В ДГТУ разработали модель компьютерного зрения по определению фейковых видео
Аспирант кафедры "Кибербезопасность информационных систем" Донского государственного технического университета (ДГТУ) Александр Джуров, создал программу, основанную на технологии искусственного интеллекта (ИИ) способную определять сгенерированные видео.
Алгоритм ИИ построен на основе архитектуры глубокого обучения, состоящей из двух нейронных сетей, конкурирующих друг с другом - GAN (Generative Adversarial Network, Генеративно-состязательная сеть). Цель GAN — генерировать новые синтетические данные, напоминающие известное распределение данных.
Технология GAN заключается в следующем: есть Генератор и Дискриминатор. Генератор генерирует поддельные образцы данных (будь то изображение, звук и т. д.) и пытается обмануть Дискриминатор. Дискриминатор, с другой стороны, пытается отличить настоящие образцы от поддельных. Генератор и Дискриминатор являются нейронными сетями , и они оба конкурируют друг с другом на этапе обучения. Шаги повторяются несколько раз, и при этом Генератор и Дискриминатор становятся все лучше и лучше в своей работе после каждого повторения.
Разработанная в ДГТУ программа проанализирует кадры с лицами в видеоряде, по различным визуальным признакам подделки, например натяжение губ при разговоре, соответствие речи и мимики или неестественно расположенным пикселям.
Аспирант кафедры "Кибербезопасность информационных систем" Донского государственного технического университета (ДГТУ) Александр Джуров, создал программу, основанную на технологии искусственного интеллекта (ИИ) способную определять сгенерированные видео.
Алгоритм ИИ построен на основе архитектуры глубокого обучения, состоящей из двух нейронных сетей, конкурирующих друг с другом - GAN (Generative Adversarial Network, Генеративно-состязательная сеть). Цель GAN — генерировать новые синтетические данные, напоминающие известное распределение данных.
Технология GAN заключается в следующем: есть Генератор и Дискриминатор. Генератор генерирует поддельные образцы данных (будь то изображение, звук и т. д.) и пытается обмануть Дискриминатор. Дискриминатор, с другой стороны, пытается отличить настоящие образцы от поддельных. Генератор и Дискриминатор являются нейронными сетями , и они оба конкурируют друг с другом на этапе обучения. Шаги повторяются несколько раз, и при этом Генератор и Дискриминатор становятся все лучше и лучше в своей работе после каждого повторения.
Разработанная в ДГТУ программа проанализирует кадры с лицами в видеоряде, по различным визуальным признакам подделки, например натяжение губ при разговоре, соответствие речи и мимики или неестественно расположенным пикселям.