डीपफ़ेक और इमेज सिंथेसिस सिस्टम में उपयोग के खिलाफ छवियों का एन्कोडिंग

डीपफ़ेक अनुसंधान क्षेत्र में बढ़ती हुई सबसे प्रसिद्ध अनुसंधान रेखा में वे सिस्टम शामिल हैं जो डीपफ़ेक्ड, सिंथेसाइज्ड, या अन्यथा झूठे या ‘संपादित’ चेहरों की विशेषताओं को पहचान सकते हैं जो वीडियो और छवि सामग्री में होते हैं।

ऐसे दृष्टिकोण विभिन्न रणनीतियों का उपयोग करते हैं, जिनमें गहराई का पता लगाना, वीडियो नियमितता व्यवधान, मॉनिटर प्रकाश व्यवस्था में परिवर्तन (संभावित रूप से गहरे फेक्ड लाइव वीडियो कॉल में), जैवमेट्रिक विशेषताएं, बाहरी चेहरे के क्षेत्र, और यहां तक कि मानव अंतर्ज्ञानी प्रणाली की छिपी हुई शक्तियां भी।

इन और इसी तरह के तरीकों में एक बात समान है कि जब वे तैनात किए जाते हैं, तो वे जिन केंद्रीय तंत्रों से लड़ रहे हैं, वे पहले से ही सफलतापूर्वक हजारों या लाखों छवियों पर प्रशिक्षित हो चुके हैं – जिन छवियों से ऑटोएनकोडर सिस्टम आसानी से प्रमुख विशेषताओं को प्राप्त कर सकते हैं और वीडियो फुटेज या सिंथेसाइज्ड छवियों में एक झूठी पहचान लगा सकते हैं – यहां तक कि वास्तविक समय में भी।

संक्षेप में, जब ऐसे सिस्टम सक्रिय होते हैं, तो घोड़ा पहले ही भाग चुका होता है।

डीपफ़ेक/सिंथेसिस आर्किटेक्चर के प्रति शत्रुतापूर्ण छवियां

डीपफ़ेक्स और छवि सिंथेसिस के खतरे के प्रति एक अधिक निवारक दृष्टिकोण के माध्यम से, इस क्षेत्र में एक कम ज्ञात अनुसंधान धारा उन संभावनाओं में निहित है जो उन सभी स्रोत फोटो को अनुकूल बनाने में हैं जो कि एआई छवि सिंथेसिस सिस्टम के प्रति शत्रुतापूर्ण हैं, आमतौर पर अव्यक्त या ध्यान देने योग्य तरीकों से।

उदाहरणों में फेकटैगेर शामिल है, जो 2021 में यूएस और एशिया के विभिन्न संस्थानों से एक प्रस्ताव है, जो छवियों में संदेशों को एन्कोड करता है; ये एन्कोडिंग सामान्यीकरण की प्रक्रिया के प्रतिरोधी हैं, और बाद में पुनर्प्राप्त किए जा सकते हैं यहां तक कि जब छवियों को वेब से निकाला जाता है और एक जनरेटिव एडवर्सेरियल नेटवर्क (जीएएन) में प्रशिक्षित किया जाता है, जो सबसे प्रसिद्ध रूप से thispersondoesnotexist.com द्वारा प्रतिनिधित्व किया जाता है, और इसके अनेक व्युत्पन्न होते हैं।

… (rest of the translation remains the same, following the exact structure and rules provided)