फेस फॉर्जी वीडियो डिटेक्शन के लिए डायनामिक-एवियर फैडरेटेड लर्निंग

फेस फॉर्जी वीडियो का प्रसार सूचना की विश्वसनीयता के लिए एक गंभीर खतरा है, जो उन्हें पहचानने के लिए प्रभावी डिटेक्शन एल्गोरिदम की मांग करता है। अधिकांश मौजूदा तरीकों ने एक साझा या केंद्रीकृत प्रशिक्षण सेट का अनुमान लगाया है। हालाँकि, प्रैक्टिस में, डेटा विभिन्न उद्यमों के उपकरणों पर वितरित हो सकता है जिन्हें सुरक्षा और गोपनीयता प्रतिबंधों के कारण साझा करना केंद्रित नहीं किया जा सकता है। इस लेख में, हम एक फैडरेटेड लर्निंग फेस फॉर्जी डिटेक्शन ढांचे का प्रस्ताव करते हैं ताकि स्थानीय उपकरणों पर डेटा रखते हुए सामूहिक रूप से एक वैश्विक मॉडल को प्रशिक्षित किया जा सके। डिटेक्शन मॉडल को अधिक मजबूत बनाने के लिए, हम एक नवोन्मेषी इनकंसिस्टेंसी-कैप्चर मॉड्यूल (ICM) का प्रस्ताव करते हैं जो फेस फॉर्जी वीडियो के आसन्न फ़्रेमों के बीच गतिशील असंगतियों को पकड़ता है। ICM में दो समानांतर शाखाएँ होती हैं। पहली शाखा आसन्न फ़्रेमों का समग्र चेहरा इनपुट के रूप में लेती है ताकि एक वैश्विक असंगति प्रतिनिधित्व की गणना की जा सके। दूसरी शाखा केवल महत्वपूर्ण क्षेत्रों के बीच-फ्रेम भिन्नता पर ध्यान केंद्रित करती है ताकि स्थानीय असंगति को पकड़ सके। हमारी जानकारी के अनुसार, यह फेस फॉर्जी वीडियो डिटेक्शन के लिए फैडरेटेड लर्निंग को लागू करने का पहला काम है, जिसे विकेन्द्रीकृत डेटा के साथ प्रशिक्षित किया गया है। विस्तृत प्रयोग बताते हैं कि प्रस्तावित ढांचा मौजूद तरीकों की तुलना में प्रतिस्पर्धात्मक प्रदर्शन प्राप्त करता है जो केंद्रीकृत डेटा के साथ प्रशिक्षित हैं, जिसमें उच्च स्तर की सुरक्षा और गोपनीयता की गारंटी है।