Deepfake detection using machine learning with feature selection by metaheuristic algorithms
Metasezgisel algoritmalarla özellik seçimiyle makine öğrenimi kullanılarak deepfake tespiti
- Tez No: 935529
- Danışmanlar: DOÇ. DR. YÜKSEL ÇELİK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 117
Özet
Deepfake teknolojisinin hızla ilerlemesi, son derece ikna edici sahte videoların tespit edilmesinde önemli zorluklar ortaya çıkarıyor; yanlış bilgi, kimlik hırsızlığı ve gizlilik ihlalleri gibi riskler doğuruyor. Buna yanıt olarak bu tez, karınca kolonisi optimizasyonu-parçacık sürüsü optimizasyonu (ACO-PSO) ve derin öğrenme tekniklerinden elde edilen özellikleri entegre ederek derin sahte video tespitine yönelik yenilikçi bir yaklaşım önermektedir. Önerilen metodoloji, algılama doğruluğunu ve sağlamlığını artırmak için ACO-PSO özelliklerinden ve derin öğrenme modellerinden yararlanır. ACO-PSO'nun özellikleri, video karelerinin mekansal ve zamansal özelliklerinden çıkarılarak derin sahte manipülasyonun göstergesi olan ince desenleri yakalar. Bu özellikler daha sonra gerçek ve derin sahte videoları otomatik olarak ayırt edecek bir derin öğrenme sınıflandırıcısını eğitmek için kullanılır. Karşılaştırmalı veri kümelerini kullanan kapsamlı deneyler, önerilen yöntemin tespit doğruluğu, manipülasyon tekniklerine karşı sağlamlığı ve görünmeyen verilere genelleme açısından üstünlüğü
Özet (Çeviri)
The rapid advancement of deepfake technology presents significant challenges in detecting highly convincing fake videos, posing risks such as misinformation, identity theft, and privacy violations. In response, this thesis proposes an innovative approach to deepfake video detection by integrating features derived from ant colony optimization–particle swarm optimization (ACO-PSO) and deep learning techniques. The proposed model extracts features from deepfake images using pre-trained convolutional neural networks (CNNs), specifically AlexNet and GoogleNet. These extracted features are then optimized using the ACO-PSO algorithm, capturing both spatial and temporal characteristics of video frames to enhance detection accuracy and robustness. Finally, these optimized features are used to train machine learning classifiers, including support vector machines (SVM), decision trees (DT), and random forests (RF), for automatic differentiation between authentic and deepfake videos. Extensive experiments on benchmark datasets, including the Deepfake Detection Challenge database provided by Meta, illustrate the efficacy of the proposed model in detection accuracy, robustness to manipulation methods, and generalization to unseen data. The results indicate that the model achieves an accuracy of 98.91% and an F1-score of 99.12%, demonstrating its strength in deepfake detection. Furthermore, this thesis introduces a dedicated detection algorithm that integrates face classification, optical flow algorithms, and deep learning models such as AlexNet and GoogleNet. Comparative analysis of the suggested algorithm with different classifiers indicates that the SVM classifier delivers the best performance, achieving 97.01% sensitivity, 97.05% specificity, 97.87% precision, 97.07% accuracy, and 97.75% F1-score. These results exhibit the effectiveness of the proposed approach in distinguishing between genuine and deepfake videos.
Benzer Tezler
- Çekişmeli üretici ağ kalıntılarının algılanması ile deepfake tespiti
Deepfake detection by detecting generative adversarial network artifacts
TAMER SAY
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ALKAN
- Aircraft detection using deep learning
Derin öğrenme kullanarak hava aracı tespiti
UTKU MUTLU
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesiİletişim Sistemleri Ana Bilim Dalı
PROF. DR. SEDEF KENT PINAR
- Audıo deep fake detectıon usıng deep learnıng
Derin öğrenme kullanarak ses derin sahtekarı algılama
OUSAMA A SHAABAN
Doktora
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt ÜniversitesiBilgisayar Mühendisliği ve Enformatik Bilimler Ana Bilim Dalı
Prof. Dr. REMZİ YILDIRIM
- Görüntü manipülasyonlarının derin öğrenme yaklaşımı ile belirlenmesi
Detection of image manipulations with deep learning approach
SEMİH YAVUZKILIÇ
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULKADİR ŞENGÜR
- Makine öğrenmesi yöntemleri ile el ve yüz analizi tahminlemesi
Hand and face analysis prediction with machine learning methods
HÜSNEİREM KAYA
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAYHAN AYAR