論文の概要: Deep Fake Detection, Deterrence and Response: Challenges and Opportunities

• arxiv url: http://arxiv.org/abs/2211.14667v1
• Date: Sat, 26 Nov 2022 21:23:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 19:50:57.340091
• Title: Deep Fake Detection, Deterrence and Response: Challenges and Opportunities
• Title（参考訳）: ディープフェイク検出・抑止・応答 : 課題と機会
• Authors: Amin Azmoodeh and Ali Dehghantanha
• Abstract要約: カナダの組織の78%が2020年に少なくとも1回のサイバー攻撃を経験している。 専門家は、サイバー犯罪による世界的な損失が2025年までに年間10.5兆ドルに達すると予想している。 ディープフェイクはフェイクニュース、偽ニュース、リベンジポルノ、金融詐欺を制作する可能性に注意を向けた。
• 参考スコア（独自算出の注目度）: 3.411353611073677
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: According to the 2020 cyber threat defence report, 78% of Canadian organizations experienced at least one successful cyberattack in 2020. The consequences of such attacks vary from privacy compromises to immersing damage costs for individuals, companies, and countries. Specialists predict that the global loss from cybercrime will reach 10.5 trillion US dollars annually by 2025. Given such alarming statistics, the need to prevent and predict cyberattacks is as high as ever. Our increasing reliance on Machine Learning(ML)-based systems raises serious concerns about the security and safety of these systems. Especially the emergence of powerful ML techniques to generate fake visual, textual, or audio content with a high potential to deceive humans raised serious ethical concerns. These artificially crafted deceiving videos, images, audio, or texts are known as Deepfakes garnered attention for their potential use in creating fake news, hoaxes, revenge porn, and financial fraud. Diversity and the widespread of deepfakes made their timely detection a significant challenge. In this paper, we first offer background information and a review of previous works on the detection and deterrence of deepfakes. Afterward, we offer a solution that is capable of 1) making our AI systems robust against deepfakes during development and deployment phases; 2) detecting video, image, audio, and textual deepfakes; 3) identifying deepfakes that bypass detection (deepfake hunting); 4) leveraging available intelligence for timely identification of deepfake campaigns launched by state-sponsored hacking teams; 5) conducting in-depth forensic analysis of identified deepfake payloads. Our solution would address important elements of the Canada National Cyber Security Action Plan(2019-2024) in increasing the trustworthiness of our critical services.
• Abstract（参考訳）: 2020年のサイバー脅威防衛レポートによると、カナダの組織の78%が2020年に少なくとも1回のサイバー攻撃を経験している。 このような攻撃の結果は、プライバシの妥協から個人、企業、国の損害コストの没入まで様々である。 専門家は、サイバー犯罪による世界的な損失が2025年までに年間105兆ドルに達すると予想している。 このような恐ろしい統計を踏まえると、サイバー攻撃を予防して予測する必要性はこれまで以上に高い。 機械学習(ML)ベースのシステムへの依存度の増加は、これらのシステムのセキュリティと安全性に対する深刻な懸念を引き起こします。 特に、人間を欺く可能性の高い偽の視覚、テキスト、オーディオコンテンツを生成する強力なML技術の出現は、深刻な倫理的懸念を引き起こした。 動画、画像、音声、テキストを人工的に制作したDeepfakesは、フェイクニュース、偽ニュース、リベンジポルノ、金融詐欺の可能性を秘めている。 多様性とディープフェイクの普及により、タイムリーな検出が大きな課題となった。 本稿では,まず背景情報を提供し,ディープフェイクの検出・抑止に関する先行研究のレビューを行う。 その後、私たちは可能なソリューションを提供します。 1)開発・展開段階のディープフェイクに対してAIシステムを堅牢にする。 2) 映像,画像,音声,テキストによるディープフェイクの検出 3) 検出をバイパスするディープフェイクの同定(ディープフェイクハンティング) 4)国家支援のハッキングチームによるディープフェイクキャンペーンのタイムリーな識別に利用可能なインテリジェンスを活用すること。 5)特定ディープフェイクペイロードの詳細な法医学的分析を行う。 我々のソリューションは、カナダ国家サイバーセキュリティ対策計画(2019-2024)の重要な要素に対処し、重要なサービスの信頼性を高めます。

関連論文リスト

• Deepfake detection in videos with multiple faces using geometric-fakeness features [79.16635054977068]
  被害者や人物のディープフェイクは、脅迫、ゆがみ、金融詐欺の詐欺師によって使用される。 本研究では,映像中の顔の存在の動的度を特徴付ける幾何学的フェイクネス機能(GFF)を提案する。 我々は、ビデオに同時に存在する複数の顔でビデオを分析するために、我々のアプローチを採用している。
  論文  参考訳（メタデータ） (2024-10-10T13:10:34Z)
• Deepfake Media Forensics: State of the Art and Challenges Ahead [51.33414186878676]
  AIが生成する合成メディア、別名Deepfakesは、エンターテイメントからサイバーセキュリティまで、多くの領域に影響を与えている。 ディープフェイク検出は、微妙な矛盾やアーティファクトを機械学習技術で識別することに焦点を当て、研究の不可欠な領域となっている。 本稿では,これらの課題に対処する主要なアルゴリズムについて,その利点,限界,今後の展望について検討する。
  論文  参考訳（メタデータ） (2024-08-01T08:57:47Z)
• Turn Fake into Real: Adversarial Head Turn Attacks Against Deepfake Detection [58.1263969438364]
  本稿では,3次元対向顔視によるディープフェイク検出器に対する最初の試みとして,対向頭部旋回(AdvHeat)を提案する。 実験では、現実的なブラックボックスシナリオにおいて、様々な検出器のAdvHeatに対する脆弱性を検証する。 さらなる分析により、AdvHeatは、クロス検出器転送性と防御に対する堅牢性の両方に対する従来の攻撃よりも優れていることが示されている。
  論文  参考訳（メタデータ） (2023-09-03T07:01:34Z)
• Discussion Paper: The Threat of Real Time Deepfakes [7.714772499501984]
  ディープフェイクは偽情報の拡散、詐欺、詐欺、無実の脅迫に使われている。 本稿では,この脅威がもたらす意味を論じ,これらの攻撃を防ぐための課題を特定し,より強力な防御策を研究するためのより良い方向性を提案する。
  論文  参考訳（メタデータ） (2023-06-04T21:40:11Z)
• Hybrid Deepfake Detection Utilizing MLP and LSTM [0.0]
  ディープフェイク(deepfake)は、最新の技術進歩にともなう発明である。 本稿では,2つのディープラーニングアルゴリズムを用いた新しいディープフェイク検出方式を提案する。 我々は、140k RealとFake Facesというデータセットを使用して、74.7%の精度で、ディープフェイクによって変化した画像を検出する。
  論文  参考訳（メタデータ） (2023-04-21T16:38:26Z)
• Graph Mining for Cybersecurity: A Survey [61.505995908021525]
  マルウェア、スパム、侵入などのサイバー攻撃の爆発的な増加は、社会に深刻な影響をもたらした。 従来の機械学習(ML)ベースの手法は、サイバー脅威の検出に広く用いられているが、現実のサイバーエンティティ間の相関をモデル化することはほとんどない。 グラフマイニング技術の普及に伴い、サイバーエンティティ間の相関を捉え、高いパフォーマンスを達成するために、多くの研究者がこれらの手法を調査した。
  論文  参考訳（メタデータ） (2023-04-02T08:43:03Z)
• Why Do Facial Deepfake Detectors Fail? [9.60306700003662]
  近年のディープフェイク技術の発展により、ビデオ、画像、オーディオなどの非常に現実的な偽メディアの作成が可能になった。 これらの資料は、偽造、偽情報、さらには国家安全保障に対する脅威など、人間の認証に重大な課題を提起している。 いくつかのディープフェイク検出アルゴリズムが提案されており、ディープフェイク作成者とディープフェイク検出装置との間の武器競争が進行中である。
  論文  参考訳（メタデータ） (2023-02-25T20:54:02Z)
• Using Deep Learning to Detecting Deepfakes [0.0]
  ディープフェイク(Deepfakes)とは、ある人物の顔を別のコンピュータが生成した顔に置き換えるビデオまたは画像である。 このオンライン脅威に対抗するために、研究者たちはディープフェイクを検出するモデルを開発した。 本研究では、ディープラーニングアルゴリズムを用いて、この略奪的な脅威に対処する様々なディープフェイク検出モデルについて検討する。
  論文  参考訳（メタデータ） (2022-07-27T17:05:16Z)
• Partially Fake Audio Detection by Self-attention-based Fake Span Discovery [89.21979663248007]
  本稿では,部分的に偽の音声を検出する自己認識機構を備えた質問応答(フェイクスパン発見)戦略を導入することで,新たな枠組みを提案する。 ADD 2022の部分的に偽の音声検出トラックで第2位にランクインした。
  論文  参考訳（メタデータ） (2022-02-14T13:20:55Z)
• WildDeepfake: A Challenging Real-World Dataset for Deepfake Detection [82.42495493102805]
  我々は,インターネットから完全に収集された707のディープフェイクビデオから抽出された7,314の顔シーケンスからなる新しいデータセットWildDeepfakeを紹介した。 既存のWildDeepfakeデータセットと我々のWildDeepfakeデータセットのベースライン検出ネットワークを体系的に評価し、WildDeepfakeが実際により困難なデータセットであることを示す。
  論文  参考訳（メタデータ） (2021-01-05T11:10:32Z)
• The Emerging Threats of Deepfake Attacks and Countermeasures [0.0]
  Deepfake Technology(DT)は、新しいレベルの洗練を遂げました。 ディープフェイクによって世界中の企業、政治、司法システムに提示される脅威を強調する。
  論文  参考訳（メタデータ） (2020-12-14T22:40:49Z)

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。