Metasezgisel algoritmalar ve derin öğrenme mimarileri ile deepfake video tespiti
Deepfake video detection with metaheuristic algorithms and deep learning architectures
- Tez No: 985528
- Danışmanlar: PROF. DR. MUSTAFA ALKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda yapay zeka tabanlı medya üretim tekniklerindeki gelişmelerle birlikte, deepfake videolar, dijital güvenlik, kamuoyu algısı ve bireysel mahremiyet açısından ciddi tehditler oluşturmaya başlamıştır. Özellikle sosyal medya platformlarında hızla yayılan bu içerikler, gerçeklik algısını sarsmakta ve dezenformasyonun yayılmasına zemin hazırlamaktadır. Bu nedenle, sahte video içeriklerinin güvenilir ve etkili biçimde tespit edilmesine yönelik araştırmalar, akademik literatürde büyük önem kazanmıştır. Bu tez çalışması, deepfake videoların tespiti için yeni bir hibrit metasezgisel özellik seçimi yöntemi önermektedir. Çalışmada, derin öğrenme tabanlı Xception ve ResNet50 modelleri ile çıkarılan 2048 boyutlu özellik vektörlerinden, sınıflandırma performansını artıracak en anlamlı alt kümenin seçilmesi hedeflenmiştir. Bu amaçla, Yapay Sinek Kuşu Algoritması (Artificial Hummingbird Algorithm-YSKA) ve Kutup Işıkları Optimizasyonu (Polar Lights Optimization-KIO) algoritmalarının güçlü yönlerini birleştiren YSKA-KIO tabanlı hibrit bir özellik seçimi yöntemi geliştirilmiştir. Bu yöntem, YSKA'nın geniş çözüm arama yeteneği ile KIO'nun hassas sömürü mekanizmasını bir araya getirerek, daha az sayıda fakat daha etkili özellik vektörleri seçilmesini sağlamıştır. Özellik seçimi öncesinde, FaceForensics++ (FF++) ve Celeb-DF (CDF) veri setlerinden elde edilen videolardan kareler çıkarılmış, yüz bölgeleri MTCNN ile tespit edilmiştir. Xception ve ResNet50 modelleri ile çıkarılan derin özellikler, YSKA, KIO ve önerilen YSKA-KIO hibrit algoritması ile işlenmiş ve ardından çok katmanlı yapay sinir ağı ile sınıflandırılmıştır. Deneysel bulgular, YSKA-KIO modelinin hem FF++ hem de CDF veri setlerinde, sadece YSKA ve sadece KIO algoritmalarına kıyasla daha yüksek doğruluk ve AUC değerleri elde ettiğini göstermiştir. Bu sonuçlar, YSKA-KIO'nun metasezgisel algoritmaların birlikte kullanımının sinerjik etkisinden faydalanarak daha başarılı bir optimizasyon süreci sunduğunu ortaya koymuştur. Bu tez, YSKA ve KIO algoritmalarını deepfake tespiti alanında özellik seçimi için ilk kez hibrit bir yapı içinde kullanarak, literatüre yeni bir yöntem kazandırmaktadır. Geliştirilen modelin, yalnızca deepfake tespiti değil, aynı zamanda yüksek boyutlu özelliklere sahip diğer sınıflandırma problemlerinde de kullanılabilir potansiyele sahip olduğu değerlendirilmiştir.
Özet (Çeviri)
In recent years, with the advancements in artificial intelligence-based media production techniques, deepfake videos have begun to pose serious threats to digital security, public perception, and individual privacy. These rapidly spreading contents, especially on social media platforms, undermine the perception of reality and pave the way for the spread of disinformation. Therefore, research on reliable and effective detection of fake video content has gained significant importance in the academic literature. This thesis proposes a novel hybrid metaheuristic feature selection method for deepfake video detection. The study aims to select the most meaningful subset to improve classification performance from 2048-dimensional feature vectors extracted by the deep learning-based Xception and ResNet50 models. For this purpose, a hybrid feature selection method based on AHA-PLO, combining the strengths of the Artificial Hummingbird Algorithm (AHA) and Polar Lights Optimization (PLO), was developed. This method combines the broad solution search capability of YSKA with the sensitive exploitation mechanism of KIO, enabling the selection of fewer but more effective feature vectors. Before feature selection, frames were extracted from videos obtained from the FaceForensics++ (FF++) and Celeb-DF (CDF) datasets, and face regions were detected using MTCNN. The deep features extracted with the Xception and ResNet50 models were processed using AHA, PLO, and the proposed AHA-PLO hybrid algorithm, and then classified using a multilayer artificial neural network. Experimental findings show that the AHA-PLO model achieves higher accuracy and AUC values compared to the AHA-only and PLO-only algorithms on both the FF++ and CDF datasets. These results demonstrate that AHA-PLO provides a more successful optimization process by leveraging the synergistic effect of the combined use of metaheuristic algorithms. This thesis introduces a new method to the literature by using the AHA and PLO algorithms in a hybrid framework for feature selection in the field of deepfake detection for the first time. The developed model has potential not only for deepfake detection but also for other classification problems with high-dimensional features.
Benzer Tezler
- Hiperparametre optimizasyonu destekli LSTM ve RNN tabanlı sezgisel algoritmalar ile deepfake ses tespiti
Deepfake audio detection using hyperparameter optimization–assisted LSTM- and RNN -based heuristic algorithms
TOLUN KELEŞ
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. İDİRİS DAĞ
- Çok sınıflı medikal görüntü sınıflandırması için melez derin öğrenme yaklaşımları
Hybrid deep learning approaches for the multi class medical image classification
ZELİHA KAYA AKÇELİK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖNÜL ULUDAĞ
- İnsansız araç sistemlerinin matematiksel modellenmesi ve kontrol algoritmalarının geliştirilmesi
Mathematical modeling of unmanned vehicle systems and development of control algorithms
SERKAN BUDAK
Doktora
Türkçe
2026
Elektrik ve Elektronik MühendisliğiKonya Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. CEMİL SUNGUR
PROF. DR. AKİF DURDU
- Forecasting of produced output electricity in photovoltaic power plants
Foto-voltaik güç santrallarında elektrik üretim tahmini
TARANEH SAADATI
Doktora
İngilizce
2025
Enerjiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
DOÇ. DR. BURAK BARUTÇU
- Meta-sezgisel algoritmalar ile konvolüsyonel sinir ağı mimarisinin hiper parametrelerinin optimizasyonu
Optimization of hyper parameters of convolutional neural network architecture with meta-heuristic algorithms
MUSTAFA YURDAKUL
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR TAŞDEMİR