Uusi Menetelmä Havaitsee Syvät Väärennökset 99%:n Tarkkuudella

Kalifornian yliopiston Riverside-osaston tietokoneiden tutkimusryhmä on kehittänyt uuden menetelmän, jolla voidaan havaita manipuloituja kasvojen ilmeitä syvissä väärennöksissä. Menetelmä voi havaita nämä ilmeet jopa 99 %:n tarkkuudella, mikä tekee siitä tarkin nykyisten menetelmien joukossa.

Uusi tutkimusartikkeli, joka on otsikoitu ”Kasvojen Ilmeiden Manipuloinnin Havaitseminen ja Paikallistaminen”, esiteltiin vuoden 2022 Talvikonferenssissa tietokoneiden sovelluksista.

Kasvojen Manipuloinnin Havaitseminen

Menetelmä osoittautui yhtä tarkin kuin nykyiset menetelmät myös tapauksissa, joissa kasvojen identiteetti oli vaihdettu eikä vain ilme. Tämä tarkoittaa, että uusi lähestymistapa voidaan käyttää minkä tahansa kasvojen manipuloinnin havaitsemiseen, ja se on merkittävä askel kohti automaattisten työkalujen kehittämistä väärennettyjen videoiden havaitsemiseksi.

Viimeaikaiset videonmuokkausohjelmien edistykset ovat tehneet siitä helpompaa vaihtaa yhden henkilön kasvoja toisen kanssa tai muuttaa alkuperäisiä ilmeitä. Tällaisten menetelmien havaitseminen on erittäin tärkeää, koska niitä käytetään yhä enemmän erilaisissa kansallisissa ja kansainvälisissä konflikteissa ympäri maailmaa. Kasvojen ilmeiden vaihtamisen havaitseminen on kuitenkin ollut erittäin haastavaa.

Amit Roy-Chowdhury on Bourns College of Engineeringin sähkö- ja tietokonetekniikan professori. Hän on myös tutkimuksen yhteiskirjoittaja.

”Syvien väärennösten tutkimuksen alue on haasteellinen, koska siinä on kilpailu väärennösten luomisen, havaitsemisen ja estämisen välillä, mikä tulee olemaan yhä kiivasta tulevaisuudessa. Generatiivisten mallien kehittyessä väärennökset tulevat helpommaksi luotaviksi ja haasteellisemmiksi erottaa aitojen tapausten kanssa”, hän sanoi.

Kuva: UC Riverside

Ilmeiden Manipuloinnin Havaitseminen (EMD)

Uusi menetelmä jakaa tehtävän kahteen osaan syvän neuroverkon sisällä. Ensimmäinen haara tunnistaa kasvojen ilmeet ja antaa tietoa alueista, jotka sisältävät ilmeen. Nämä alueet voivat käsittää suun, silmät, otsan ja muut. Tieto syötetään toiseen haaraan, joka on encoder-decoder-arkkitehtuuri, joka on vastuussa manipuloinnin havaitsemisesta ja paikallistamisesta.

Tutkimusryhmä nimesi kehyksen Ilmeiden Manipuloinnin Havaitseminen (EMD), ja se voi havaita ja paikallistaa tarkasti alueita, jotka on muutettu kuvassa.

Ghazal Mazaheri on tohtorikoulutettava ja tutkimuksen johtaja.

”Monitehtävän oppiminen voi hyödyntää merkittäviä piirteitä, jotka on opittu kasvojen ilmeiden tunnistamisjärjestelmissä, ja se voi hyödyttää perinteisten manipuloinnin havaitsemisjärjestelmien koulutusta. Tällainen lähestymistapa saavuttaa vaikuttavan suorituskyvyn kasvojen ilmeiden manipuloinnin havaitsemisessa”, Mazaheri sanoi.

Tutkijat suorittivat kokeita kahdella haasteellisella kasvojen manipuloinnin aineistolla, ja he osoittivat, että EMD suorittaa paremmin sekä kasvojen ilmeiden manipuloinnissa että identiteetin vaihdossa. Se havaitsee tarkasti 99 %:n väärennettyjen videoiden määrän.