ニューヨーク州立工科大学の新しい研究は、ディープフェイク データセットの詳細な概要を提供し、主要な課題を特定し、研究者、エンジニア、実践者に貴重な洞察を提供します。ディープフェイクの脅威に効果的に対抗するには、プロアクティブな検出方法を開発し、既存のデータセットを改善することの重要性を強調しています。
この作業は、デジタル情報の整合性を維持し、高度な犯罪に対するフォレンジック調査を支援するために重要です。ディープフェイク脅迫。研究というのは、出版された日記で法医学。
この研究は、ニューヨーク工科大学のネットワークとコンピュータセキュリティの助教授、サイバーセキュリティのザヒド・アクタル博士と大学院生のタンヴィ・ラハリ・ペンディヤラ氏、ヴィリンチ・サイ・アスマクリ氏が主導した。
彼らの論文では、ディープフェイクをアイデンティティ交換、顔の再現、属性操作、顔全体の合成に分類し、改善されたデータセットと堅牢な検出方法の必要性を強調しています。
既存のフレームワークは次のような問題に直面しています一般化敵対的な攻撃を受けやすいため、検出テクノロジーの進歩が必要です。著者らは、将来の研究は包括的なデータセットの作成と、検出方法の精度、堅牢性、リアルタイム機能の強化に焦点を当てる必要があると示唆しています。
詳細情報:Zahid Akhtar 他、ビデオとオーディオのディープフェイク データセットとディープフェイク テクノロジーの未解決の問題: 時代の先を行く、法医学(2024年)。DOI: 10.3390/forensicsci4030021
引用:検出手法の積極的な強化とディープフェイク データセットの改善 (2024 年 7 月 29 日)2024 年 7 月 29 日に取得https://techxplore.com/news/2024-07-proactively-methods-deepfake-datasets.html より
この文書は著作権の対象です。個人的な研究や研究を目的とした公正な取引を除き、書面による許可なく一部を複製することができます。コンテンツは情報提供のみを目的として提供されています。