Особливості розробки нейромережевої інформаційної технології виявлення підроблених зображень

Abstract

The paper presents the features of developing neural network technology for detecting fake images. It highlights the relevance of the research topic and justifies the use of a combined method that combines color anomaly analysis and spectral analysis of images using fast Fourier transform (FFT). The principles of feature creation are described, including the use of RGB channels and their pairwise differences, as well as obtaining a frequency representation in the form of a normalized spectrum. By combining these approaches, it becomes possible to analyze images in both color and frequency space, which creates the conditions for improving the accuracy and reliability of counterfeit detection, as well as reducing the number of false positives. The paper describes the process of designing software modules for neural network information technology, defines the system architecture and the logic of interaction between its components. The choice of software tools and machine learning libraries for implementing the proposed approach is justified, in particular Python and modern frameworks for deep learning and web integration. To train and evaluate the effectiveness of neural networks, appropriate datasets containing both real and generated images were selected, including Deepfake Detection Challenge (DFDC), FaceForensics++, Celeb-DF, GANGen, and IMD2020. Functional testing of the developed technology was carried out in conditions close to real-life operation. The results obtained confirm the promising nature of the proposed approach and can serve as a basis for the further development of automated analysis, authenticity verification, and monitoring systems for digital media content.

У роботі охарактеризовано особливості розробки нейромережевої технології для виявлення підроблених зображень. Відзначено актуальність тематики дослідження та обґрунтовано доцільність застосування комбінованого методу, який поєднує аналіз кольорових аномалій і спектральний аналіз зображень за допомогою швидкого перетворення Фур’є (FFT). Описано принципи створення ознак, що включають використання RGB-каналів та їх попарних різниць, а також отримання частотного представлення у формі нормалізованого спектра. Поєднавши вказані підходи, з’являється можливість аналізу зображень як в кольоровому, так і в частотному просторі, що створює передумови для підвищення точності та надійності виявлення підробок, а також зменшення кількості помилкових спрацювань. У роботі описано процес проєктування програмних модулів нейромережевої інформаційної технології, визначено архітектуру системи та логіку взаємодії її компонентів. Обґрунтовано вибір програмних засобів і бібліотек машинного навчання для реалізації запропонованого підходу, зокрема Python та сучасних фреймворків глибинного навчання і веб-інтеграції. Для навчання та оцінювання ефективності нейронних мереж було відібрано відповідні набори даних, що містять як реальні, так і згенеровані зображення, зокрема Deepfake Detection Challenge (DFDC), FaceForensics++, Celeb-DF, GANGen та IMD2020. Проведено функціональне тестування розробленої технології в умовах, наближених до реальної експлуатації. Отримані результати підтверджують перспективність запропонованого підходу та можуть слугувати основою для подальшого розвитку систем автоматизованого аналізу, перевірки достовірності та моніторингу цифрового медіа-контенту.