Дождитесь окончания загрузки
Модальное окно "Дорогой друг, прими участие в опросе"
preview Назад

Как определить дипфейк?

05.08.2021 • 09:11

Cогласно исследованиям, процент успеха в обнаружении дипфейка традиционными методами и с помощью специальных программ достаточно высок (95%, Marra et al). К примеру, одна из первых таких программ Shallow (http://shallow-ai.com/#/) делает раскадровку изображений лиц из видео, которые потом анализирует на аутентичность c изображениями, хранящимися в базе данных программы. То есть, один из недостатков программы – это ограниченное количество изображений.    

Дипфейки можно определить и самим. Если пристально присмотреться, то вполне можно отличить сгенерированные изображения от реальных. В первую очередь, обратите внимание на размер изображения. Создавать реалистичные картинки высокого разрешения гораздо сложнее, чем маленькие, поэтому большим изображениям все еще можно доверять. Расслоение, затуманенность, резкий переход цвета лица и шеи, раздвоение границы лица и многие другие мелкие детали – все это указывает на дипфейк.   

Во-вторых, присмотритесь к лицам, чтобы отыскать ненатуральные асимметрии: возможно, разрез правого глаза не соответствует разрезу левого, или наклон головы не совпадает с положением лица и тд. В-третьих, обратите внимание на одежду и аксессуары, они даются нейросетям гораздо хуже, чем лица. 

А на видео нужно следить за тем, как меняется выражение лица человека с течением времени. Если вы заметили, что люди на видео моргают крайне редко, либо неестественно и двигают глаза в разные стороны или вовсе не моргают – то это явный признак дипфейка.

 

Источники: 

Botha, J. and Pieterse, H., 2020, March. Fake News and Deepfakes: A Dangerous Threat for 21st Century Information Security. In ICCWS 2020 15th International Conference on Cyber Warfare and Security (p. 57). Academic Conferences and publishing limited

Guarnera, L., Giudice, O., Nastasi, C. and Battiato, S., 2020. Preliminary Forensics Analysis of DeepFake Images. arXiv preprint arXiv:2004.12626

F. Marra, D. Gragnaniello, D. Cozzolino, and L. Verdoliva, “Detection of gan-generated fake images over social networks,” in 2018 IEEE Conference on Multimedia Information Processing and Retrieval (MIPR). IEEE, 2018, pp. 384–389


 

Данная информационно-познавательная платформа предназначена для молодежи РК, КР, РУз, РТ.

Платформа разработана с учетом требований законодательств стран-партнеров. Все примеры, используемые на платформе, приводятся исключительно в учебных целях и не несут противоправного умысла. Пользуясь платформой, Вы подтверждаете свое понимание и соглашаетесь с вышеназванными целями и задачами.