Detección de deepfakes anti-forenses con redes multirrama conscientes de la identidad

Área de la Ciencia:

• Ciencias de la Computación
• Inteligencia Artificial
• Forense Digital

Sus antecedentes:

• Los sistemas de detección de deepfakes son excelentes para identificar falsificaciones convencionales, pero tienen dificultades con las muestras adversarias diseñadas para evadir la detección.
• Las muestras adversarias utilizan perturbaciones sutiles para enmascarar los artefactos de falsificación, lo que lleva a los clasificadores binarios tradicionales a clasificarlas erróneamente como auténticas.
• Los métodos existentes son vulnerables a las técnicas anti-forenses que se dirigen específicamente a los algoritmos de detección y los engañan.

Objetivo del estudio:

• Desarrollar un marco robusto de detección de deepfakes capaz de identificar deepfakes convencionales y anti-forenses (adversarios).
• Mejorar la resiliencia de los sistemas de detección de deepfakes contra estrategias deliberadas de evasión.
• Mejorar la precisión de la clasificación para medios reales, falsificados y anti-forenses.

Principales métodos:

• Se propuso un marco de extracción de características multicanal para la detección de deepfakes.
• Se empleó una estrategia de clasificación de tres clases para diferenciar entre muestras reales, falsificadas y anti-forenses.
• Se utilizaron representaciones faciales que preservan la identidad, características espaciales y del dominio de la frecuencia para un análisis integral.

Principales resultados:

• El método propuesto demostró mejoras significativas en la robustez contra ataques anti-forenses.
• Mantuvo una alta precisión en la detección de deepfakes convencionales.
• Distinguió eficazmente entre muestras reales, falsificadas y de deepfakes adversarios en conjuntos de datos experimentales.

Conclusiones:

• El enfoque de extracción de características multicanal y clasificación de tres clases ofrece una mayor robustez contra los deepfakes adversarios.
• Este marco proporciona una solución más confiable para la detección de deepfakes en presencia de técnicas de evasión sofisticadas.
• Los hallazgos contribuyen al avance del campo de la forense digital y la verificación de la autenticidad de los medios.