論文の概要: WordSig: QR streams enabling platform-independent self-identification
that's impossible to deepfake
- arxiv url: http://arxiv.org/abs/2207.10806v1
- Date: Fri, 15 Jul 2022 17:23:01 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-31 14:25:11.569422
- Title: WordSig: QR streams enabling platform-independent self-identification
that's impossible to deepfake
- Title（参考訳）: WordSig: プラットフォームに依存しない自己識別を可能にするQRストリーム
- Authors: Andrew Critch
- Abstract要約: 我々は、ビデオ参加者がQRコードストリームを使用して話す単語にデジタル署名できるプロトコルであるWordSigを紹介する。
これにより、視聴者とコンテンツ配信者が仲介していない参加者との間の信頼されたつながりを確立することができる。
- 参考スコア（独自算出の注目度）: 4.387476476827326
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Deepfakes can degrade the fabric of society by limiting our ability to trust
video content from leaders, authorities, and even friends. Cryptographically
secure digital signatures may be used by video streaming platforms to endorse
content, but these signatures are applied by the content distributor rather
than the participants in the video. We introduce WordSig, a simple protocol
allowing video participants to digitally sign the words they speak using a
stream of QR codes, and allowing viewers to verify the consistency of
signatures across videos. This allows establishing a trusted connection between
the viewer and the participant that is not mediated by the content distributor.
Given the widespread adoption of QR codes for distributing hyperlinks and
vaccination records, and the increasing prevalence of celebrity deepfakes, 2022
or later may be a good time for public figures to begin using and promoting
QR-based self-authentication tools.
- Abstract（参考訳）: ディープフェイクは、リーダー、当局、さらには友人からのビデオコンテンツを信頼する能力を制限することで、社会の質を損なうことができる。
暗号化されたセキュアなデジタル署名は、ビデオストリーミングプラットフォームによってコンテンツの推奨に使用されるが、これらの署名はビデオの参加者ではなくコンテンツ配信者によって適用される。
wordsigは、ビデオ参加者が話す言葉をqrコードストリームを使ってデジタル署名し、視聴者がビデオ間の署名の一貫性を検証するためのシンプルなプロトコルである。
これにより、コンテンツ配信者によって仲介されない視聴者と参加者との間の信頼された接続を確立することができる。
ハイパーリンクや予防接種記録の配布にQRコードが広く採用されていること、2022年以降の有名ディープフェイクの普及を考えると、公共の人々がQRベースのセルフ認証ツールの使用と普及を始めるのに良いタイミングである。
関連論文リスト
- Divot: Diffusion Powers Video Tokenizer for Comprehension and Generation [54.21476271127356]
Divotは拡散駆動型ビデオトケナイザである。
我々は、ビデオからテキストへの自己回帰とテキストからビデオへの生成を通じてDivot-unaVicを提示する。
論文 参考訳（メタデータ） (2024-12-05T18:53:04Z) - DiffSign: AI-Assisted Generation of Customizable Sign Language Videos With Enhanced Realism [1.6536018920603175]
私たちは、リアルで表現力のある合成シグナーで手話ビデオを作成します。
提案手法はパラメトリックモデリングと生成モデリングを組み合わせて,現実的な合成シグナを生成する。
提案手法を用いて生成した手話ビデオは,テキストプロンプトにのみ条件付き拡散モデルで生成したビデオよりも時間的一貫性とリアリズムに優れていた。
論文 参考訳（メタデータ） (2024-12-05T05:18:28Z) - A Comprehensive Content Verification System for ensuring Digital Integrity in the Age of Deep Fakes [0.0]
本稿では,デジタルランドスケープ全体にわたる投稿やストーリーとして共有される画像やビデオの認証を目的とした,コンテンツ検証システムについて論じる。
このシステムによって、個人やインフルエンサーはデジタルフットプリントの正当性を検証することができ、相互接続された世界での評判を守ることができる。
論文 参考訳（メタデータ） (2024-11-29T14:47:47Z) - Interoperable Provenance Authentication of Broadcast Media using Open Standards-based Metadata, Watermarking and Cryptography [0.0]
本稿では,ソーシャルメディアプラットフォームへのニュースコンテンツの投稿,オープン標準の役割,暗号メタデータの相互利用,証明の検証における透かしについて分析する。
我々は、暗号化されたメタデータのオープン標準は、放送の証明によく適していると結論付けている。
論文 参考訳（メタデータ） (2024-05-20T19:10:28Z) - Text-image guided Diffusion Model for generating Deepfake celebrity
interactions [50.37578424163951]
拡散モデルは近年、非常にリアルなビジュアルコンテンツ生成を実証している。
本稿では,その点において新しい手法を考案し,検討する。
提案手法により, 現実感を脅かすことなく, 偽の視覚コンテンツを作成できることが示唆された。
論文 参考訳（メタデータ） (2023-09-26T08:24:37Z) - Catch You Everything Everywhere: Guarding Textual Inversion via Concept Watermarking [67.60174799881597]
本稿では,透かし情報を対象概念に埋め込んで,その概念に基づいて生成された画像から抽出する新しい概念透かしを提案する。
実際には、コンセプトオーナは、自身のコンセプトを異なる透かし(e, serial number)をプラットフォームにアップロードすることができ、プラットフォームは異なるシリアル番号を、その後の追跡と法医学のために割り当てる。
論文 参考訳（メタデータ） (2023-09-12T03:33:13Z) - Learning Double-Compression Video Fingerprints Left from Social-Media
Platforms [10.196893054623969]
そこで我々は,CNNアーキテクチャを提案する。CNNアーキテクチャは動画コンテンツを分析し,動画を生来のソーシャルネットワークに遡る。
実験によると、ビデオだけでなく、画像の精度も非常に高い。
論文 参考訳（メタデータ） (2022-12-07T14:22:58Z) - DeFakePro: Decentralized DeepFake Attacks Detection using ENF
Authentication [66.2466055910145]
DeFakeProは、オンラインビデオ会議ツールにおけるコンセンサスメカニズムに基づくDeepfake検出技術である。
ENF信号のゆらぎの類似性は、PoENFアルゴリズムを用いて、会議ツールで放送されたメディアを認証する。
論文 参考訳（メタデータ） (2022-07-22T01:22:11Z) - Uncovering the Dark Side of Telegram: Fakes, Clones, Scams, and
Conspiracy Movements [67.39353554498636]
我々は35,382の異なるチャンネルと130,000,000以上のメッセージを収集して,Telegramの大規模解析を行う。
カードなどのダークウェブのプライバシー保護サービスにも、悪名高い活動がいくつかある。
疑似チャネルを86%の精度で識別できる機械学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-26T14:53:31Z) - Fast End-to-End Speech Recognition via a Non-Autoregressive Model and
Cross-Modal Knowledge Transferring from BERT [72.93855288283059]
LASO (Listen Attentively, and Spell Once) と呼ばれる非自動回帰音声認識モデルを提案する。
モデルは、エンコーダ、デコーダ、および位置依存集合体(PDS)からなる。
論文 参考訳（メタデータ） (2021-02-15T15:18:59Z)
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。