FACETRACER: Desvelación de las identidades de origen de imágenes y videos de caras intercambiadas para la prevención...

Área de la Ciencia:

• Ciencias de la computación
• Inteligencia artificial
• Ciencias Forenses Digitales

Sus antecedentes:

• Los avances en el aprendizaje profundo han permitido el intercambio de caras sofisticado, aumentando los riesgos de fraude.
• Los métodos de detección actuales son insuficientes para rastrear a los usuarios maliciosos.
• Se necesita un seguimiento no intrusivo para identificar a las personas detrás del fraude profundo.

Objetivo del estudio:

• Introducir FACETRACER, el primer marco no intrusivo para rastrear las identidades de las fuentes en imágenes/vídeos de rostros intercambiados.
• Permitir la identificación de los agentes maliciosos en las actividades fraudulentas.
• Proporcionar una solución práctica para la atribución de deepfake.

Principales métodos:

• Desarrolló un nuevo módulo de desenredamiento para suprimir la identidad del objetivo y aislar las características de identidad de la fuente.
• Extrajo información de identidad robusta de las caras intercambiadas.
• Diseñado un marco no intrusivo para el rastreo de personas de origen.

Principales resultados:

• FACETRACER identificó con éxito a las personas de origen a través de varias técnicas de intercambio de caras.
• Eficacia demostrada en el seguimiento de actores maliciosos en contenido deepfake fraudulento.
• Demostró una fuerte transferibilidad a métodos no vistos y robustez contra distorsiones/ataques.

Conclusiones:

• FACETRACER proporciona una solución eficaz y no intrusiva para la atribución de fuentes deepfake.
• El marco ayuda a descubrir y rastrear a los usuarios maliciosos involucrados en el fraude digital.
• FACETRACER ofrece utilidad práctica y robustez para aplicaciones del mundo real.