Key points are not available for this paper at this time.
साइबर सुरक्षा में सुधार के लिए, यह अध्ययन अत्याधुनिक एआई और डेटा एनालिटिक्स विधियों का उपयोग करते हुए एक विश्वसनीय डीपफेक मीडिया पहचान प्रणाली के निर्माण की जांच करता है। अस्थायी विश्लेषण के लिए पुनरावृत्त न्यूरल नेटवर्क (RNNs), प्रतिकूल प्रशिक्षण के लिए जनरेटिव एडवर्सेरियल नेटवर्क (GANs), और फीचर निष्कर्षण के लिए संवहन न्यूरल नेटवर्क (CNNs) को मिलाकर एक हाइब्रिड पहचान दृष्टिकोण प्रस्तुत किया गया है। साइबर सुरक्षा, डेटा एनालिटिक्स, और कृत्रिम बुद्धिमत्ता के क्षेत्रों में बीस विशेषज्ञों का सर्वेक्षण किया गया; परिणामों का विश्लेषण सापेक्ष महत्व सूचकांक (RII) का उपयोग करके किया गया। परिणाम हाइब्रिड मॉडल की प्रभावशीलता, बढ़ने की क्षमता, बहुपरकारीता, और व्यावहारिक स्वभाव को उजागर करते हैं, जो इसकी तात्कालिक प्रसंस्करण और मौजूदा साइबर सुरक्षा संरचनाओं में समाहित करने की क्षमता को रेखांकित करते हैं। डीपफेक मीडिया के बढ़ते खतरे का मुकाबला करने के लिए एक व्यापक रणनीति प्रदान करके, यह अध्ययन डिजिटलीय वातावरण की सुरक्षा और विश्वसनीयता को सुधारने का प्रयास करता है।
Awodiji et al. (मंगलवार,) ने इस प्रश्न का अध्ययन किया।