La herramienta de detección de Intel utiliza el flujo sanguíneo para identificar falsificaciones profundas con un 96 % de precisión. La herramienta se basa en procesadores escalables Xeon de tercera generación.

La herramienta de detección de Intel utiliza el flujo sanguíneo para identificar falsificaciones profundas con un 96 % de precisión. La herramienta se basa en procesadores escalables Xeon de tercera generación.
Intel presentó el lunes FakeCatcher, un detector de falsificaciones profundas, que es un medio sintético en el que la persona que aparece en una foto o video existente se reemplaza con la apariencia de otra persona. La empresa considera que FakeCatcher es el primer detector de falsificaciones profundas en tiempo real y afirma que el producto tiene una tasa de precisión del 96 %. Funciona analizando el «flujo sanguíneo» preciso de los píxeles de video para brindar resultados en milisegundos. Intel dice que su herramienta hará que la detección de falsificación profunda sea aún más rápida.

La tecnología Deepfake es una de esas tecnologías que, aunque impresionantes, utilizado a menudo Lamentablemente, su popularidad ha crecido constantemente en los últimos años. Deepfakes, que generalmente consisten en superponer la cara y la voz de una persona en otra, llamaron la atención por primera vez hace unos años cuando los sitios web para adultos comenzaron a bloquear videos donde se usaba la técnica para agregar las caras de actrices famosas con los cuerpos de estrellas porno. Pero los deepfakes se han vuelto cada vez más sofisticados a lo largo de los años, lo que dificulta su detección.

Ahora hay muchas aplicaciones que permiten a los usuarios insertar las caras de sus amigos en las películas, y hemos visto que el proceso impulsado por IA se usa para revivir fotos antiguas y proyectar versiones más jóvenes de actores. empresas e investigadores un trabajo Durante años se han tratado formas de distinguir entre video original y video modificado, pero la nueva solución de Intel parece ser una de las más efectivas e innovadoras. Ilke Demir, investigadora principal de Intel Labs, diseñó FakeCatcher en colaboración con Umur Ciftci de SUNY Binghamton.

El producto utiliza hardware y software de Intel, se ejecuta en un servidor e interactúa a través de una plataforma basada en la web. organizaciones, incluido pensión completaY el Departamento de Defensa de EE. UU., Adobe y Google son herramientas para identificar falsificaciones profundas. Estas herramientas generalmente se basan en el aprendizaje profundo para examinar los datos sin procesar en busca de falta de autenticidad. Pero Intel está adoptando un enfoque diferente. La plataforma Intel utiliza el aprendizaje profundo para analizar cambios sutiles en el color facial causados ​​por la sangre que fluye por las venas, un proceso llamado fotograbado o PPG.

READ  ¡Teléfono inteligente Samsung de nivel de entrada a un excelente precio!

El método mide la cantidad de luz absorbida o reflejada por los vasos sanguíneos en el tejido vivo. Cuando el corazón bombea sangre, esta va a las venas y estas cambian de color. FakeCatcher observa el flujo de sangre por píxeles en una imagen, algo que los deepfakes aún no dominan, y examina las señales de múltiples imágenes. Luego envía las firmas al libro de trabajo. Este último determina si el video en cuestión es real o falso. Intel afirma que esta tecnología puede determinar si un video es real en milisegundos con una tasa de precisión del 96%.

La compañía agrega que la plataforma utiliza procesadores Xeon Scalable de tercera generación con hasta 72 flujos de detección concurrentes y opera a través de una interfaz web. Usando FakeCatcher, las señales PPG se recopilan de 32 sitios en la cara y luego se generan mapas PPG a partir de los componentes temporal y espectral. Una solución en tiempo real con una tasa de precisión tan alta puede marcar la diferencia en la guerra en línea contra la desinformación. Pero por otro lado, esta tecnología también puede hacer que los «deepfakes» sean más realistas, ya que sus creadores intentan engañar al sistema.

No puedes verlo con tus ojos, pero es matemáticamente visible. Las señales PPG son conocidas, pero no se han aplicado antes a un problema de deepfake. Tomamos estos mapas y entrenamos una red neuronal convolucional sobre mapas PPG para clasificarlos como falsos y reales. Luego, gracias a las tecnologías Intel como el marco Deep Learning Boost para inferencia y Advanced Vector Extensions 512, podemos ejecutar en tiempo real y hasta 72 flujos de detección simultáneos «, dijo Demir. (La importancia de la detección está creciendo frente a la creciente amenazas.)

Según un artículo reciente de Eric Horvitz, director científico de Microsoft, la detección de falsificaciones profundas se ha vuelto cada vez más importante en los últimos años. Estos incluyen deepfakes interactivos, que dan la ilusión de hablar con una persona real, y deepfakes, en los que los malos actores crean varios deepfakes para armar una «historia sintética». En 2020, Forrester Research proyectó que los costos asociados con las estafas de deepfakes superarán los $250 millones. Recientemente, han estado circulando informes sobre celebridades.

Por otro lado, hay muchos casos de uso responsable que permiten la tecnología deepfake. Empresas como Hour One y Synthesia ofrecen deepfakes a las empresas, por ejemplo, para la capacitación de los empleados, la educación y el comercio electrónico. Los deepfakes también pueden ser creados por usuarios como celebridades y dueños de negocios que desean aprovechar los medios sintéticos para «subcontratar» a un gemelo virtual. En estos casos, esperamos que surja una forma de garantizar la total transparencia y procedencia de los medios sintéticos.

Demir dijo que Intel está investigando, pero aún está en pañales. FakeCatcher es parte de un equipo de investigación más grande de Intel, llamado Trusted Media, que trabaja en la detección de contenido manipulado, la generación responsable y la fuente de medios. A corto plazo, la detección es la respuesta a las falsificaciones profundas y estamos desarrollando muchos detectores diferentes basados ​​en diferentes indicadores de autenticidad, como la detección de miradas. El siguiente paso después de eso sería descubrir la fuente o encontrar el patrón GAN detrás de todos los deepfakes.

Y el punto dorado de lo que estamos viendo, agregó Demir, es tener una colección de todos estos modelos de IA, para que podamos proporcionar un consenso algorítmico sobre lo que está mal y lo que está bien. Aunque Demir y su equipo están entusiasmados con el tema, es importante tener en cuenta que detectar falsificaciones profundas es difícil en varios frentes. Según un estudio de 2021 realizado por la Universidad del Sur de California, algunos de los conjuntos de datos utilizados para entrenar los sistemas de detección de «falsificación profunda» pueden no ser representativos de personas de cierto género o color de piel.

READ  eFootball ™ 2022: El próximo juego de PES anuncia su fecha de lanzamiento

Según el estudio, este sesgo puede amplificarse en los detectores de falsificación profunda, y algunos detectores muestran hasta un 10,7 % de diferencia en la tasa de error según el grupo étnico. Y en 2020, científicos de Google y la Universidad de California, Berkeley, demostraron que incluso los mejores sistemas de IA entrenados para distinguir entre contenido real y sintético eran vulnerables a ataques hostiles que los llevaron a clasificar las imágenes falsas como reales. A esto se suma el juego continuo del gato y el ratón entre los creadores y detectores de deepfakes.

Pero Demir dijo que, por ahora, FakeCatcher de Intel no puede quedarse atrás. La extracción de PPG que usamos no es diferenciable, y no puede simplemente conectarla a la función de pérdida de una red antagónica, porque eso no funciona y no puede retroceder si no es diferenciable. Si no quiere aprender microminería de PPG, pero quiere acercarse a ella, necesita conjuntos de datos de PPG masivos, que actualmente no existen. existir [des ensembles de donnes de] Ella dijo que 30-40 personas no son generalizables como un todo.

fuente : Intel

¿Y usted?

¿Qué piensa usted al respecto?
¿Qué opinas de la herramienta de detección de falsificaciones profundas de Intel?

Ver más

Los investigadores están desarrollando una IA que puede detectar videos falsos con hasta un 99 % de precisión, y el método detecta expresiones faciales manipuladas y cambios de identidad.

Los ciberdelincuentes usaron tecnología deepfake para robar $ 35 millones del banco y copiar la voz del administrador de clones

Facebook lanzó Deepfake Detection Challenge, una competencia de más de $ 10 millones destinada a avanzar en la investigación en la lucha contra el contenido manipulado.

Las estafas de deepfake y criptomonedas aumentaron en el primer trimestre de 2022, ya que se utilizan para difundir información errónea y acceder a información financiera o personal

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *