Intel представляє детектор Deepfake у реальному часі, заявляючи про 96% точність
Перегляньте сесії за запитом від саміту Low-Code/No-Code Summit, щоб дізнатися, як успішно впроваджувати інновації та підвищувати ефективність шляхом вдосконалення та масштабування громадянських розробників. Переглянути зараз.
У понеділок Intel представила FakeCatcher, який, за її словами, є першим детектором глибоких фейків у реальному часі, тобто синтетичним носієм, у якому людина на наявному зображенні чи відео замінюється схожістю на когось іншого.
Intel стверджує, що цей продукт має точність 96% і працює, аналізуючи тонкий «потік крові» у відеопікселях, щоб отримати результати за мілісекунди.
Ілке Демір, головний дослідник Intel Labs, розробив FakeCatcher у співпраці з Умуром Чіфтчі з Університету штату Нью-Йорк у Бінгемтоні. Продукт використовує апаратне та програмне забезпечення Intel, працює на сервері та підключається через веб-платформу.
На відміну від більшості детекторів глибоких фейків на основі глибокого навчання, які перевіряють необроблені дані, щоб виявити неавтентичність, FakeCatcher зосереджується на підказках у справжніх відео. Він заснований на фотоплетизмографії, або PPG, методі вимірювання кількості світла, поглиненого або відбитого кровоносними судинами живої тканини. Коли серце перекачує кров, вона надходить у вени, які змінюють колір.
ПодіяSmart Security Summit
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та галузевих практичних прикладах 8 грудня. Підпишіться на безкоштовний абонемент сьогодні.
Зареєструватися зараз«Ви не можете побачити це очима, але це видно за допомогою обчислень», — сказав Демір VentureBeat. «Сигнали PPG відомі, але вони раніше не застосовувалися до проблеми deepfake».
За допомогою FakeCatcher сигнали PPG збираються з 32 місць на обличчі, пояснила вона, а потім із часових і спектральних компонентів створюються карти PPG.
«Ми беремо ці карти та навчаємо згорточну нейронну мережу поверх карт PPG, щоб класифікувати їх як підроблені та справжні», — сказав Демір. «Тоді за допомогою таких технологій Intel, як [] Deep Learning Boost framework for inference і Advanced Vector Extensions 512, ми можемо запускати його в режимі реального часу та до 72 одночасних потоків виявлення».
Дедалі важливіше виявлення в умовах зростання загрозЗгідно з нещодавньою дослідницькою статтею головного наукового директора Microsoft Еріка Горвіца, виявлення deepfake стає дедалі важливішим із загрозами deepfake. До них належать інтерактивні дипфейки, які створюють ілюзію розмови з реальною людиною, і композиційні дипфейки, де погані актори створюють багато дипфейків, щоб скласти «синтетичну історію».
У 2020 році Forrester Research передбачив, що витрати, пов’язані з шахрайством із глибокими фейками, перевищать 250 мільйонів доларів.
Останнім часом почастішали повідомлення про глибокі фейки знаменитостей. Wall Street Journal висвітлює дипфейки Тома Круза, Ілона Маска та Леонардо Ді Капріо, які несанкціоновано з’являються в рекламі, а також чутки про Брюса.
Перегляньте сесії за запитом від саміту Low-Code/No-Code Summit, щоб дізнатися, як успішно впроваджувати інновації та підвищувати ефективність шляхом вдосконалення та масштабування громадянських розробників. Переглянути зараз.
У понеділок Intel представила FakeCatcher, який, за її словами, є першим детектором глибоких фейків у реальному часі, тобто синтетичним носієм, у якому людина на наявному зображенні чи відео замінюється схожістю на когось іншого.
Intel стверджує, що цей продукт має точність 96% і працює, аналізуючи тонкий «потік крові» у відеопікселях, щоб отримати результати за мілісекунди.
Ілке Демір, головний дослідник Intel Labs, розробив FakeCatcher у співпраці з Умуром Чіфтчі з Університету штату Нью-Йорк у Бінгемтоні. Продукт використовує апаратне та програмне забезпечення Intel, працює на сервері та підключається через веб-платформу.
На відміну від більшості детекторів глибоких фейків на основі глибокого навчання, які перевіряють необроблені дані, щоб виявити неавтентичність, FakeCatcher зосереджується на підказках у справжніх відео. Він заснований на фотоплетизмографії, або PPG, методі вимірювання кількості світла, поглиненого або відбитого кровоносними судинами живої тканини. Коли серце перекачує кров, вона надходить у вени, які змінюють колір.
ПодіяSmart Security Summit
Дізнайтеся про важливу роль штучного інтелекту та машинного навчання в кібербезпеці та галузевих практичних прикладах 8 грудня. Підпишіться на безкоштовний абонемент сьогодні.
Зареєструватися зараз«Ви не можете побачити це очима, але це видно за допомогою обчислень», — сказав Демір VentureBeat. «Сигнали PPG відомі, але вони раніше не застосовувалися до проблеми deepfake».
За допомогою FakeCatcher сигнали PPG збираються з 32 місць на обличчі, пояснила вона, а потім із часових і спектральних компонентів створюються карти PPG.
«Ми беремо ці карти та навчаємо згорточну нейронну мережу поверх карт PPG, щоб класифікувати їх як підроблені та справжні», — сказав Демір. «Тоді за допомогою таких технологій Intel, як [] Deep Learning Boost framework for inference і Advanced Vector Extensions 512, ми можемо запускати його в режимі реального часу та до 72 одночасних потоків виявлення».
Дедалі важливіше виявлення в умовах зростання загрозЗгідно з нещодавньою дослідницькою статтею головного наукового директора Microsoft Еріка Горвіца, виявлення deepfake стає дедалі важливішим із загрозами deepfake. До них належать інтерактивні дипфейки, які створюють ілюзію розмови з реальною людиною, і композиційні дипфейки, де погані актори створюють багато дипфейків, щоб скласти «синтетичну історію».
У 2020 році Forrester Research передбачив, що витрати, пов’язані з шахрайством із глибокими фейками, перевищать 250 мільйонів доларів.
Останнім часом почастішали повідомлення про глибокі фейки знаменитостей. Wall Street Journal висвітлює дипфейки Тома Круза, Ілона Маска та Леонардо Ді Капріо, які несанкціоновано з’являються в рекламі, а також чутки про Брюса.
What's Your Reaction?
