1- ۱گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه گیلان، ایران
چکیده: (76 مشاهده)
دیپفیکها به عنوان دادههای مصنوعی تولیدشده با فناوریهای یادگیری عمیق، قادر به دستکاری یا جایگزینی هویت، اقدامات و ویژگیهای افراد در محتوای تصویری و ویدئویی موجود هستند. این فناوری، با ایجاد محتوای تقلیدی بسیار متقن و نزدیک به واقعیت، چالشهای فنی را به همراه دارد. اگرچه کاربردهای مثبتی در حوزههایی مانند هنر، صنعت فیلم و تبلیغات دارد، اما سوءاستفاده از آن جهت انتشار اطلاعات نادرست، بدنامسازی افراد یا احزاب، ایجاد بیثباتی سیاسی و ارتکاب جرایم سایبری، تهدیدات عمیقی در ابعاد سیاسی، اجتماعی و اقتصادی ایجاد کرده است. تشدید این تهدیدات توسط گستره و قدرت تحویل اطلاعات در شبکههای اجتماعی، لزوم توسعه ابزارهای دقیق و کارآمد برای تشخیص و طبقهبندی محتوای دیپفیک رابه امری حیاتی تبدیل نموده است. در پاسخ به این ضرورت، دستاورد ارائه شده به طراحی، پیادهسازی و توسعه یک اپلیکیشن تحت وب تخصصی برای تشخیص و طبقهبندی دیپفیک در ویدئوها و تصاویر پرداخته است. رویکرد اصلی این ابزار، بهبود و تلفیق چندین مدل پیشآموزشدیده مهم است که امکان شناسایی تغییرات ناشی از دیپفیک، بهویژه جایگزینی چهره، را با دقتی فراتر از روشهای فعلی فراهم میکند. سیستم توسعهیافته موفق به دستیابی به دقتی در حدود ۰/۹۹ در فرآیند تشخیص و طبقهبندی دیپفیکها شده است. این نتایج، گامی مؤثر در جهت مقابله با تهدیدات فزاینده محتوای جعلی عمیق به همراه خواهد داشت.
Ziabakhsh M, Tabatabaei S A, Eskandari S. A Tool Prototype for Deepfake Detection Based on the Enhancement and Integration of Pre-trained Neural Networks. منادی 2026; 14 (2) :52-59 URL: http://monadi.isc.org.ir/article-1-339-fa.html
ضیابخش مرتضی، طباطبایی سیدامیرحسین، اسکندری صادق. نمونه اولیه ابزار تشخیص جعل عمیق بر اساس ارتقا و تلفیق شبکههای از پیش آموزشیافته. امنیت فضای تولید و تبادل اطلاعات (منادی). 1404; 14 (2) :52-59