ ВНТУ електронні наукові видання, Молодь в науці: дослідження, проблеми, перспективи (МН-2024)

Розмір шрифта: 
АНАЛІЗ МОЖЛИВОСТЕЙ НЕЙРОНИХ МЕРЕЖ ДЛЯ ВИЯВЛЕННЯ МУЛЬТИМЕДІЙНИХ ФЕЙКІВ
Леонід Михайлович Куперштейн, Назарій Вікторович Людва, Сергій Олександрович Прокопенко

Остання редакція: 2024-05-19

Анотація


Дослідження розглядає застосування передових технологій, зокрема згорткових нейронних мереж (CNN) і генеративних змагальних мереж (GAN), для виявлення мультимедійних фейків. Використання CNN дозволяє ефективно виявляти невідповідності у зображеннях, а GAN є інструментом для створення синтетичного контенту, такого як deepfakes, а також основою для побудови методів виявлення фейків, що має важливе значення для протидії маніпуляціям та дезінформації.

Ключові слова


мультимедійні фейки; дезінформація; згорткові нейронні мереж; генеративні змагальні мережі; виявлення фейків

Посилання


  1. Finger L. Overview of how to create deepfakes - it’s scarily simple. Forbes. URL: https://www.forbes.com/sites/lutzfinger/2022/09/08/overview-of-how-to-create-deepfakesits-scarily-simple/?sh=28fd12972bf1 (date of access: 10.05.2024).
  2. Lu Y., Ebrahimi T. Assessment framework for deepfake detection in real-world situations. EURASIP journal on image and video processing. 2024. Vol. 2024, no. 1.
  3. A Comprehensive Survey of Convolutions in Deep Learning: Applications, Challenges, and Future Trends / A. Younesi et al. IEEE Access. 2024. P. 1.
  4. Економічна правда. Епоха “глибоких” підробок: що таке deepfake та як від нього захиститися. Економічна правда. URL: https://www.epravda.com.ua/publications/2020/08/14/664022/ (дата звернення: 12.05.2024).
  5. Baig R. The deepfakes in the disinformation war – DW – 03/18/2022. dw.com. URL: https://www.dw.com/en/fact-check-the-deepfakes-in-the-disinformation-war-between-russia-and-ukraine/a-61166433 (дата звернення: 13.05.2024).
  6. Amalraj Victoire D. T., Abishek A., Ajay Rakesh T. A. M. A Chat Application for Disabled using Convolutional Neural Network Deep Learning Algorithm. Quing: International Journal of Innovative Research in Science and Engineering. 2023. Т. 2, № 2. С. 128–140.
  7. Karandikar A. Deepfake Video Detection Using Convolutional Neural Network. International Journal of Advanced Trends in Computer Science and Engineering. 2020. Т. 9, № 2. С. 1311–1315.
  8. Stanciu D.-C., Ionescu B. Deepfake Video Detection with Facial Features and Long-Short Term Memory Deep Networks. 2021 International Symposium on Signals, Circuits and Systems (ISSCS), Iasi, Romania, 15–16 jul. 2021 р. 2021.
  9. End-to-End object detection with transformers / N. Carion et al. Computer vision – ECCV 2020. Cham, 2020. P. 213–229.
  10. Технологічний ритм. Які можливості має Sora AI ?. Друкарня. URL: https://drukarnia.com.ua/articles/yaki-mozhlivosti-maye-sora-ai-V3o3k (дата звернення: 19.05.2024).
  11. Deepfakes are about to become a lot worse, openai’s sora demonstrates. linnk. URL: https://www.spiceworks.com/tech/artificial-intelligence/guest-article/deepfakes-are-about-to-become-a-lot-worse-openais-sora-demonstrates/ (дата звернення: 15.05.2024).
  12. OpenAI: we’ll help you detect videos made with sora genai tool. Technology News For IT Channel Partners and Solution Providers | CRN. URL: https://www.crn.com/news/security/2024/openai-we-ll-help-you-detect-videos-made-with-sora-genai-tool (дата звернення: 16.05.2024).
  13. Lyu S. DeepFake detection. Multimedia forensics. Singapore, 2022. P. 313–331.
  14. MCW: a generalizable deepfake detection method for few-shot learning / L. Guan et al. Sensors. 2023. Vol. 23, no. 21. P. 8763.

Повний текст: PDF