Deepfake video analysis and detection
Deepfake video analizi ve tespiti
- Tez No: 895422
- Danışmanlar: DR. ÖĞR. ÜYESİ ÇAĞRI ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 112
Özet
Deepfake'ler, gelişmiş derin öğrenme modelleri kullanılarak üretilen manipüle edilmiş videolar, görüntüler veya ses verileridir. Bu modeller sentetik medya oluşturur ve bunlar eğlence, siyasi manipülasyon, cinsel taciz, yanlış bilgi yayma ve tehdit gibi çeşitli amaçlar için kullanılabilirler. Bu tür kötüye kullanım potansiyeli nedeniyle, çevrimiçi dünyada deepfake'lerin yayılmasını önlemeye yönelik işlevsel stratejiler geliştirmek ve derin öğrenme modelleri oluşturmak önemlidir. Son birkaç yılda, derin sahte video algılama için çeşitli çalışmalar ve teknikler önerilmiştir, bu çalışmalarda farklı derin öğrenme modelleri kullanılmıştır. Bu tezde, yüksek doğrulukla derin sahte içeriği tespit etmek için en son nöral ağ mimarileri kullanılarak karşılaştırmalı ve kapsamlı bir yaklaşım önerilmektedir. Yöntem, çeşitli veri kümelerinin seçimi ve çerçeve çıkarma, yüz çıkarma, veri artırma ve normalizasyon gibi ön işleme tekniklerinin uygulanmasını içermektedir. Ayrıca, NASNetLarge, NASNetMobile, NASNetMobile-LSTM, MobileNetV3Large, MobileNetV3Small, InceptionResNetV2 ve Vision Transformer gibi çeşitli nöral ağ modelleri uygulanmıştır. Tüm modelleri eğitmek için DFDC, Celeb-DF(v1), UADFV ve FaceForensics video veri kümeleri kullanılmıştır. Deneysel sonuçlar, bu modellerin birden fazla veri kümesinde derin sahte videoları doğru bir şekilde tanıma etkinliğini göstermiş ve alandaki birçok mevcut çalışmayı aşmıştır. Detaylı performans metrikleri sunularak yüksek doğruluk ve sağlam algılama yetenekleri sergilenmiştir. Bu araştırma, dijital medya bütünlüğünü koruma çabalarına katkıda bulunmakta ve sentetik medya algılama alanında gelecekteki ilerlemeler için bir temel sağlamaktadır.
Özet (Çeviri)
Deepfakes are manipulated videos, images, or audio data produced using advanced deep learning models. These models generate synthetic media that can be used for various purposes, including entertainment, political manipulation, sexual harassment, spreading misinformation, and making threats. Due to the potential for such misuse, it is crucial to build functional strategies, preventing the spread of deepfakes in the online world and to build effective deep learning models capable of detecting deepfake videos and images. In the last few years, numerous studies and techniques have been proposed for deepfake video detection, employing various deep learning models to combat the spread of deepfakes. In this thesis, a comparative and comprehensive approach using state-of-the-art neural network architectures, to detect deepfake content with high accuracy, is proposed. The methodology involves the selection of diverse datasets and the application of preprocessing techniques such as frame extraction, face extraction, data augmentation, and normalization. Additionally various neural network models, including NASNetLarge, NASNetMobile, NASNetMobile-LSTM, MobileNetV3Large, MobileNetV3Small, InceptionResNetV2, and Vision Transformer, is implemented. To train all the models, the DFDC, Celeb-DF(v1), UADFV, and FaceForensics video datasets are used. The experimental results provide the efficacy of these models in accurately identifying deepfake videos across multiple datasets, surpassing many existing studies in the field. Detailed performance metrics are provided, showcasing high accuracy and robust detection capabilities. This research contributes to the ongoing efforts to safeguard digital media integrity and provides a foundation for future advancements in the detection of synthetic media.
Benzer Tezler
- Yapay zekâ teknolojisi Deepfake'in yeniden canlandırma çerçevesinde Teknoloji Kabul Modeli ile incelenmesi
Analysis of Deepfake technology using the Technology Acceptance Model within the framework of revival technologies
BÜŞRA KILIÇ
Doktora
Türkçe
2024
Güzel SanatlarYıldız Teknik ÜniversitesiSanat ve Tasarım Ana Bilim Dalı
DOÇ. DR. MEHMET EMİN KAHRAMAN
- Deepfake (Derinkurgu) teknolojisi ile üretilen ses ve görüntülerin kullanılmasından doğan sorumluluk
Arising liability of use of produced audios and images by deepfake technology
KANAN İBRAHİMLİ
Yüksek Lisans
Türkçe
2023
Hukukİstanbul ÜniversitesiÖzel Hukuk Ana Bilim Dalı
DOÇ. DR. ABDURRAHMAN SAVAŞ
- Derin öğrenme algoritmalarını kullanarak deepfake video tespiti
Deepfake video detection using deep learningalgorithms
ŞAHİN KORKMAZ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
PROF. DR. MUSTAFA ALKAN
- 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
- Deepfake image/video detection and classifications using deep learning techniques
Derin öğrenme teknikleri kullanılarak deepfake görüntü/video tespiti ve sınıflandırmaları
DEO RUTIKANGA
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTürk Hava Kurumu ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. ZEYNEL DEPREM