[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام::
تسهیلات پایگاه::
بایگانی مقالات زیر چاپ::
آمارنشریه::
نمایه سازی::
تماس با ما::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
شاپا
شاپای چاپی: 3047-2476
..
آمار نشریه

مقالات منتشر شده: 167
نرخ پذیرش: 61.7
نرخ رد: 38.3
میانگین داوری: 181 روز
میانگین انتشار: 51 روز

..
:: دوره 14، شماره 2 - ( 12-1404 ) ::
جلد 14 شماره 2 صفحات 59-52 برگشت به فهرست نسخه ها
نمونه اولیه ابزار تشخیص جعل عمیق بر اساس ارتقا و تلفیق شبکه‌های از پیش آموزش‌یافته
مرتضی ضیابخش1 ، سیدامیرحسین طباطبایی*1 ، صادق اسکندری1
1- ۱گروه علوم کامپیوتر، دانشکده علوم ریاضی، دانشگاه گیلان، ایران
چکیده:   (74 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.
واژه‌های کلیدی: جعل عمیق، شبکه‌های مولد تخاصمی، طبقه بندی، جرائم سایبری، یادگیری انتقالی
متن کامل [PDF 1164 kb]   (86 دریافت)    
نوع مطالعه: پژوهشی | موضوع مقاله: رمز و امنیت اطلاعات
دریافت: 1404/10/1 | پذیرش: 1404/11/1 | انتشار: 1404/12/28
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

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

URL: http://monadi.isc.org.ir/article-1-339-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 14، شماره 2 - ( 12-1404 ) برگشت به فهرست نسخه ها
دوفصل نامه علمی  منادی امنیت فضای تولید و تبادل اطلاعات( افتا) Biannual Journal Monadi for Cyberspace Security (AFTA)
Persian site map - English site map - Created in 0.14 seconds with 41 queries by YEKTAWEB 4741