Key points are not available for this paper at this time.
أحدثت التطورات الأخيرة في التكنولوجيا تavailable إمكانية استخدام نماذج التعلم العميق (DL) في مجموعة متنوعة من التطبيقات الجديدة؛ على سبيل المثال، نماذج الشبكات التنافسية التوليفية (GAN) قادرة على إنتاج صور، وأصوات، وحتى مقاطع فيديو فائقة الواقعية، مثل ما يسمى بـ "ديب فيك" التي تنتجها GANs مع مقاطع صوتية و/أو فيديو تم التلاعب بها، والتي هي واقعية لدرجة أنها لا يمكن تمييزها عن الحقيقة في إدراك البشر. بخلاف التطبيقات المبتكرة والشرعية، هناك العديد من الطرق الخبيثة أو غير القانونية لاستخدام مثل هذه المحتويات المزيفة في الدعاية، والحملات السياسية، والجرائم الإلكترونية، والابتزاز، وغيرها. لمواجهة التحديات التي تطرحها الوسائط المتعددة للديب فيك، نقترح تقنية تعلم عميق قائمة على مجموعة تُسمى ديب فيك ستاك لاكتشاف مثل هذه المقاطع الفيديو المعالجة. تجمع التقنية المقترحة بين مجموعة من نماذج التصنيف المتطورة القائمة على DL وتخلق مصنفاً مركباً محسناً. استناداً إلى تجاربنا، أظهرت النتائج أن ديب فيك ستاك يتفوق على المصنفات الأخرى من خلال تحقيق دقة تصل إلى 99.65٪ ودرجة AUROC تبلغ 1.0 في اكتشاف الديب فيك. لذلك، توفر طريقتنا أساسًا قويًا لبناء كاشف للديب فيك في الوقت الفعلي.
درس رانا وآخرون (السبت) هذا السؤال.