Detecção de imagens deepfake: um estudo comparativo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | https://hdl.handle.net/11449/251670 |
Resumo: | Com o avanço acelerado da inteligência artificial, os deepfakes - vídeos ou imagens manipulados de maneira convincente - emergiram como uma preocupação significativa na era digital. Essas falsificações hiper-realistas têm o potencial de enganar indivíduos, disseminar desinformação e comprometer a autenticidade da informação, representando uma ameaça real à segurança digital e à integridade informativa. Este trabalho aborda a necessidade de desenvolver métodos eficazes para a detecção de deepfakes, uma ferramenta essencial na luta contra a desinformação, apresentando os conceitos fundamentais da área. Este trabalho comparou três métodos estado-da-arte de detecção de imagens falsas: Detector de Falsificações com Transformador de Consistência de Identidade, CORE e o Modelo de Detecção de Deepfake Ignorante de ID, apresentando resultados satisfatórios, com o método de detecção ignorante de ID apresentando o melhor desempenho. |
id |
UNSP_c226ff1d26a4d8c2a360d0c75a0740fa |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/251670 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Detecção de imagens deepfake: um estudo comparativoDeepfake image detection: a comparative studyDeepfakeDeep learningInteligência artificialDetecção de DeepfakeTrabalho de Conclusão de CursoCom o avanço acelerado da inteligência artificial, os deepfakes - vídeos ou imagens manipulados de maneira convincente - emergiram como uma preocupação significativa na era digital. Essas falsificações hiper-realistas têm o potencial de enganar indivíduos, disseminar desinformação e comprometer a autenticidade da informação, representando uma ameaça real à segurança digital e à integridade informativa. Este trabalho aborda a necessidade de desenvolver métodos eficazes para a detecção de deepfakes, uma ferramenta essencial na luta contra a desinformação, apresentando os conceitos fundamentais da área. Este trabalho comparou três métodos estado-da-arte de detecção de imagens falsas: Detector de Falsificações com Transformador de Consistência de Identidade, CORE e o Modelo de Detecção de Deepfake Ignorante de ID, apresentando resultados satisfatórios, com o método de detecção ignorante de ID apresentando o melhor desempenho.With the rapid advancement of artificial intelligence, deepfakes – convincingly manipulated videos or images – have emerged as a significant concern in the digital age. These hyper-realistic fakes have the potential to deceive individuals, spread disinformation and compromise the authenticity of information, posing a real threat to digital security and informational integrity. This work addresses the need to develop effective methods for detecting deepfakes, an essential tool in the fight against disinformation, presenting the fundamental concepts of the area. This work compared three state-of-the-art methods for detecting false images: Forgery Detector with Identity Consistency Transformator, CORE and the ID-Unaware Deepfake Detection Model, presenting satisfactory results, with the ID-unaware model having the best performance.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Passos Junior, Leandro AparecidoCorrêa, Miguel Cesar2023-12-05T11:53:09Z2023-12-05T11:53:09Z2023-11-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfCORREA, Miguel Cesar. Detecção de imagens deepfake: um estudo comparativo. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Faculdade de Ciências, Universidade Estadual Paulista (Unesp), Bauru, 2023.https://hdl.handle.net/11449/251670porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2023-12-06T06:08:48Zoai:repositorio.unesp.br:11449/251670Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T17:41:58.499675Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Detecção de imagens deepfake: um estudo comparativo Deepfake image detection: a comparative study |
title |
Detecção de imagens deepfake: um estudo comparativo |
spellingShingle |
Detecção de imagens deepfake: um estudo comparativo Corrêa, Miguel Cesar Deepfake Deep learning Inteligência artificial Detecção de Deepfake Trabalho de Conclusão de Curso |
title_short |
Detecção de imagens deepfake: um estudo comparativo |
title_full |
Detecção de imagens deepfake: um estudo comparativo |
title_fullStr |
Detecção de imagens deepfake: um estudo comparativo |
title_full_unstemmed |
Detecção de imagens deepfake: um estudo comparativo |
title_sort |
Detecção de imagens deepfake: um estudo comparativo |
author |
Corrêa, Miguel Cesar |
author_facet |
Corrêa, Miguel Cesar |
author_role |
author |
dc.contributor.none.fl_str_mv |
Passos Junior, Leandro Aparecido |
dc.contributor.author.fl_str_mv |
Corrêa, Miguel Cesar |
dc.subject.por.fl_str_mv |
Deepfake Deep learning Inteligência artificial Detecção de Deepfake Trabalho de Conclusão de Curso |
topic |
Deepfake Deep learning Inteligência artificial Detecção de Deepfake Trabalho de Conclusão de Curso |
description |
Com o avanço acelerado da inteligência artificial, os deepfakes - vídeos ou imagens manipulados de maneira convincente - emergiram como uma preocupação significativa na era digital. Essas falsificações hiper-realistas têm o potencial de enganar indivíduos, disseminar desinformação e comprometer a autenticidade da informação, representando uma ameaça real à segurança digital e à integridade informativa. Este trabalho aborda a necessidade de desenvolver métodos eficazes para a detecção de deepfakes, uma ferramenta essencial na luta contra a desinformação, apresentando os conceitos fundamentais da área. Este trabalho comparou três métodos estado-da-arte de detecção de imagens falsas: Detector de Falsificações com Transformador de Consistência de Identidade, CORE e o Modelo de Detecção de Deepfake Ignorante de ID, apresentando resultados satisfatórios, com o método de detecção ignorante de ID apresentando o melhor desempenho. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-12-05T11:53:09Z 2023-12-05T11:53:09Z 2023-11-16 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
CORREA, Miguel Cesar. Detecção de imagens deepfake: um estudo comparativo. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Faculdade de Ciências, Universidade Estadual Paulista (Unesp), Bauru, 2023. https://hdl.handle.net/11449/251670 |
identifier_str_mv |
CORREA, Miguel Cesar. Detecção de imagens deepfake: um estudo comparativo. 2023. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Faculdade de Ciências, Universidade Estadual Paulista (Unesp), Bauru, 2023. |
url |
https://hdl.handle.net/11449/251670 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808128846642282496 |