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، ارکستری از ابزارهای تخصصی معماری بهینه شده FakeCatcher را تشکیل می دهد. تیم ها از OpenVino برای اجرای مدل های هوش مصنوعی برای الگوریتم های تشخیص چهره و نقطه عطف استفاده کردند. بلوکهای بینایی کامپیوتر با Intel Integrated Performance Primitives (یک کتابخانه نرمافزار چند رشتهای) و OpenCV (یک جعبه ابزار برای پردازش لحظهای تصویر و ویدیو) بهینه 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 از پروژه Open Visual Cloud برای ارائه یک پشته نرمافزار یکپارچه برای خانواده پردازندههای Intel Xeon Scalable استفاده کردند. از نظر سختافزاری، پلتفرم تشخیص بیدرنگ میتواند به طور همزمان تا ۷۲ جریان تشخیص مختلف را روی پردازندههای نسل سوم اینتل Xeon Scalable اجرا کند.
بیشتر آشکارسازهای مبتنی بر یادگیری عمیق به دادههای خام نگاه میکنند تا نشانههایی از عدم اصالت را پیدا کنند و مشکل یک ویدیو را شناسایی کنند. در مقابل، FakeCatcher به دنبال سرنخهای معتبر در ویدیوهای واقعی میگردد و آنچه را که ما را انسان میسازد، ارزیابی میکند – یک «جریان خون» ظریف در پیکسلهای 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 مکانی-زمانی تبدیل میکنند. سپس، به لطف یادگیری عمیق، میتوانیم فوراً واقعی یا جعلی بودن یک ویدیو را تشخیص دهیم.
ویدیوهای دیپ فیک یک تهدید رو به رشد هستند. به گفته گارتنر، شرکت ها تا 188 میلیارد دلار برای راه حل های امنیت سایبری هزینه خواهند کرد. همچنین تشخیص این ویدیوهای دیپ فیک در زمان واقعی دشوار است – برنامه های تشخیص از شما می خواهند ویدیوها را برای تجزیه و تحلیل آپلود کنید و سپس ساعت ها منتظر نتیجه باشید.
فریبکاری از طریق دیپ فیک می تواند باعث آسیب شود و منجر به عواقب منفی مانند از دست دادن اعتماد به رسانه ها شود. FakeCatcher با اجازه دادن به کاربران برای تشخیص بین محتوای واقعی و جعلی به بازیابی اعتماد کمک می کند.
چندین مورد استفاده بالقوه برای FakeCatcher وجود دارد. پلتفرمهای رسانههای اجتماعی میتوانند از فناوری برای جلوگیری از آپلود ویدیوهای دیپفیک مضر توسط کاربران استفاده کنند. خبرگزاری های جهانی می توانند از این آشکارساز برای جلوگیری از تقویت ناخواسته ویدیوهای دستکاری شده استفاده کنند. و سازمانهای غیرانتفاعی میتوانند از این پلتفرم برای دموکراتیزه کردن تشخیص دیپ فیک برای همه استفاده کنند.
مرجع اخبار سخت افزار کامپیوترایران