شناسگر رکورد: | ۵۱۷۵۷ |
رشته تحصیلی: | هوش مصنوعی و رباتیکز |
عنوان: | شناسایی ویدیوهای دیپفیک با استفاده از یادگیری عمیق |
نويسنده: | عارف اسمعیلی زندی |
استاد راهنما : | دکتر شیوا کامکار |
مقطع تحصیلی : | کارشناسی ارشد |
دانشگاه : | خاتم |
تاریخ دفاع : | ۱۴۰۳ |
چکیده: | پیشرفتهای اخیر در حوزهی هوش مصنوعی و یادگیری عمیق، تولید ویدیوهای مصنوعی و تصاویر جعلی را با کیفیت بالا امکانپذیر کرده است. این فناوریها که بهطور عمده برای اهداف مشروعی نظیر سرگرمی و آموزش توسعه یافتهاند، میتوانند توسط افراد شرور برای اهداف غیراخلاقی و مضر مانند انتشار اطلاعات نادرست، ایجاد تفرقه سیاسی و آسیب رساندن به افراد مورد استفاده قرار گیرند. یکی از مهمترین چالشهای ایجادشده در همین زمینه، تولید ویدیوهای جعلی موسوم به «دیپفیک» است که میتوانند واقعنمایی بالایی داشته باشند و از آنها برای گمراه کردن مخاطبان استفاده شود. این پژوهش کاربردی، با اعمال راهکاری ترکیبی و تکمیلی همراه استخراج ویژگیهای نهفته ویدیوها به تحلیل اثرات خاصی که ویدیوهای تولیدشده توسط مدلهای مختلف هوش مصنوعی بر ردپاهای آماری و نویزی باقیمانده از خود دارند، میپردازد و از این ترکیب ابزاری برای بهبود معماری توانای فعلی استفاده میکند. تحلیل ما نشان میدهد که ویدیوهای دستکاریشده، ویژگیهای متفاوتی نسبت به تصاویر جعلی تولیدشده توسط مدلهای مشابه دارند و نیازمند توجه به تکنیکهای اختصاصی برای شناسایی این جزییات تعیینکننده هستند. ما با استفاده از این اطلاعات به ارائه روشی میپردازیم که قادر است ویدیوهای تولید شده توسط ابزارهای ساخت ویدیو، ویدیوهای واقعی و ویدیوهای دستکاری شده را تشخیص دهد. نتایج ما نشان میدهد که استفاده از نویزهای باقیمانده و تحلیل ردپاهای آماری میتواند دقت و قابلیت اطمینان الگوریتمهای شناسایی دیپفیک فعلی که تا این تاریخ زیاد به بهرهوری از فضای فرکانسی روی نیاورده اند، را بهطور چشمگیری بهبود بخشد. روش پیشنهادی روی مجموعهدادههای DF-mnist++، Celeb-DF v۱ و دیتاست جمعآوریشده در این پژوهش آزمایش شدهاست. نتایج حاکی از آن است که علاوه بر دقت بالا در تمایز ویدیوهای کاملا تصنعی، حدود ۲ درصد بهبود نسبت به نتایج مدل قدرتمند پیشین صورت گرفتهاست.واژههای كليدی: یادگیری عمیق، شبکه مولد تخاصمی، دیپفیک، خودرمزگزار ماسکشده، تبدیل فوریه |
Register Number | Version | Volume | Part | Reference | Call Number | lended | Date Back | Description | |
---|---|---|---|---|---|---|---|---|---|
284631 | 1 |