Detecting deepfakes inside social media
Sosyal medya içerisindeki derin sahteleri tespit etmek
- Tez No: 799828
- Danışmanlar: Assist. Prof. Dr. HAKAN KOYUNCU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 78
Özet
Derin öğrenme, ifadenin köküdür (derin sahte). Derin sahte, son zamanlarda derin öğrenmeyi yoğun bir şekilde kullanan bir alandır. Herhangi bir kullanıcının hem internette kolayca bulunabilen uygulamaları hem de verileri kullanarak sahte veriler oluşturması ne kadar kolaysa, derin sahte gizlilik ve güvenlik için tehlike oluşturur. Bu göz önüne alındığında, yeni bir teknoloji ortaya çıktı ve son zamanlarda (derin sahteleri tespit etme) olarak bilinen ciddiyetlerini azaltmak için derin sahte ile başa çıkmak için. Bu yazıda, diğer araştırmacıların geliştirdiği derin sahte algılama algoritmalarından birkaçını gözden geçireceğiz, ancak bu çalışmada kullanılan ana yaklaşım, LSTM ve resnetv2 teknolojisinin OpenCV ile birleşimidir. Resnetv2, özellikleri ayıklamak ve bunları bu özellikleri eğiten LSTM'ye aktarmak için çalışır ve ardından OpenCV, yüzü büyütür ve çıplak gözün verilerin orijinal ve manipüle edilmiş versiyonlarını ayırt etmesini kolaylaştıran animasyonlu bir versiyonunu üretir.
Özet (Çeviri)
Deep learning is the root of the phrase (deep fake). The deep fake is one field that has recently heavily used deep learning. Due to how simple it is for any user to make fake data using apps and data that are both readily available on the internet, then the deep fake poses a danger to privacy and security. Given this, a new technology has emerged recently to deal with deep fakes and reduce their severity known as (detecting deep fakes). In this paper, we will review a few of the deep fake detection algorithms that other researchers have developed, but the main approach used in this study is the combination of LSTM and resnetv2 technology with OpenCV. Resnetv2 works to extract features and transfer them to LSTM, which trains those features, and then OpenCV enlarges the face and produces an animated version of it that makes it easier for the naked eye to distinguish between the original and manipulated versions of data.
Benzer Tezler
- An enhanced convolutional neural network for detecting deepfake videos
Deepfake videoları tespit etmek için geliştirilmiş evrişimli sinir ağı
SAADALDEEN RASHID AHMED AHMED
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRULLAH SONUÇ
- Studying deep learning models for manipulated face detection
Sahte yüz tespiti için derin öğrenme modellerinin araştırılması
ILKIN HUSEYNLI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. SONGÜL VARLI
- Deepfake video analysis and detection
Deepfake video analizi ve tespiti
FARMANUDDIN FARMAN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞRI ŞAHİN
- Altın orana dayalı iyileştirilmiş kapsül ağlarının füzyonu ile derin sahte video tespiti
Deep fake video detection by fusion of optimized capsule networks based on golden ratio
SAMET DİNÇER
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKaradeniz Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÜZİN ULUTAŞ
- Face manipulation detection
Yüz manipülasyonu tespiti
SEPEHR NOURMOHAMMADI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SHERVIN RAHIMZADEH ARASHLOO