Der DeepFake -Detektor, von dem Sie noch nie gehört haben, dass dies zu 98% genau ist

Um diesen dringenden und beunruhigenden Trend zu beheben, bietet ein von Experten begutachteter Artikel im Februar 2025 des TEM Journal eine der klarsten, datengetriebenen Bewertungen, wo sich diese technologische DeepFake derzeit aussieht.

Forscher der slowakischen Universität SS. Cyril und Methodius verglichen fünf DeepFake-Video-Erkennungswerkzeuge-drei Open-Source (SBI, LSDA, Lipinc) und zwei kommerzielle (Bio-ID, Deepware)-mit 300 manipulierten Videos im Celeb-DF (V2) -Datensatz.

Kommerzieller Browser-basierter Software-Bio-ID mit einer Erkennungsgenauigkeit von 98%. Freemium Software Deepware, auf die über API und Browser -Schnittstelle zugegriffen werden kann, belegte 93,47%auf den zweiten Platz. Die open-Source-Software der Top-Score-Software SBI erreichte 84,69%, während das LSDA das Modell mit der niedrigsten Leistung bei etwa 71%schwebte.

"Die Ergebnisse der Studie zeigten die geeignete Anwendbarkeit der ausgewählten Tools für Standardbenutzer, die die Authentifizierung digitaler Inhalte benötigen", schrieb Dr. Miroslav Ölvecký vom Institut für Computertechnologien und Informatik der Universität in einer E -Mail -Antwort. "Die Bedeutung dieses Themas geht jedoch über den Bereich der digitalen Forensik hinaus und umfasst wichtige Aspekte wie die Glaubwürdigkeit der Medien, die Minderung der Fehlinformation und die Sicherung der Öffentlichkeit vor manipulierten Inhalten."

Geschichte von zwei Deepfake-Erkennungswerkzeugen-Bio-ID und Deepware

Ein beeindruckendes Bio-ID-Wert von Bio-ID ist die höchste Genauigkeitsbewertung, sein Binärklassifizierungssystem ("gefälscht" oder "nicht falsch") minimiert die Ergebnisse und kann die Unsicherheit in Grenzfällen maskieren.

"Es ist möglich, dass die Genauigkeit der Bewertung die Ergebnisse voreingenommen hat. Dies kann bei der Bewertung größerer Datenmengen ersichtlich sein", bemerkte Dr. Ölvecký. "Es wäre sicherlich interessant, Tools zu vergleichen, die konsistente Ergebnisse basierend auf den entworfenen Parametern erzielen. Leider ist dies derzeit nicht möglich, da die verschiedenen maschinellen Lernmethoden für die Entdeckung digitaler Inhalte unabhängig und mit unterschiedlichen Architekturen entwickelt werden."

Im Gegensatz dazu gibt Deepware Confidence -Scores als Prozentsätze und verwendet effizientes B7 Deep Learning Architektur. Es wurde mit 120.000 DFDC-Videos von Facebook durch Klassifizierung auf Frame-Ebene trainiert. Die Methode verbessert Geschwindigkeit und Genauigkeit, aber auf Kosten der zeitlichen Kontinuität - ein Nachteil, selbst ihre Schöpfer geben zu.

Aber Deepware hat sich gut genug entwickelt, um selbst die Forscher zu überraschen.

"Es war eine Überraschung festzustellen, dass selbst frei verfügbare DeepFake -Erkennungswerkzeuge (wie Deepware) eine hohe Effizienz erreichen und praktisch nutzbar sein können", fuhr Ölvecký fort. "Es ist häufig der Fall, dass kostenlose Softwareprodukte in der kostenlosen Version keine sehr genauen Ergebnisse liefern."

Warum kommerzielle Deepfake -Detektoren hervorrufen

Bei der Leistungslücke ging es nicht ausschließlich um Brute -Power - es ging auch um Schulungsdaten und Investitionen. "Kommerzielle Tools haben häufig mehr Ressourcen als Open-Source-Tools, um große Datensätze zu entwickeln und zu trainieren", erklärte Ölvecký. "Unserer Meinung nach sind [Bio-ID und Deepware] fortschrittlichere Methoden zur Erkennung von Manipulationen für digitale Inhalte."

Beide Dienste stehen der Öffentlichkeit zur Verfügung. Die Deepware-Weboberfläche und die API bieten kostenlose Testen von Videos, während Bio-ID nach der Registrierung ein benutzerfreundliches Dashboard bietet. Gemäß Ölvecký "machen es für Laienkenner seine Einfachheit und Benutzerfreundlichkeit geeignet."

Ein dynamisches Deepfake -Schlachtfeld

Trotz starker Ergebnisse warnt die Autoren der Studie, dass die DeepFake -Erkennungslandschaft fließend bleibt. Die Tools für neue Generation entstehen schneller, als sich die Erkennungsmodelle anpassen können.

"Wir kämpfen in einem 'dynamischen Bereich' und diese ständige Innovation ist notwendig", sagte Ölvecký. Die Forscher entwickeln bereits manipulierte und authentische Videos, die in ihre Arbeit aufgenommen werden, um die Genauigkeitstests zu erhöhen.

Eine vielversprechende Richtung - die Kombination von räumlichen und zeitlichen Erkennungsmethoden. Rahmenbasierte Methoden wie Deepware sind schnell, können jedoch nuancierte, detaillierte Anomalien übersehen, die im Laufe der Zeit auftreten.

"Werkzeuge wie Lipinc kombinieren räumliche und zeitliche Informationen", bemerkte Ölvecký. "Ein solcher Ansatz ist vielversprechend, da das Video von Natur aus ein zeitliches Medium ist und das Ignorieren dieser Dimension zu Erkennungsfehlern führen kann."

DeepFake -Implikationen für politische Entscheidungsträger und die Öffentlichkeit

Über die technischen Verdienste dieser Studie hinaus gibt es auch starke politische Auswirkungen. „Unsere Forschung liefert praktische Daten zu den aktuellen Verfügbarkeit, Effektivität und Zuverlässigkeit von DeepFake -Erkennungswerkzeugen, mit denen die politischen Entscheidungsträger die für die Umsetzung in öffentlichen Diensten und Risikobewertungen geeignete Technologien auswählen und empfehlen können“, fügte Ölveck Rechnung.

Unabhängig davon, ob es sich bei der Überprüfung von Journalisten, dem Screening-Aufsichtsbehörden oder Social-Media-Unternehmen, die die Desinformation einschränken, bieten diese Ergebnisse einen seltenen Look unter der Motorhaube auf dem neuesten Stand der Technik. Sie erinnern daran, dass der Bleiben vor der Täuschung von Ai-Generierten Wachsamkeit und offene Wissenschaft erfordert.

„Wir unterstreichen auch die Notwendigkeit einer kontinuierlichen Innovation dieser Tools angesichts der Dynamik der DeepFake -Technologieentwicklung“, schloss Ölvecký.

Forbes H & R Block und Openai Partner, um die Steuervorbereitung durch Tor Constantino, MBA, zu revolutionieren

Das obige ist der detaillierte Inhalt vonDer DeepFake -Detektor, von dem Sie noch nie gehört haben, dass dies zu 98% genau ist. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!