<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Аналіз можливостей нейроних мереж для виявлення мультимедійних фейків

Вантажиться...
Ескіз

Дата

Науковий керівник

Редактор

Інші учасники

Відповідальний

ORCID

Назва журналу

Номер ISSN

Назва тому

DOI

Альтернативна назва

Анотація

Дослідження розглядає застосування передових технологій, зокрема згорткових нейронних мереж (CNN) і генеративних змагальних мереж (GAN), для виявлення мультимедійних фейків. Використання CNN дозволяє ефективно виявляти невідповідності у зображеннях, а GAN є інструментом для створення синтетичного контенту, такого як deepfakes, а також основою для побудови методів виявлення фейків, що має важливе значення для протидії маніпуляціям та дезінформації.
The study examines the use of advanced technologies, such as convolutional neural networks (CNNs) and generative adversarial networks (GANs), to detect multimedia fakes. The use of CNNs allows for the effective detection of inconsistencies in images, while GANs are becoming a tool for creating synthetic content, such as deepfakes, with fake detection methods, which is important for countering manipulation and disinformation.

Опис

Тип документа

Мова

ISSN

Серія, номер

ISBN

978-617-8163-14-3

ББК

Інші ідентифікатори

Пов’язані матеріали

Спонсорська підтримка

Правовласник

Бібліографічний опис

Куперштейн Л. М., Людва Н. В., Прокопенко С. О. Аналіз можливостей нейроних мереж для виявлення мультимедійних фейків // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2024)», Вінниця, 11-20 травня 2024 р. Електрон. текст. дані. 2024. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2024/paper/view/21749.

Зібрання

Схвалення

Рецензія

Доповнено

Цитується в

Список використаної літератури (14)

  1. Finger L. Overview of how to create deepfakes - it’s scarily simple. Forbes. URL: https://www.forbes.com/sites/lutzfinger/2022/09/08/overview-of-how-to-create-deepfakesits-scarilysimple/?sh=28fd12972bf1 (date of access: 10.05.2024).
  2. Lu Y., Ebrahimi T. Assessment framework for deepfake detection in real-world situations. EURASIP journal on image and video processing. 2024. Vol. 2024, no. 1.
  3. A Comprehensive Survey of Convolutions in Deep Learning: Applications, Challenges, and Future Trends / A. Younesi et al. IEEE Access. 2024. P. 1.
  4. Економічна правда. Епоха “глибоких” підробок: що таке deepfake та як від нього захиститися. Економічна правда. URL: https://www.epravda.com.ua/publications/2020/08/14/664022/ (дата звернення: 12.05.2024).
  5. Baig R. The deepfakes in the disinformation war – DW – 03/18/2022. dw.com. URL: https://www.dw.com/en/fact-check-the-deepfakes-in-the-disinformation-war-between-russia-and-ukraine/a61166433 (дата звернення: 13.05.2024).
  6. Amalraj Victoire D. T., Abishek A., Ajay Rakesh T. A. M. A Chat Application for Disabled using Convolutional Neural Network Deep Learning Algorithm. Quing: International Journal of Innovative Research in Science and Engineering. 2023. Т. 2, № 2. С. 128–140.
  7. Karandikar A. Deepfake Video Detection Using Convolutional Neural Network. International Journal of Advanced Trends in Computer Science and Engineering. 2020. Т. 9, № 2. С. 1311–1315.
  8. Stanciu D.-C., Ionescu B. Deepfake Video Detection with Facial Features and Long-Short Term Memory Deep Networks. 2021 International Symposium on Signals, Circuits and Systems (ISSCS), Iasi, Romania, 15–16 jul. 2021 р. 2021.
  9. End-to-End object detection with transformers / N. Carion et al. Computer vision – ECCV 2020. Cham, 2020. P. 213–229.
  10. Технологічний ритм. Які можливості має Sora AI ?. Друкарня. URL: https://drukarnia.com.ua/articles/yaki-mozhlivosti-maye-sora-ai-V3o3k (дата звернення: 19.05.2024).