Mejorar de forma proactiva los métodos de detección y mejorar los conjuntos de datos deepfake

Un nuevo estudio del Instituto Politécnico de la Universidad Estatal de Nueva York ofrece una descripción detallada de los conjuntos de datos de deepfake e identifica los desafíos clave, ofreciendo información valiosa para investigadores, ingenieros y profesionales. Destaca la importancia de desarrollar métodos de detección proactivos y mejorar los conjuntos de datos existentes para combatir las amenazas de deepfake de manera eficaz.

Este trabajo es crucial para mantener la integridad de la información digital y ayudar a las investigaciones forenses contra las sofisticadas amenazas de deepfake. La investigación es publicado En el diario Ciencias Forenses.

El estudio fue dirigido por el profesor adjunto de Seguridad de Redes y Computadoras del Instituto Politécnico SUNY, Dr. Zahid Akhtar, y los estudiantes de posgrado Thanvi Lahari Pendyala y Virinchi Sai Athmakuri.

Su artículo clasifica los deepfakes en intercambio de identidad, recreación facial, manipulación de atributos y síntesis de rostro completo, enfatizando la necesidad de conjuntos de datos mejorados y métodos de detección robustos.

Los marcos existentes tienen dificultades para generalizar y son propensos a ataques adversarios, lo que hace necesario avanzar en las tecnologías de detección. Los autores sugieren que las investigaciones futuras deberían centrarse en la creación de conjuntos de datos completos y en mejorar la precisión, la solidez y las capacidades en tiempo real de los métodos de detección.