Fugu-MT 論文翻訳(概要): Protecting President Zelenskyy against Deep Fakes

論文の概要: Protecting President Zelenskyy against Deep Fakes

arxiv url: http://arxiv.org/abs/2206.12043v1
Date: Fri, 24 Jun 2022 02:42:18 GMT
ステータス: 処理完了
システム内更新日: 2022-06-28 02:39:15.597875
Title: Protecting President Zelenskyy against Deep Fakes
Title（参考訳）: ゼレンスキー大統領をディープフェイクから守る
Authors: Maty\'a\v{s} Boh\'a\v{c}ek and Hany Farid
Abstract要約: 本稿では,ゼレンスキーの話し方の特徴を捉えた表情とジェスチャーの行動モデルについて述べる。このモデルは、特に戦争の霧の中で、本物と偽物の区別において重要な役割を果たす。
参考スコア（独自算出の注目度）: 17.564409961778157
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The 2022 Russian invasion of Ukraine is being fought on two fronts: a brutal ground war and a duplicitous disinformation campaign designed to conceal and justify Russia's actions. This campaign includes at least one example of a deep-fake video purportedly showing Ukrainian President Zelenskyy admitting defeat and surrendering. In anticipation of future attacks of this form, we describe a facial and gestural behavioral model that captures distinctive characteristics of Zelenskyy's speaking style. Trained on over eight hours of authentic video from four different settings, we show that this behavioral model can distinguish Zelenskyy from deep-fake imposters.This model can play an important role -- particularly during the fog of war -- in distinguishing the real from the fake.
Abstract（参考訳）: 2022年のロシアによるウクライナ侵攻は、残酷な地上戦争と、ロシアの行動を隠蔽し正当化するための偽情報キャンペーンの2つの戦線で戦っている。このキャンペーンには、ウクライナのゼレンスキー大統領が敗北を認め降伏したことを示すディープフェイクビデオの少なくとも1つの例が含まれている。この形態の今後の攻撃を想定して,ゼレンスキーの発話スタイルの特徴を捉えた,顔と感覚の行動モデルについて述べる。 4つの異なる設定から8時間以上の本物のビデオで訓練されたこの行動モデルは、zelenskyyとディープフェイクのインポスタとを区別することができる。

関連論文リスト

PuFace: Defending against Facial Cloaking Attacks for Facial Recognition Models [1.455585466338228]
最近提案された顔認識攻撃は、ユーザーが無許可の顔認識モデルで認識されるのを防ぐために、顔画像に目に見えない摂動(クローク)を付加する。本稿では,ニューラルネットワークの一般化能力を活用してクロークの影響を低減した画像浄化システムであるPuFaceを紹介する。我々の実証実験は、PuFaceが2つの最先端の顔認識攻撃に対して効果的に防御でき、攻撃の成功率を平均で69.84%から7.61%に下げることを示している。
論文参考訳（メタデータ） (2024-06-04T12:19:09Z)
Narratives of War: Ukrainian Memetic Warfare on Twitter [7.6603687980663775]
2022年のロシアによるウクライナ侵攻は、サイバー戦争において政府関係者によるソーシャルメディアの利用が激化している。我々は、物語のレンズを通して、この有名なメメティックウォーの例を研究し、それらを成功の鍵となる要素とみなす。以上の結果から、ウクライナの影響と、それに対する世界的対応の微妙な検証結果が得られ、戦時における社会技術システムの進化に関する新たな洞察に寄与した。
論文参考訳（メタデータ） (2023-09-15T12:41:03Z)
Analyzing the Strategy of Propaganda using Inverse Reinforcement Learning: Evidence from the 2022 Russian Invasion of Ukraine [21.563820572163337]
2022年のロシアによるウクライナ侵攻には、ソーシャルメディア上での大規模なプロパガンダキャンペーンが伴っていた。ここでは,Twitterコミュニティの戦略を逆強化学習手法を用いて分析する。ボットは、主に侵略的メッセージに反応し、反対者を示すメッセージは、主に人間からの反応を誘発する。
論文参考訳（メタデータ） (2023-07-24T13:35:18Z)
The Politics of Language Choice: How the Russian-Ukrainian War Influences Ukrainians' Language Use on Twitter [11.899559337707112]
我々は6万2000人以上のユーザーからの400万以上のジオタグ付きツイートに基づいて、ウクライナ市民の言語選択とツイート活動を調査した。我々は、ロシア語からウクライナ語への着実に移行しているのを、戦前に見てきた。戦争の結果、ロシアのツイートユーザーの半数以上がウクライナに移行した。
論文参考訳（メタデータ） (2023-05-04T12:15:54Z)
Getting Bored of Cyberwar: Exploring the Role of Low-level Cybercrime Actors in the Russia-Ukraine Conflict [4.110916951216911]
我々は、この2つの国に言及したHackフォーラムで、358kウェブサイトの偽装攻撃、1.7M UDP DDoS攻撃、1764のユーザーによる1764の投稿を分析した。この論争は短期間ではあるが、低レベルのサイバー犯罪俳優たちの注目を集めた。現在進行中のハイブリッド戦争におけるこれらのプレイヤーの役割はマイナーであり、国家が支援する作戦において、永続的で動機づけられた「ハックティビスト」から分離されるべきである。
論文参考訳（メタデータ） (2022-08-22T22:11:04Z)
Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文参考訳（メタデータ） (2022-04-26T14:36:06Z)
Watch Those Words: Video Falsification Detection Using Word-Conditioned Facial Motion [82.06128362686445]
本稿では,安価なディープフェイクと視覚的に説得力のあるディープフェイクの両方を扱うためのマルチモーダルな意味法医学的アプローチを提案する。帰属という概念を利用して、ある話者と他の話者を区別する個人固有の生体パターンを学習する。既存の個人固有のアプローチとは異なり、この手法は口唇の操作に焦点を当てた攻撃にも有効である。
論文参考訳（メタデータ） (2021-12-21T01:57:04Z)
Initiative Defense against Facial Manipulation [82.96864888025797]
本稿では,悪意あるユーザによって制御される顔操作モデルの性能を低下させるための,イニシアティブ・ディフェンスの新しい枠組みを提案する。まず、サロゲートモデルを用いてターゲット操作モデルを模倣し、次に毒の摂動発生器を考案し、所望の毒を得る。
論文参考訳（メタデータ） (2021-12-19T09:42:28Z)
CMUA-Watermark: A Cross-Model Universal Adversarial Watermark for Combating Deepfakes [74.18502861399591]
ディープフェイクの悪意ある応用(すなわち、テクノロジーはターゲットの顔や顔の特徴を生成できる)は、我々の社会に大きな脅威をもたらしている。本稿では,深層圏モデルに対する普遍的敵攻撃法を提案し,CMUA-Watermark(CMUA-Watermark)を作成した。実験の結果,提案したCMUA-Watermarkはディープフェイクモデルによって生成された偽の顔画像を効果的に歪めることができることがわかった。
論文参考訳（メタデータ） (2021-05-23T07:28:36Z)
Face mask perception during the COVID-19 pandemic: an observational study of Russian online social network VKontakte [68.8204255655161]
男性や高齢者はマスクの着用の利点を過小評価している。ロシア政府に反対するユーザーは、この新型コロナウイルス対策を強く承認する。ロシア政府を支持する人々にとって、承認される確率は0.45である。
論文参考訳（メタデータ） (2021-05-16T10:19:35Z)
Face2Face: Real-time Face Capture and Reenactment of RGB Videos [66.38142459175191]
Face2Faceは、モノクラーターゲットビデオシーケンスのリアルタイムな顔再現のための新しいアプローチである。我々は、高密度光度整合度測定を用いて、音源とターゲット映像の両方の表情を追跡する。我々は、対応するビデオストリーム上に合成されたターゲット顔を再レンダリングする。
論文参考訳（メタデータ） (2020-07-29T12:47:16Z)

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。