Išmaniųjų vaizdo klastočių kriminalistika, taikant vaizdų apdorojimo algoritmus
Makštutis, Dominykas |
Goranin, Nikolaj | Recenzentas / Rewiewer |
Baigiamajame magistro darbe yra išsamiai nagrinėjama aktuali išmaniųjų vaizdo klastočių tema, jų panaudojimas teisėtiems ir neteisėtiems tikslams, keliamos grėsmės. Taip pat aptariami būdai, kaip įmanoma atpažinti išmaniąsias vaizdo klastotes. Daug dėmesio yra skiriama neuroninių tinklų veikimu pagrįstų išmaniųjų klastočių atpažinimo algoritmams. Jų veikimui, tikslumui, duomenų rinkiniams, kuriais buvo apmokyti algoritmai. Ieškoma sprendimo, kaip galima patobulinti išmaniųjų vaizdo klastočių atpažinimo algoritmų veikimą. Pasirinktam sprendimui yra atliekamas eksperimentinis vertinimas. Darbą sudaro šios dalys: įvadas, išmaniosios vaizdo klastotės, veido atpažinimo ir aptikimo technologijos ir jų analizė, laikomi geriausiais išmaniųjų vaizdo klastočių atpažinimo algoritmai, klastočių atpažinimo algoritmų kodo analizė, išmaniųjų vaizdo klastočių duomenų rinkinių analizė, išmaniųjų vaizdo klastočių atpažinimo algoritmų tobulinimas, vaizdo įrašų retušavimas prieš analizuojant klastočių atpažinimo algoritmais, išvados, šaltiniai ir priedai. Darbo apimtis 98 psl. be priedų, 32 paveikslai, 45 lentelės, 46 šaltiniai.
The final Master's thesis examines in detail the current situation of deepfakes, their use for legitimate and illegitimate purposes, and the threats they pose. It also discusses the ways in which it is possible to identify the deepfakes. A strong emphasis is placed on neural network-based algorithms for the recognition of smart forgeries. Their performance, accuracy, and the datasets on which the algorithms have been trained. A solution is sought to improve the performance of deepfake recognition algorithms. An experimental evaluation is carried out for the selected solution. The work consists of the following parts: Introduction, deepfakes, face recognition and detection technologies and their analysis, considered as the best smart video forgery recognition algorithms, analysis of the code of the forgery recognition algorithms, datasets analysed by smart video forgery algorithms, improvement of deepfake recognition algorithms, retouching of videos before analysing them by forgery recognition algorithms, conclusions, sources and appendices. The thesis consists of 98 pages without appendices, 32 figures, 45 tables, 46 sources.