
استرالیا فناوری هوش مصنوعی را برای تشخیص صدای دیپفیک با دقت تقریباً مطلق توسعه میدهد - عکس از رویترز
دانشمندان سازمان تحقیقات علمی و صنعتی مشترک المنافع (CSIRO)، دانشگاه فدراسیون استرالیا و دانشگاه RMIT با موفقیت روشی را برای تشخیص دیپ فیک صوتی با دقت و سازگاری فوقالعاده توسعه دادهاند.
سازمان CSIRO اعلام کرد این تکنیک جدید که Rehearsal with Auxiliary-Informed Sampling (RAIS) نام دارد، بهطور خاص برای تشخیص صدای دیپفیک طراحی شده است. دیپفیک یک تهدید رو به رشد در جرایم سایبری است و خطراتی از جمله دور زدن سیستمهای احراز هویت بیومتریک صوتی، جعل هویت و انتشار اطلاعات نادرست را به همراه دارد.
تکنیکهای RAIS نه تنها اصالت یک آهنگ صوتی را تعیین میکنند، بلکه تضمین میکنند که عملکرد بالا حفظ شود، حتی با وجود اینکه حملات جعل هویت همچنان در حال تکامل و تغییر هستند.
دکتر کریستن مور، یکی از نویسندگان این مطالعه در Data61 - واحد داده و دیجیتال CSIRO - اظهار داشت که هدف این تیم توسعه یک سیستم تشخیصی است که بتواند نمونههای جدید دیپفیک را بدون نیاز به آموزش مجدد مدل از ابتدا بهروزرسانی کند و از پدیده فراموش کردن دادههای قدیمی توسط مدل هنگام تنظیم دقیق جلوگیری کند.
مور توضیح داد که RAIS با انتخاب و ذخیره خودکار مجموعهای کوچک و متنوع از دیپفیکهای قبلی، از جمله ویژگیهای صوتی پنهان، این مشکل را حل میکند تا به هوش مصنوعی در یادگیری انواع جدید دیپفیک کمک کند و در عین حال دانش مربوط به انواع قدیمی را حفظ کند.
به طور خاص، RAIS بر اساس یک فرآیند انتخاب هوشمند کار میکند که برای هر نمونه صوتی «برچسبهای کمکی» تولید میکند. ترکیب این برچسبهای کمکی، به جای برچسبگذاری ساده آنها به عنوان «واقعی» یا «جعلی»، یک مجموعه داده آموزشی غنی و متنوع را تضمین میکند. این مکانیسم به طور قابل توجهی توانایی سیستم را در به خاطر سپردن و سازگاری با گذشت زمان بهبود میبخشد.
طبق گزارش CSIRO، در طول آزمایش، RAIS با میانگین خطای ۱.۹۵٪ در پنج آزمایش متوالی، از سایر روشها پیشی گرفت. کد منبع این تکنیک در GitHub - سایتی متخصص در ذخیرهسازی آنلاین کد منبع مبتنی بر پلتفرم Git - در دسترس قرار گرفته است.
منبع: https://tuoitre.vn/uc-phat-trien-cong-cu-vach-tran-giong-noi-gia-bang-deepfake-20251112092232468.htm






نظر (0)