[ad_1]
Vídeos falsos gerados por Inteligência Synthetic (IA) que podem facilmente manipular usuários comuns agora são uma coisa comum. Esses vídeos surgiram à medida que os computadores modernos ficaram muito melhores em simular a realidade. Por exemplo, o cinema moderno depende muito de cenários, cenários, personagens e até efeitos visuais gerados por computador. Esses locais e adereços digitais substituíram os físicos, pois essas cenas dificilmente são distinguíveis da realidade. Uma das últimas coisas comuns em imagens de computador, deepfakes são projetados pela programação de IA para fazer uma pessoa parecer outra em um vídeo gravado.
O que são deepfakes?
O termo “deepfake” derivou de uma forma de inteligência synthetic chamada deep studying. Como o nome sugere, os deepfakes usam aprendizado profundo para fazer imagens de eventos falsos. Os algoritmos de Deep Finding out podem aprender sozinhos a resolver problemas envolvendo grandes conjuntos de dados. Essa tecnologia é usada para trocar rostos em vídeos e outros conteúdos digitais para criar uma mídia falsa com aparência realista. Além disso, os deepfakes não se limitam apenas aos vídeos, essa tecnologia pode ser usada para criar outros conteúdos falsos como imagens, áudio, and so on.
Como eles funcionam?
Existem vários métodos para criar deepfakes, no entanto, o mais comum depende do uso de redes neurais profundas que envolvem autoencoders para aplicar uma técnica de troca de rosto. Normalmente, eles são feitos em um vídeo de destino que é usado como base do deepfake e, em seguida, a IA u.s. uma coleção de videoclipes da pessoa que você deseja inserir no destino para substituir a pessoa actual no vídeo.
O autoencoder é um programa de IA de aprendizado profundo que pode estudar vários videoclipes para entender como uma pessoa se parece de diferentes ângulos e situações. Ao encontrar características comuns, mapeia e substitui o rosto da pessoa pelo do vídeo alvo.
Redes Adversárias Geradoras (GANs) são outro tipo de aprendizado de máquina que pode ser usado para criar deepfakes. Os GANs são mais avançados, pois dificultam a decodificação dos detectores de deepfake, pois usam várias rodadas para detectar e melhorar falhas no deepfake. Especialistas acreditam que deepfakes se tornarão muito mais sofisticados à medida que a tecnologia se desenvolver
Hoje em dia, gerar deepfakes é até fácil para iniciantes, pois vários aplicativos e softwares ajudam na criação deles. GitHubGenericNameuma comunidade de código aberto de desenvolvimento de device, também é um lugar onde uma enorme quantidade de device deepfake pode ser encontrada.
Como você pode detectar deepfakes?
Os usuários on-line também se tornaram mais conscientes e sintonizados na detecção de notícias falsas. Para que a segurança cibernética seja aprimorada, mais tecnologia de detecção de deepfake precisa surgir para evitar que informações erradas se espalhem. Anteriormente, os deepfakes eram detectados seguindo o piscar da pessoa em um vídeo. Quando um assunto nunca pisca ou pisca com muita frequência ou de forma não herbal, existe a possibilidade de o vídeo ser um deepfake. No entanto, os deepfakes mais recentes foram capazes de superar esse problema. Outra maneira de detectar um deepfake é monitorando a pele, o cabelo ou os rostos que podem parecer mais desfocados do que o ambiente em que são colocados e o foco pode parecer anormalmente clever.
Às vezes, algoritmos de deepfake retêm a iluminação dos clipes que foram usados como modelos para o vídeo falso. A iluminação mal combinada no vídeo de destino também pode revelar um deepfake. Se o vídeo for falsificado e o áudio unique não for manipulado com tanto cuidado, o áudio pode não parecer corresponder à pessoa.
.