深層学習を用いたMesoNetベースの高度なディープフェイク検出：マルチメディアフォレンジックのための堅牢なフレームワーク

科学分野:

• コンピューターサイエンス
• 人工知能
• デジタルフォレンジック

背景:

• 人工知能を利用したディープフェイク技術は、デジタルコンテンツの真正性と一般の信頼に重大な脅威をもたらしています。
• 偽のメディアに対抗するためには、効果的なディープフェイク検出方法の必要性が重要です。
• 既存の検出モデルは、洗練されたディープフェイクによってもたらされる課題に対応するために強化が必要です。

研究 の 目的:

• 高度なディープフェイク検出のための高度なMesoNet畳み込みニューラルネットワークを導入すること。
• 高度なモデルのパフォーマンスを、確立されたディープフェイク検出アーキテクチャと比較評価すること。
• 実用的なディープフェイク検出アプリケーションのためのリアルタイムシステムを開発すること。

主な方法:

• 2つの追加の畳み込み層を組み込むことによって、高度なMesoNetモデルが開発されました。
• モデルのパフォーマンスは、精度、リコール、F1スコア、精度、MCCを含む主要なメトリクスを使用して評価されました。
• ReactフロントエンドとFlaskバックエンドを使用してリアルタイム検出システムが実装されました。

主要な成果:

• 高度なMesoNetモデルは、精度96.60%、リコール95.33%、F1スコア95.96%、精度95.59%、MCC 91.11%という高いパフォーマンスメトリクスを達成しました。
• 提案されたモデルは、ResNet-50、VGG、AlexNetなどのベースラインモデルと比較して優れたパフォーマンスを示しました。
• リアルタイム検出システムは、実用的な展開におけるモデルの実行可能性を証明しました。

結論:

• 高度なMesoNetモデルは、ディープフェイク検出のための堅牢でスケーラブルなソリューションを提供します。
• 本研究は、デジタルフォレンジックおよびコンテンツ真正性検証における実世界アプリケーションの基盤を提供します。
• 本研究は、操作されたデジタルメディアの課題に対処する上での深層学習の進歩の可能性を強調しています。