論文の概要: Deep-Fake CAPTCHA: Mitigating Next-Generation Social Engineering Attacks
- arxiv url: http://arxiv.org/abs/2609.11404v1
- Date: Thu, 10 Sep 2026 11:35:11 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.317051
- Title: Deep-Fake CAPTCHA: Mitigating Next-Generation Social Engineering Attacks
- Title（参考訳）: Deep-Fake CAPTCHA:次世代ソーシャルエンジニアリング攻撃の軽減
- Abstract要約: DF-CAPTCHAは、音声およびビデオ通話におけるリアルタイムディープフェイクの偽造に対する積極的な防御である。
このフレームワークは、リアリズム、アイデンティティ整合性、タスク完了、応答時間という4つの基準を用いて応答を検証する。
- 参考スコア（独自算出の注目度）: 2.657356138730743
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper presents DF-CAPTCHA, an active defense against real-time deepfake impersonation in voice and video calls. Instead of passively searching for artifacts, DF-CAPTCHA prompts the caller to perform simple challenge-response tasks that are easy for humans but difficult for current real-time deepfake systems to generate convincingly. The framework verifies the response using four criteria: realism, identity consistency, task completion, and response time. We evaluate the approach across both audio and video modalities using user studies and experiments with real-time deepfake models. Results show that people often struggle to distinguish real-time deepfakes from authentic media, while DF-CAPTCHA substantially improves detection performance over passive methods, reaching high accuracy in both modalities. These findings suggest that active challenge-based verification is a practical and robust defense against next-generation social engineering attacks based on real-time deepfakes.
- Abstract（参考訳）: 本稿では,音声およびビデオ通話におけるリアルタイムディープフェイクの偽造に対するアクティブ防御であるDF-CAPTCHAを提案する。
DF-CAPTCHAは、受動的にアーティファクトを探す代わりに、人間にとって簡単だが現在のリアルタイムディープフェイクシステムでは説得力のある生成が難しい単純なチャレンジ-レスポンスタスクを実行するよう、呼び出し者に促す。
このフレームワークは、リアリズム、アイデンティティ整合性、タスク完了、応答時間という4つの基準を用いて応答を検証する。
本研究では,リアルタイムディープフェイクモデルを用いたユーザスタディと実験を用いて,オーディオとビデオの両モード間のアプローチを評価する。
その結果,DF-CAPTCHAは受動的手法による検出性能を大幅に向上し,両モードの精度も向上した。
これらの結果は,リアルタイムディープフェイクに基づく次世代ソーシャルエンジニアリング攻撃に対して,積極的なチャレンジベース検証が実用的で堅牢な防御であることを示している。
関連論文リスト
- SAFE-QAQ: End-to-End Slow-Thinking Audio-Text Fraud Detection via Reinforcement Learning [52.29460857893198]
既存の不正検出方法は、書き起こされたテキストに依存しており、ASRのエラーや、声調や環境条件のような重要な音響的手がかりが欠けている。
音声に基づくスロー思考詐欺検出のためのエンドツーエンド包括的フレームワークSAFE-QAQを提案する。
本フレームワークは,ライブコール中に動的リスクアセスメントフレームワークを導入し,不正の早期検出と防止を可能にする。
論文 参考訳（メタデータ） (2026-01-04T06:09:07Z) - Measuring the Robustness of Audio Deepfake Detectors [59.09338266364506]
この研究は、16の一般的な汚職に対する10のオーディオディープフェイク検出モデルの頑健さを体系的に評価する。
従来のディープラーニングモデルと最先端の基礎モデルの両方を用いて、4つのユニークな観察を行う。
論文 参考訳（メタデータ） (2025-03-21T23:21:17Z) - Do Deepfake Detectors Work in Reality? [3.230104201410257]
ディープフェイク、特にフェイスワップによる操作は、社会的な懸念を引き起こしている。
生成モデルの急速な進歩にもかかわらず、検出方法はペースを保っておらず、防衛戦略において重要なギャップを形成している。
実世界のシナリオで一般的に使用される超解像のポストプロセッシングステップは,既存のディープフェイク検出手法の有効性を著しく損なう。
論文 参考訳（メタデータ） (2025-02-15T22:38:40Z) - 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) - Shaking the Fake: Detecting Deepfake Videos in Real Time via Active Probes [3.6308756891251392]
生成AIの一種であるリアルタイムディープフェイク(Real-time Deepfake)は、ビデオ内の既存のコンテンツ(例えば、顔を別のものと交換する)を「生成する」ことができる。
金融詐欺や政治的誤報など、悪意ある目的のためにディープフェイクビデオを作るのに誤用されている。
本研究では,物理干渉に適応できないディープフェイクモデルを利用した新しいリアルタイムディープフェイク検出手法であるSFakeを提案する。
論文 参考訳（メタデータ） (2024-09-17T04:58:30Z) - Time-Aware Face Anti-Spoofing with Rotation Invariant Local Binary Patterns and Deep Learning [50.79277723970418]
模倣攻撃は 不正な識別と その後の攻撃者の認証につながる
顔認識と同様に、模倣攻撃も機械学習で検出できる。
本稿では,未使用の機能と時間認識の深層学習戦略を組み合わせることで,高い分類精度を実現する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-08-27T07:26:10Z) - Real is not True: Backdoor Attacks Against Deepfake Detection [9.572726483706846]
本稿では,Bad-Deepfake(Bad-Deepfake)と命名された先駆的パラダイムを導入する。
我々のアプローチはトレーニングデータのサブセットを戦略的に操作することで、トレーニングされたモデルの運用特性に対する不均等な影響を軽減します。
論文 参考訳（メタデータ） (2024-03-11T10:57:14Z) - CrossDF: Improving Cross-Domain Deepfake Detection with Deep Information Decomposition [53.860796916196634]
クロスデータセットディープフェイク検出(CrossDF)の性能を高めるためのディープ情報分解(DID)フレームワークを提案する。
既存のディープフェイク検出方法とは異なり、我々のフレームワークは特定の視覚的アーティファクトよりも高いレベルのセマンティック特徴を優先する。
顔の特徴をディープフェイク関連情報と無関係情報に適応的に分解し、本質的なディープフェイク関連情報のみを用いてリアルタイム・フェイク識別を行う。
論文 参考訳（メタデータ） (2023-09-30T12:30:25Z) - NPVForensics: Jointing Non-critical Phonemes and Visemes for Deepfake
Detection [50.33525966541906]
既存のマルチモーダル検出手法は、Deepfakeビデオを公開するために、音声と視覚の不整合をキャプチャする。
NPVForensics と呼ばれる非臨界音素とビセムの相関関係を抽出する新しいディープフェイク検出法を提案する。
我々のモデルは、微調整で下流のDeepfakeデータセットに容易に適応できる。
論文 参考訳（メタデータ） (2023-06-12T06:06:05Z) - Deepfake CAPTCHA: A Method for Preventing Fake Calls [5.810459869589559]
リアルタイムディープフェイク対策としてD-CAPTCHAを提案する。
アプローチは、ディープフェイクモデルに挑戦して、その能力を超えるコンテンツを生成することで、相手をスポットライトに強制することである。
既存のCAPTCHAとは対照的に、コンテンツを分類する能力とは対照的に、コンテンツを作成するAIの能力に挑戦する。
論文 参考訳（メタデータ） (2023-01-08T15:34:19Z) - GOTCHA: Real-Time Video Deepfake Detection via Challenge-Response [17.117162678626418]
本稿では,ライブ環境での信頼性を確立するための課題応答手法を提案する。
本稿では,RTDF生成パイプラインに固有の制約を特に対象とする課題の分類について述べる。
この結果は、説明可能でスケーラブルなリアルタイムディープフェイク検出のためのチャレンジ応答システムの有望な可能性を示している。
論文 参考訳（メタデータ） (2022-10-12T13:15:54Z)
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。