論文の概要: Deepfake Detection: A Comprehensive Study from the Reliability
Perspective
- arxiv url: http://arxiv.org/abs/2211.10881v1
- Date: Sun, 20 Nov 2022 06:31:23 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 22:28:13.762896
- Title: Deepfake Detection: A Comprehensive Study from the Reliability
Perspective
- Title(参考訳): deepfake detection: 信頼性の観点からの包括的研究
- Authors: Tianyi Wang and Kam Pui Chow and Xiaojun Chang and Yinglong Wang
- Abstract要約: キノコ入りのDeepfake合成材料はインターネット上で流通し、社会に深刻な影響を与えている。
本稿では,Deepfake検出の3つの側面,すなわち伝達可能性,解釈可能性,信頼性について検討する。
- 参考スコア(独自算出の注目度): 46.15242479794739
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The mushroomed Deepfake synthetic materials circulated on the internet have
raised serious social impact to politicians, celebrities, and every human being
on earth. In this paper, we provide a thorough review of the existing models
following the development history of the Deepfake detection studies and define
the research challenges of Deepfake detection in three aspects, namely,
transferability, interpretability, and reliability. While the transferability
and interpretability challenges have both been frequently discussed and
attempted to solve with quantitative evaluations, the reliability issue has
been barely considered, leading to the lack of reliable evidence in real-life
usages and even for prosecutions on Deepfake related cases in court. We
therefore conduct a model reliability study scheme using statistical random
sampling knowledge and the publicly available benchmark datasets to
qualitatively validate the detection performance of the existing models on
arbitrary Deepfake candidate suspects. A barely remarked systematic data
pre-processing procedure is demonstrated along with the fair training and
testing experiments on the existing detection models. Case studies are further
executed to justify the real-life Deepfake cases including different groups of
victims with the help of reliably qualified detection models. The model
reliability study provides a workflow for the detection models to act as or
assist evidence for Deepfake forensic investigation in court once approved by
authentication experts or institutions.
- Abstract(参考訳): キノコ入りのDeepfake合成材料がインターネット上に流通し、政治家、有名人、そして地球上のすべての人間に深刻な社会的影響をもたらした。
本稿では,deepfake検出研究の発展史を追従した既存モデルの徹底的なレビューを行い,deepfake検出の研究課題を,転送性,解釈性,信頼性という3つの側面から定義する。
伝達可能性と解釈可能性の課題はともに量的評価で論じられ、解決が試みられているが、信頼性の問題はほとんど検討されておらず、実際の使用法や裁判所におけるDeepfake関連事例の訴追さえも確実な証拠が欠如している。
そこで,統計的ランダムサンプリング知識と公開ベンチマークデータセットを用いたモデル信頼度調査を行い,任意のディープフェイク候補に対する既存モデルの検出性能を定性的に検証した。
既存の検出モデルにおける公正なトレーニングおよびテスト実験とともに、ほとんど言及されていない体系的データ前処理手順を実証した。
ケーススタディはさらに、被害者の異なるグループを含む実際のディープフェイク事件を、確実に認定された検出モデルの助けを借りて正当化するために実施されている。
モデルの信頼性調査は、認証の専門家や機関が承認した裁判所におけるディープフェイク法医学捜査の証拠として機能する、または補助する検出モデルのためのワークフローを提供する。
関連論文リスト
- Unsupervised Multimodal Deepfake Detection Using Intra- and Cross-Modal
Inconsistencies [16.015769274959098]
ディープフェイクビデオは、刑事司法、民主主義、個人の安全とプライバシーに悪影響を及ぼす可能性のある社会への脅威が増えていることを示している。
本稿では,内部および相互の整合性を測定することによって,ディープフェイク映像を非教師的に検出する手法を提案する。
提案手法は広範囲な実験により検証され,ディープフェイクビデオにおける重要な内的および横断的不整合の存在が実証された。
論文 参考訳(メタデータ) (2023-11-28T03:28:19Z) - GazeForensics: DeepFake Detection via Gaze-guided Spatial Inconsistency
Learning [63.547321642941974]
本稿では,3次元視線推定モデルから得られた視線表現を利用する,革新的なDeepFake検出手法であるGazeForensicsを紹介する。
実験の結果,提案したGazeForensicsは現在の最先端手法よりも優れていることがわかった。
論文 参考訳(メタデータ) (2023-11-13T04:48:33Z) - Improving Cross-dataset Deepfake Detection with Deep Information
Decomposition [57.284370468207214]
ディープフェイク技術は、セキュリティと社会的信頼に重大な脅威をもたらす。
既存の検出方法は、クロスデータセットのシナリオに直面した場合、パフォーマンスの急激な低下に悩まされる。
本稿では,深層情報分解(DID)フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-30T12:30:25Z) - DeepfakeBench: A Comprehensive Benchmark of Deepfake Detection [55.70982767084996]
ディープフェイク検出の分野で見落とされがちな課題は、標準化され、統一され、包括的なベンチマークがないことである。
DeepfakeBenchと呼ばれる,3つの重要なコントリビューションを提供するディープフェイク検出のための,最初の包括的なベンチマークを提示する。
DeepfakeBenchには15の最先端検出方法、9CLデータセット、一連のDeepfake検出評価プロトコルと分析ツール、包括的な評価ツールが含まれている。
論文 参考訳(メタデータ) (2023-07-04T01:34:41Z) - A Call to Reflect on Evaluation Practices for Failure Detection in Image
Classification [0.491574468325115]
本稿では,信頼度評価関数のベンチマーク化を初めて実現した大規模実証的研究について述べる。
簡便なソフトマックス応答ベースラインを全体の最高の実行方法として明らかにすることは、現在の評価の劇的な欠点を浮き彫りにする。
論文 参考訳(メタデータ) (2022-11-28T12:25:27Z) - Forensicability Assessment of Questioned Images in Recapturing Detection [78.45849869266834]
質問されたサンプルの鑑定可能性の定量化のための鑑定可能性評価ネットワークを提案する。
低フォレンシビリティサンプルは、実際の再適応検出プロセスの前に拒絶され、再適応システムの効率が向上する。
我々は、トレーニングされたFANetと、アンチ・スプーフィングと再適応された文書検出タスクの実践的な再適応検出スキームを統合する。
論文 参考訳(メタデータ) (2022-09-05T12:26:01Z) - A Continual Deepfake Detection Benchmark: Dataset, Methods, and
Essentials [97.69553832500547]
本稿では, 既知の生成モデルと未知の生成モデルの両方から, 新たなディープフェイク集合に対する連続的なディープフェイク検出ベンチマーク(CDDB)を提案する。
本研究では,連続的なディープラーニング検出問題に対して,連続的な視覚認識で一般的に使用される多クラス漸進学習手法を適応するために,複数のアプローチを利用する。
論文 参考訳(メタデータ) (2022-05-11T13:07:19Z) - Poisoning Attacks and Defenses on Artificial Intelligence: A Survey [3.706481388415728]
データ中毒攻撃は、トレーニングフェーズ中にモデルに供給されたデータサンプルを改ざんして、推論フェーズ中にモデルの精度を低下させる攻撃の一種である。
この研究は、この種の攻撃に対処する最新の文献で見つかった最も関連性の高い洞察と発見をまとめたものである。
実環境下での幅広いMLモデルに対するデータ中毒の影響を比較検討し,本研究の徹底的な評価を行った。
論文 参考訳(メタデータ) (2022-02-21T14:43:38Z) - Trustworthy Anomaly Detection: A Survey [22.976960488191505]
異常検出には、銀行詐欺検出やサイバー侵入検出など、幅広い現実世界の応用がある。
成功にもかかわらず、異常検出モデルは依然として多くの制限に直面している。
論文 参考訳(メタデータ) (2022-02-15T23:25:37Z)
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。