इस विधि को उजागर करता है नकली छवियों के द्वारा बनाई गई कंप्यूटर एल्गोरिदम के बजाय मनुष्यों द्वारा — ScienceDaily


वे देखो deceptively असली है, लेकिन वे बना रहे हैं द्वारा कंप्यूटर: तथाकथित गहरी नकली छवियों द्वारा उत्पन्न कर रहे हैं मशीन सीखने एल्गोरिदम, और मनुष्यों में बहुत ज्यादा कर रहे हैं करने में असमर्थ उन्हें अलग से वास्तविक तस्वीरें. में शोधकर्ताओं ने होर्स्ट Görtz संस्थान के लिए यह सुरक्षा में Ruhr-Universität Bochum और क्लस्टर की उत्कृष्टता “साइबर सुरक्षा में उम्र के बड़े पैमाने पर विरोधी” (कासा) विकसित किया है एक नई विधि के लिए कुशलता से की पहचान गहरे नकली छवियों है । यह अंत करने के लिए, वे विश्लेषण में वस्तुओं आवृत्ति डोमेन, एक की स्थापना की सिग्नल प्रोसेसिंग तकनीक है ।

टीम अपने काम प्रस्तुत किया है पर अंतर्राष्ट्रीय सम्मेलन की मशीन लर्निंग (ICML) पर 15 जुलाई 2020, एक अग्रणी सम्मेलनों में मशीन सीखने के क्षेत्र. इसके अतिरिक्त, शोधकर्ताओं ने उनके कोड स्वतंत्र रूप से ऑनलाइन उपलब्ध https://github.com/RUB-SysSec/GANDCTAnalysisहै , इसलिए है कि अन्य समूहों को पुन: पेश कर सकते हैं अपने परिणाम.

बातचीत के लिए दो एल्गोरिदम के परिणाम में नए छवियों

गहरे नकली छवियाँ-एक सूटकेस शब्द से “गहरी सीखने” के लिए मशीन सीखने और “नकली” — उत्पन्न कर रहे हैं की मदद के साथ कंप्यूटर मॉडल, तथाकथित उत्पादक Adversarial नेटवर्क, गन्स के लिए कम है । दो एल्गोरिदम में एक साथ काम इन नेटवर्क: पहली एल्गोरिथ्म बनाता है यादृच्छिक छवियों के आधार पर कुछ इनपुट डेटा । दूसरी एल्गोरिथ्म तय करने की जरूरत क्या छवि है एक नकली है या नहीं. यदि छवि है पाया जा करने के लिए एक नकली, दूसरे एल्गोरिथ्म देता है पहली एल्गोरिथ्म के आदेश को संशोधित करने के लिए छवि-जब तक यह अब और नहीं पहचानता है के रूप में यह एक नकली है ।

हाल के वर्षों में, इस तकनीक को बनाने में मदद मिली है गहरे नकली छवियों और अधिक प्रामाणिक. वेबसाइट पर www.whichfaceisreal.com, उपयोगकर्ताओं की जाँच कर सकते हैं अगर वे कर रहे हैं में भेद करने के लिए नकली से मूल फोटो. “के युग में नकली खबर है, यह एक समस्या हो सकता है अगर उपयोगकर्ताओं की क्षमता नहीं है भेद करने के लिए कंप्यूटर जनित छवियों से मूल,” कहते हैं प्रोफेसर Thorsten Holz कुर्सी से सिस्टम के लिए सुरक्षा.

उनके विश्लेषण के लिए, के Bochum-आधारित शोधकर्ताओं ने इस्तेमाल किया डेटा सेट है कि यह भी के आधार के रूप में उपर्युक्त पृष्ठ “कौन सा चेहरा असली है।” इस अंतःविषय परियोजना, जोएल फ्रैंक, Thorsten Eisenhofer और प्रोफेसर Thorsten Holz से कुर्सी के लिए सुरक्षा प्रणालियों के साथ सहयोग प्रोफेसर एशिया फिशर कुर्सी से मशीन सीखने के रूप में अच्छी तरह के रूप में घास का मैदान Schönherr और प्रोफेसर डोरोथिया Kolossa से कुर्सी के साथ डिजिटल सिग्नल प्रोसेसिंग.

आवृत्ति विश्लेषण से पता चलता विशिष्ट कलाकृतियां

तिथि करने के लिए, गहरे नकली छवियों किया गया है का उपयोग का विश्लेषण जटिल सांख्यिकीय तरीकों में है. के Bochum समूह चुना एक अलग दृष्टिकोण परिवर्तित करके छवियों में आवृत्ति डोमेन का उपयोग असतत कोज्या बदलना. उत्पन्न छवि है इस प्रकार व्यक्त की राशि के रूप में कई अलग अलग कोज्या कार्यों. प्राकृतिक छवियों से मिलकर बनता है, मुख्य रूप से कम आवृत्ति में कार्य करता है ।

विश्लेषण से पता चला है कि छवियों द्वारा उत्पन्न गन्स प्रदर्शन कलाकृतियों में उच्च आवृत्ति रेंज के साथ. उदाहरण के लिए, एक विशिष्ट ग्रिड संरचना में उभर रहे हैं आवृत्ति का प्रतिनिधित्व नकली छवियों है । “हमारे प्रयोगों से पता चला है कि इन कलाकृतियों में नहीं ही होते हैं गण मन में उत्पन्न छवियों. वे कर रहे हैं एक संरचनात्मक समस्या के सभी गहरी सीखने एल्गोरिदम बताते हैं,” जोएल फ्रैंक कुर्सी से सिस्टम के लिए सुरक्षा. “हम मानते हैं कि कलाकृतियों में वर्णित हमारे अध्ययन हमेशा हमें बताओ कि क्या छवि है एक नकली छवि के द्वारा बनाई गई मशीन सीखने,” फ्रैंक कहते हैं. “आवृत्ति विश्लेषण है इसलिए एक प्रभावी तरीका करने के लिए स्वचालित रूप से पहचान कंप्यूटर जनित छवियों.”

कहानी का स्रोत:

सामग्री द्वारा ही प्रदान की जाती Ruhr विश्वविद्यालय Bochum. नोट: सामग्री संपादित किया जा सकता है के लिए शैली और लंबाई ।



Source link

Leave a Reply

Your email address will not be published. Required fields are marked *