Fugu-MT 論文翻訳(概要): Addressing Deepfake Issue in Selfie banking through camera based authentication

論文の概要: Addressing Deepfake Issue in Selfie banking through camera based authentication

arxiv url: http://arxiv.org/abs/2508.19714v1
Date: Wed, 27 Aug 2025 09:20:56 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-28 19:07:41.576325
Title: Addressing Deepfake Issue in Selfie banking through camera based authentication
Title（参考訳）: カメラ認証によるセルフィーバンキングにおけるディープフェイク問題への取り組み
Authors: Subhrojyoti Mukherjee, Manoranjan Mohanty,
Abstract要約: ディープラーニング技術により、非常に現実的な偽のアイデンティティを作成できる。本稿では,すでに確立されている法医学的認識システムを用いたディープフェイク検出手法について検討する。
参考スコア（独自算出の注目度）: 0.8021197489470756
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Fake images in selfie banking are increasingly becoming a threat. Previously, it was just Photoshop, but now deep learning technologies enable us to create highly realistic fake identities, which fraudsters exploit to bypass biometric systems such as facial recognition in online banking. This paper explores the use of an already established forensic recognition system, previously used for picture camera localization, in deepfake detection.
Abstract（参考訳）: セルフィーバンキングにおけるフェイクイメージはますます脅威になりつつある。これまではPhotoshopだけだったが、今ではディープラーニング技術によって、非常にリアルな偽のアイデンティティを作れるようになり、オンラインバンキングにおける顔認識などの生体認証システムを悪用する詐欺師が現れた。本稿では,以前に画像カメラのローカライゼーションに使用されていた,すでに確立された法医学的認識システムを用いたディープフェイク検出手法について検討する。

関連論文リスト

Detection of AI Deepfake and Fraud in Online Payments Using GAN-Based Models [3.2510005425417523]
本研究では,GAN(Generative Adversarial Networks)を用いて,オンライン決済システムにおけるAIディープフェイクや不正行為を検出する。支払い画像の微妙な操作を識別することで、オンライン決済のセキュリティを高める新しいGANモデルを提案する。
論文参考訳（メタデータ） (2025-01-13T03:10:54Z)
FaceTracer: Unveiling Source Identities from Swapped Face Images and Videos for Fraud Prevention [68.07489215110894]
FaceTracerは、元人物の身元を、交換された顔画像やビデオから追跡するように設計されたフレームワークである。実験では、FaceTracerは元の人物をスワップされたコンテンツで特定し、不正行為に関わる悪意あるアクターの追跡を可能にした。
論文参考訳（メタデータ） (2024-12-11T04:00:17Z)
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)
Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文参考訳（メタデータ） (2024-03-31T19:28:04Z)
TetraLoss: Improving the Robustness of Face Recognition against Morphing Attacks [6.492755549391469]
顔認識システムは、高セキュリティアプリケーションに広くデプロイされている。フェースモーフィングのようなデジタル操作は、顔認識システムにセキュリティ上の脅威をもたらす。本稿では,ディープラーニングに基づく顔認識システムを,顔形態攻撃に対してより堅牢なものにするための新しい手法を提案する。
論文参考訳（メタデータ） (2024-01-21T21:04:05Z)
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)
Direct attacks using fake images in iris verification [59.68607707427014]
BioSecベースラインデータベースの実際のアイリスから偽アイリス画像のデータベースが作成されている。本システムは直接攻撃に対して脆弱であることを示し,対策の重要性を指摘する。
論文参考訳（メタデータ） (2021-10-30T05:01:06Z)
Deep Fake Detection: Survey of Facial Manipulation Detection Solutions [0.0]
我々は、アートニューラルネットワーク(MesoNet、ResNet-50、VGG-19、Xception Net)のいくつかの状態を分析し、それらを互いに比較する。オンラインソーシャルメディアプラットフォームにデプロイされるリアルタイムのディープフェイク検出など,さまざまなシナリオに対する最適なソリューションを見つけました。
論文参考訳（メタデータ） (2021-06-23T18:08:07Z)
Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文参考訳（メタデータ） (2020-03-15T12:45:10Z)

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。