Avustralya, sahte deepfake seslerini ortaya çıkarmak için bir araç geliştirdi

Deepfake saldırı biçimleri gelişmeye devam ederken, RAIS teknolojisi sahte sesin yüksek doğrulukla tespit edilmesine yardımcı oluyor.

Avustralya, deepfake ses kayıtlarını neredeyse mutlak doğrulukla tespit eden yapay zeka teknolojisi geliştirdi - İllüstrasyon fotoğrafı: REUTERS

Commonwealth Bilimsel ve Endüstriyel Araştırma Örgütü (CSIRO), Federation University Australia ve RMIT Üniversitesi'ndeki bilim insanları, olağanüstü doğruluk ve uyarlanabilirlikle ses deepfake'lerini tespit eden bir yöntem geliştirmeyi başardılar.

CSIRO, Yardımcı Bilgilendirilmiş Örneklemeyle Prova (RAIS) adı verilen yeni tekniğin, siber suçlarda giderek artan bir tehdit olan deepfake sesi tespit etmek için özel olarak tasarlandığını ve ses biyometrik kimlik doğrulama sistemlerini atlatma, kimliğe bürünme ve yanlış bilgi yayma gibi riskler taşıdığını söyledi.

RAIS teknikleri yalnızca bir ses parçasının gerçekliğini belirlemekle kalmaz, aynı zamanda sahtecilik saldırıları gelişmeye ve değişmeye devam etse bile yüksek performansın korunmasını da sağlar.

CSIRO'nun veri ve dijital birimi Data61'de çalışmanın ortak yazarı olan Dr. Kristen Moore, ekibin amacının, modeli sıfırdan yeniden eğitmeye gerek kalmadan yeni deepfake örneklerini güncelleyebilen ve ince ayar yaparken modelin eski verileri unutması olgusunu önleyen bir tespit sistemi geliştirmek olduğunu paylaştı.

Moore, RAIS'in gizli ses özellikleri de dahil olmak üzere önceki deepfake'lerin küçük ve çeşitli bir kümesini otomatik olarak seçip depolayarak bu sorunu çözdüğünü ve böylece yapay zekanın eski deepfake türlerini öğrenirken yeni deepfake türlerini öğrenmesine yardımcı olduğunu açıkladı.

RAIS, her ses örneği için "yardımcı etiketler" üreten akıllı bir seçim süreciyle çalışır. Bu yardımcı etiketlerin birleştirilmesi, onları yalnızca "gerçek" veya "sahte" olarak etiketlemek yerine, zengin ve çeşitli bir eğitim veri kümesi sağlar. Bu mekanizma, sistemin zaman içinde hatırlama ve uyum sağlama yeteneğini önemli ölçüde artırır.

CSIRO'ya göre, RAIS, testler sırasında beş ardışık testte ortalama %1,95 hata oranıyla diğer yöntemlerden daha iyi performans gösterdi. Bu tekniğin kaynak kodu, Git platformuna dayalı çevrimiçi kaynak kodu depolama konusunda uzmanlaşmış bir site olan GitHub'da yayınlandı.

Konuya geri dön

VNA

Kaynak: https://tuoitre.vn/uc-phat-trien-cong-cu-vach-tran-giong-noi-gia-bang-deepfake-20251112092232468.htm