論文の概要: Real or Virtual: A Video Conferencing Background Manipulation-Detection System

• arxiv url: http://arxiv.org/abs/2204.11853v1
• Date: Mon, 25 Apr 2022 08:14:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 05:16:36.682750
• Title: Real or Virtual: A Video Conferencing Background Manipulation-Detection System
• Title（参考訳）: real or virtual: 背景操作検出システムを用いたビデオ会議
• Authors: Ehsan Nowroozi, Yassine Mekdad, Mauro Conti, Simone Milani, Selcuk Uluagac and Berrin Yanikoglu
• Abstract要約: 実際のビデオ会議と仮想ビデオ会議のユーザ背景を区別する検出戦略を提案する。 敵が考える異なる敵攻撃に対する検出器の堅牢性を示す。 結果,実物は仮想背景から99.80%の精度で識別できることが判明した。
• 参考スコア（独自算出の注目度）: 25.94894351460089
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, the popularity and wide use of the last-generation video conferencing technologies created an exponential growth in its market size. Such technology allows participants in different geographic regions to have a virtual face-to-face meeting. Additionally, it enables users to employ a virtual background to conceal their own environment due to privacy concerns or to reduce distractions, particularly in professional settings. Nevertheless, in scenarios where the users should not hide their actual locations, they may mislead other participants by claiming their virtual background as a real one. Therefore, it is crucial to develop tools and strategies to detect the authenticity of the considered virtual background. In this paper, we present a detection strategy to distinguish between real and virtual video conferencing user backgrounds. We demonstrate that our detector is robust against two attack scenarios. The first scenario considers the case where the detector is unaware about the attacks and inn the second scenario, we make the detector aware of the adversarial attacks, which we refer to Adversarial Multimedia Forensics (i.e, the forensically-edited frames are included in the training set). Given the lack of publicly available dataset of virtual and real backgrounds for video conferencing, we created our own dataset and made them publicly available [1]. Then, we demonstrate the robustness of our detector against different adversarial attacks that the adversary considers. Ultimately, our detector's performance is significant against the CRSPAM1372 [2] features, and post-processing operations such as geometric transformations with different quality factors that the attacker may choose. Moreover, our performance results shows that we can perfectly identify a real from a virtual background with an accuracy of 99.80%.
• Abstract（参考訳）: 近年,次世代ビデオ会議技術の普及と普及により,市場規模は飛躍的な成長を遂げた。 このような技術により、異なる地理的領域の参加者は仮想対面ミーティングを行うことができる。 さらに、ユーザーは仮想バックグラウンドを使用して、プライバシー上の懸念から自分の環境を隠したり、特にプロフェッショナルな設定で注意をそらすことができる。 それでも、ユーザーが実際の場所を隠すべきではないシナリオでは、仮想バックグラウンドを現実のものとして主張することで、他の参加者を誤解させる可能性がある。 したがって、仮想背景の真正性を検出するためのツールや戦略を開発することが重要である。 本稿では,実際のビデオ会議と仮想ビデオ会議のユーザ背景を区別する検出戦略を提案する。 検知器は2つの攻撃シナリオに対して堅牢であることを示す。 第1のシナリオでは、検出器が攻撃に気付いていない場合に考慮し、第2のシナリオでは、敵のマルチメディア法医学(すなわち、法医学的に編集されたフレームがトレーニングセットに含まれる)を指す敵の攻撃を検知する。 ビデオ会議用の仮想および実際のバックグラウンドのデータセットが公開されていないため、私たちは独自のデータセットを作成し、それらを公開しました[1]。 次に,敵が考慮する異なる敵の攻撃に対する検知器の頑健性を示す。 最終的に、我々の検出器の性能はCRSPAM1372 [2]の特徴と、攻撃者が選択できる異なる品質要因を持つ幾何変換のような後処理操作に対して重要である。 さらに,性能評価の結果から,99.80%の精度で仮想背景から実物を完全に識別できることがわかった。

関連論文リスト

• Tracking Virtual Meetings in the Wild: Re-identification in Multi-Participant Virtual Meetings [0.0]
  遠隔ビデオ会議の参加者を追跡・再同定するための新しい手法を提案する。 本手法は, YOLOをベースラインとしたトラッキング手法と比較して, 誤差率を平均95%削減する。
  論文  参考訳（メタデータ） (2024-09-15T19:37:37Z)
• Privacy-Preserving Gaze Data Streaming in Immersive Interactive Virtual Reality: Robustness and User Experience [11.130411904676095]
  アイトラッキングデータが露出すれば、再識別攻撃に使用できる。 対話型VRアプリケーションのためのリアルタイムプライバシメカニズムを評価する手法を開発した。
  論文  参考訳（メタデータ） (2024-02-12T14:53:12Z)
• Deep Motion Masking for Secure, Usable, and Scalable Real-Time Anonymization of Virtual Reality Motion Data [49.68609500290361]
  最近の研究では、ほぼすべてのVRアプリケーションで使われているモーショントラッキングの「テレメトリ」データが、指紋スキャンと同じくらいに識別可能であることが示されている。 本稿では、既知の防御対策を確実に回避できる最先端のVR識別モデルを提案する。
  論文  参考訳（メタデータ） (2023-11-09T01:34:22Z)
• Can Virtual Reality Protect Users from Keystroke Inference Attacks? [23.587497604556823]
  プライバシー強化の前提にもかかわらず、VRは個人情報を盗むサイドチャネル攻撃からユーザーを守ることはできない。 この脆弱性はVRの最大の強み、没入的でインタラクティブな性質から生じます。
  論文  参考訳（メタデータ） (2023-10-24T21:19:38Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• NPVForensics: Jointing Non-critical Phonemes and Visemes for Deepfake Detection [50.33525966541906]
  既存のマルチモーダル検出手法は、Deepfakeビデオを公開するために、音声と視覚の不整合をキャプチャする。 NPVForensics と呼ばれる非臨界音素とビセムの相関関係を抽出する新しいディープフェイク検出法を提案する。 我々のモデルは、微調整で下流のDeepfakeデータセットに容易に適応できる。
  論文  参考訳（メタデータ） (2023-06-12T06:06:05Z)
• Audio-Visual Person-of-Interest DeepFake Detection [77.04789677645682]
  本研究の目的は、現実世界で遭遇する様々な操作方法やシナリオに対処できるディープフェイク検出器を提案することである。 我々は、対照的な学習パラダイムを活用して、各アイデンティティに対して最も識別しやすい、移動面と音声セグメントの埋め込みを学習する。 本手法は,シングルモダリティ(オーディオのみ,ビデオのみ)とマルチモダリティ(オーディオビデオ)の両方を検出でき,低品質・低画質ビデオに対して堅牢である。
  論文  参考訳（メタデータ） (2022-04-06T20:51:40Z)
• Leveraging Real Talking Faces via Self-Supervision for Robust Forgery Detection [112.96004727646115]
  本研究では,実話を用いた顔操作映像の検出手法を開発した。 本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。 以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
  論文  参考訳（メタデータ） (2022-01-18T17:14:54Z)
• Federated Test-Time Adaptive Face Presentation Attack Detection with Dual-Phase Privacy Preservation [100.69458267888962]
  顔提示攻撃検出(fPAD)は、現代の顔認識パイプラインにおいて重要な役割を果たす。 法的およびプライバシー上の問題により、トレーニングデータ(実際の顔画像と偽画像)は、異なるデータソース間で直接共有することはできない。 本稿では,二相プライバシー保護フレームワークを用いたフェデレーションテスト時間適応顔提示検出を提案する。
  論文  参考訳（メタデータ） (2021-10-25T02:51:05Z)
• Do Not Deceive Your Employer with a Virtual Background: A Video Conferencing Manipulation-Detection System [35.82676654231492]
  本稿では,ビデオ会議のユーザ背景が本物かどうかを検出するための効率的なツールの実現可能性について検討する。 実験により、クロス共起行列は、異なる種類の攻撃に対して検出器の堅牢性を向上させることが確認された。
  論文  参考訳（メタデータ） (2021-06-29T07:31:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。