ทีมนักวิจัยกล่าวว่าพวกเขาใช้เทคนิคไบโอเมตริกซ์เพื่อเปิดเผย deepfakes และกำหนดเครื่องกำเนิดไฟฟ้าที่สร้างขึ้น
การพบ deepfakes ในกรณีนี้หมายถึงการค้นหาใบหน้าที่จับได้แบบดิจิทัลเพื่อหาหลักฐานของพัลส์ซึ่งเป็นสัญญาณไบโอเมตริกซ์ซึ่งยากที่จะปลอม ทีมบอกว่า Fakecatcher ในขณะที่พวกเขาเรียกว่าระบบ AI ของพวกเขาจัดการอัตราความสำเร็จในการตรวจจับ Deepfake ที่ 97.29 เปอร์เซ็นต์ในวิดีโอภาพบุคคล
นักวิจัยสองคนจากมหาวิทยาลัยบิงแฮมตันและหนึ่งในสามจาก Intel Corpเรียกร้องในกระดาษโอเพนซอร์ซเพื่อใช้เทคนิคที่มีอยู่ซึ่งขยายผลกระทบของการไหลเวียนของเลือดลึกผิว
ปี 2555วิดีโอไม่เกี่ยวข้องกับงานวิจัยใหม่นี้แสดงให้เห็นว่าการขยายการไหลเวียนของเลือดมีลักษณะอย่างไรบนใบหน้าของคนที่มีชีวิตและมันก็อึดอัดที่จะพูดน้อยที่สุด ใบหน้าของผู้เข้าร่วมการประกายระยิบระยับอย่างรวดเร็วของแวววาวสีเหลืองถึงเบอร์กันดีลึกและหลังไม่เหมือนกับสัญญาณชีวภาพของปลาหมึก
นักวิจัยกล่าวว่าผู้สร้าง Deepfakes ยังไม่สามารถเลียนแบบผลกระทบนี้ได้อย่างน่าเชื่อถือ
วิธีการตรวจจับแหล่งที่มาของพวกเขา“ บรรลุการทำนายความถูกต้องของวิดีโอ 97.29% และแบบจำลองการกำเนิด 93.39% ในชุดข้อมูล FaceForensics ++” พวกเขาพบว่าการฉายภาพเสียงรบกวนในพื้นที่สัญญาณชีวภาพสามารถสร้างลายเซ็นที่ไม่ซ้ำกันต่อรุ่น” ซึ่งช่วยในการระบุเครื่องกำเนิดไฟฟ้าของ Deepfake
การไหลเวียนของเลือดได้รับการวิจัยเป็นวิธีการสำหรับการตรวจจับการโจมตีด้วยการปลอมแปลงไบโอเมตริกซ์และได้รับรายงานว่าจะนำไปใช้ใน Samsung Galaxy S10'sเซ็นเซอร์ลายนิ้วมือแม้ว่าประสิทธิภาพของคุณลักษณะจะมีรายงานว่าค่อนข้าง จำกัด
หัวข้อบทความ
ข้อมูลไบโอเมตริกซ์-ไบโอเมตริกซ์-เฟลค์-การป้องกันการฉ้อโกง-biometrics heartbeat-การตรวจจับการปลอมแปลง-การวิเคราะห์วิดีโอ
