V dobi, ko digitalne manipulacije postajajo vse bolj prefinjene in dostopne, zaznavanje globokih ponaredkov (angl. Deepfake) predstavlja enega ključnih izzivov na področju informacijske varnosti. Z naraščajočo uporabo teh tehnologij v škodljive namene, kot so širjenje dezinformacij, politična manipulacija ali spletne prevare, je razvoj učinkovitih orodij za njihovo prepoznavo še toliko pomembnejši.

Na izzive, ki jih prinaša širjenje ponarejenih vsebin, sta se odzvala pred. dr. Borut Batagelj in prof. dr. Peter Peer s Fakultete za računalništvo in informatiko. S sodelavci sta objavila znanstveni članek z naslovom Robust cross-dataset deepfake detection with multitask self-supervised learning v reviji ICT Express, v katerem predstavita nov pristop k zaznavanju in lokalizaciji globokih ponaredkov.

V članku raziskujejo, kako učinkovito zaznati ponarejene videoposnetke, ki predstavljajo vse večjo grožnjo družbi zaradi širjenja lažnih informacij in manipulacij. Predlagajo novo metodo M-Task-SS, ki za učenje uporablja le resnične (neponarejene) slike in si sama generira umetne ponaredke za učenje.  

Model združuje dva tipa umetnih nevronskih mrež (klasične in transformatorje), s pomočjo katerih zazna, ali je slika ponarejena. Poleg tega pa določi tudi, kateri deli obraza so bili spremenjeni. Na ta način ne le poveča natančnost zaznave, temveč tudi izboljša razlago rezultatov.  

Testiranja na različnih zbirkah podatkov so pokazala, da pristop presega obstoječe metode, še posebej pri odkrivanju novih in kompleksnejših vrst ponaredkov. To pomeni, da ima model velik potencial za uporabo v forenziki, medijih ali drugih okoljih, kjer je pomembna zaščita pred digitalnimi prevarami. 

Celoten članek si lahko preberete na povezavi tukaj.