論文の概要: Characterizing the MrDeepFakes Sexual Deepfake Marketplace

• arxiv url: http://arxiv.org/abs/2410.11100v1
• Date: Mon, 14 Oct 2024 21:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-16 14:03:34.486115
• Title: Characterizing the MrDeepFakes Sexual Deepfake Marketplace
• Title（参考訳）: MrDeepFakes Sexual Deepfake Marketplaceの特徴付け
• Authors: Catherine Han, Anne Li, Deepak Kumar, Zakir Durumeric,
• Abstract要約: 性的なディープフェイク素材の流行は、ここ数年で爆発した。 セクシュアルディープフェイク素材の売買を支援するために、いくつかの市場が出現している。 我々は、市場経済、創造されたメディアのターゲット、そしてディープフェイクの作り方に関するユーザーディスカッションを分析します。
• 参考スコア（独自算出の注目度）: 4.790507122630804
• License:
• Abstract: The prevalence of sexual deepfake material has exploded over the past several years. Attackers create and utilize deepfakes for many reasons: to seek sexual gratification, to harass and humiliate targets, or to exert power over an intimate partner. In tandem with this growth, several markets have emerged to support the buying and selling of sexual deepfake material. In this paper, we systematically characterize the most prominent and mainstream marketplace, MrDeepFakes. We analyze the marketplace economics, the targets of created media, and user discussions of how to create deepfakes, which we use to understand the current state-of-the-art in deepfake creation. Our work uncovers little enforcement of posted rules (e.g., limiting targeting to well-established celebrities), previously undocumented attacker motivations, and unexplored attacker tactics for acquiring resources to create sexual deepfakes.
• Abstract（参考訳）: 性的なディープフェイク素材の流行は、ここ数年で爆発した。 攻撃者は、性的満足を求めること、標的を嫌がらせし辱めること、親密なパートナーに権力を行使することなど、様々な理由でディープフェイクを作成し、活用する。 この成長と並行して、セクシュアルディープフェイク素材の売買を支援するために、いくつかの市場が出現している。 本稿では,最も有力かつ主流なマーケットプレースであるMrDeepFakesを体系的に特徴付ける。 我々は、市場経済、メディアのターゲット、ディープフェイクの作り方に関するユーザーディスカッションを分析し、ディープフェイク作成における現在の最先端技術を理解するために利用します。 私たちの研究は、投稿されたルール(例えば、確立された有名人にターゲットを限定すること)、未文書のアタッカーモチベーション、そして性的ディープフェイクを作るためのリソースを取得するための未調査のアタッカー戦術のほとんどを明らかにしています。

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)
• Combatting deepfakes: Policies to address national security threats and rights violations [0.0]
  我々は、現在ディープフェイクが、性的虐待の材料を増殖させ、詐欺を犯し、有権者の振る舞いを操り、国家の安全を脅かすためにどのように使われているかを説明する。 我々は、ディープフェイクサプライチェーンの複数の部分に対処することに焦点を当てた包括的な政策提案を行う。
  論文  参考訳（メタデータ） (2024-02-14T21:05:55Z)
• 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)
• 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)
• DeePhy: On Deepfake Phylogeny [58.01631614114075]
  DeePhyは、新しいDeepfake Phylogenyデータセットである。 6つのディープフェイク検出アルゴリズムを用いて,DeePhyデータセットのベンチマークを示す。
  論文  参考訳（メタデータ） (2022-09-19T15:30:33Z)
• 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)
• Robust Deepfake On Unrestricted Media: Generation And Detection [46.576556314444865]
  近年のディープラーニングの進歩は、ディープフェイク生成の大幅な改善につながっている。 この章では、ディープフェイクの生成と検出の進化と課題について論じる。
  論文  参考訳（メタデータ） (2022-02-13T06:53:39Z)
• DeepFakes: Detecting Forged and Synthetic Media Content Using Machine Learning [18.623444153774948]
  この研究は、DeepFakeの生成と検出技術に関連する課題、研究動向、方向性を提示する。 この研究は、DeepFakeドメインにおける注目すべき研究をレビューし、今後より進歩したDeepFakeに対応する、より堅牢なアプローチの開発を促進する。
  論文  参考訳（メタデータ） (2021-09-07T05:19:36Z)
• 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)

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。