Generatiivisten kilpailevien verkostojen visuaaliset väärennökset ja niiden tunnistus

Abstract

Nykyiset koneoppimismallit mahdollistavat korkealaatuisten visuaalisten materiaalien generoinnin. Erityisesti generatiiviset kilpailevat verkostot erottuvat niiden joukosta, koska ne pystyvät luomaan visuaalisia materiaaleja, jotka näyttävät aidoilta. Vaikka kyseistä toiminnallisuutta voidaan hyödyntää monissa tehtävissä, teknologian mahdollinen käyttö haitallisiin tarkoituksiin herättää huolta siitä, että lähitulevaisuudessa sen avulla voidaan manipuloida ihmisten maailmankatsomuksia. Tämän työn tavoite on selvittää, kuinka luonnollisen näköisiä materiaaleja generatiiviset kilpailevat verkostot pystyvät luomaan ja kuinka korkealla tarkkuudella niiden laatimia materiaaleja voidaan erottaa aidoista materiaaleista. Työssä tutkitaan neljää visuaalisia materiaaleja luovaa generatiivista kilpailevaa verkostoa, niiden toimintaa ja kehitystä viimeisen kolmen vuoden aikana. Kolme vuotta vanhan verkoston luomia staattisia materiaaleja voidaan tunnistaa pelkällä silmäyksellä, mutta nykyisten menetelmien luomia materiaaleja ei voida erottaa aidoista materiaaleista ilman syvällistä analyysia. Tämä koskee vain staattisia materiaaleja, koska generatiiviset kilpailevat verkostot eivät vielä pysty luomaan riittävän uskottavaa videomateriaalia. Verkostojen lisäksi työssä tarkastellaan neljää väärennösten tunnistusmenetelmää. Työssä osoitetaan, että nykyiset tunnistusmenetelmät mahdollistavat väärennösten erottamisen aidoista materiaaleista korkealla tarkkuudella.