اینتل FakeCatcher را توسعه داده است، فناوری که می تواند ویدیوهای جعلی را با دقت 96 درصد شناسایی کند، به ،وان بخشی از ابتکار هوش مصنوعی مسئولیت پذیر. ابزار تشخیص دیپفیک اینتل، اولین ردیاب دیپفیک در زمان واقعی و با بازگشت هزار ث،ه است.
بیشتر آشکارسازهای مبتنی بر یادگیری عمیق به دادههای خام نگاه میکنند تا نشانههایی از عدم اصالت را بیابند و مشکل یک ویدیو را شناسایی کنند. در مقابل، FakeCatcher به دنبال سرنخهای معتبر در ویدیوهای واقعی میگردد، با ارزیابی آنچه که ما را انسان میسازد – «جریان خون» ظریف در پی،لهای یک ویدیو. وقتی قلب ما خون را پمپاژ می کند، رنگ رگ های ما تغییر می کند. این سیگنالهای جریان خون از سراسر صورت جمعآوری میشوند و الگوریتمها این سیگنالها را به نقشههای فضایی و زم، تبدیل میکنند. سپس، با استفاده از یادگیری عمیق، میتو،م فوراً واقعی یا جعلی بودن یک ویدیو را تشخیص دهیم.
ایلکه دمیر، دانشمند تحقیقاتی ارشد آزمایشگاه های اینتل، گفت: “اکنون، ویدئوهای دیپ فیک همه جا هستند. ویدئوهایی از افراد مشهور که می گویند یا کارهایی را انجام می دهند که هرگز انجام نداده اند یا نگفته اند، احتمالا برای شما آشنا بوده است.” تشخیص عمیق دیپفیک در زمان واقعی اینتل از سختافزار و نرمافزار اینتل استفاده میکند و بر روی سرور و رابطها از طریق یک پلتفرم مبتنی بر وب اجرا میشود. در سمت نرم افزار، ار،تری از ابزارهای تخصصی معماری بهینه شده FakeCatcher را تشکیل می دهند. تیمها از OpenVino برای اجرای مدلهای هوش مصنوعی برای الگوریتمهای تشخیص چهره و نشانهها استفاده ،د. بلوکهای بینایی کامپیوتر با Intel Integrated Performance Primitives (یک کتابخانه نرمافزاری چند رشتهای) و OpenCV (یک جعبه ابزار برای پردازش تصاویر و ویدیوهای بلادرنگ) بهینهسازی شدند، در حالی که بلوکهای استنتاج با Intel Deep Learning Boost و با Intel Advanced Vector Extensions 512 بهینه شدند. و بلوکهای رسانه با افزونههای بردار پیشرفته 2 اینتل بهینهسازی شدند. تیمها همچنین به پروژه Open Visual Cloud تکیه ،د تا یک پشته نرمافزار یکپارچه برای خانواده پردازندههای Intel Xeon Scalable فراهم کنند. از نظر سختافزاری، پلتفرم تشخیص بیدرنگ میتواند تا ۷۲ جریان تشخیص مختلف را به طور همزمان روی پردازندههای نسل سوم اینتل Xeon Scalable اجرا کند.
فریب ناشی از دیپفیکها میتواند باعث آسیب و پیامدهای منفی مانند کاهش اعتماد به رسانهها شود. FakeCatcher به بازگرداندن اعتماد به کاربران کمک می کند تا بین محتوای واقعی و جعلی تمایز قائل شوند.
ویدیوهای دیپ فیک یک تهدید رو به رشد هستند. به گفته گارتنر، شرکت ها تا 188 میلیارد دلار در راه حل های امنیت سایبری هزینه خواهند کرد. همچنین تشخیص این ویدیوهای دیپ فیک در زمان واقعی دشوار است – برنامه های تشخیص برای تجزیه و تحلیل نیاز به آپلود فیلم دارند و سپس ساعت ها منتظر نتایج هستند.
چندین مورد استفاده بالقوه برای FakeCatcher وجود دارد. پلتفرمهای رسانههای اجتماعی میتوانند از این فناوری برای جلوگیری از آپلود ویدیوهای مضر دیپفیک توسط کاربران استفاده کنند. سازمان های خبری جه، می توانند از این آشکارساز برای جلوگیری از تقویت ناخواسته ویدیوهای دستکاری شده استفاده کنند. و سازمانهای غیرانتفاعی میتوانند از این پلتفرم برای دموکراتیک ، تشخیص دیپفیک برای همه استفاده کنند.
منبع: https://www.guru3d.com/news-story/intel-introduces-real-time-deepfake-detector.html