Fenomenologia dei DeepFake: gli investigatori del nuovo millennio alla ricerca delle tracce digitali dei fake digitali con sembianze umane

 

 

ABSTRACT: L'avvento di potenti algoritmi di Intelligenza Artificiale ha permesso la creazione e la diffusione di tecniche estremamente raffinate in grado di attaccare, alterare e/o creare dal nulla contenuti digitali (immagini, video e audio) ritraenti fattezze, gesta e volti umani con risultati sorprendentemente realistici. Questo fenomeno, noto come Deepfakes, rende necessario l’individuazione di metodologie e algoritmi per la relativa Detection al fine di contrastarne l’uso illecito (ad esempio nell’industria della pornografia). Come dimostrato in alcuni dei nostri recenti studi scientifici, i contenuti multimediali sintetici (deepfake) contengono una fingerprint, spesso unica, impressa dal modello generativo che può essere estratta in maniera tale da fornire soluzioni al problema di classificazione “Real Vs Deepfake”, riuscendo anche a definire l’architettura generativa (GAN) utilizzata per la fase di creazione. Maggiori dettagli sulle nostre ricerche accademiche sono disponibili su https://iplab.dmi.unict.it/mfs/Deepfakes/

 

1. Oliver Giudice, Luca Guarnera, and Sebastiano Battiato. 2021. Fighting Deepfakes by Detecting GAN DCT Anomalies. Journal of Imaging 7, no. 8: 128. https://doi.org/10.3390/jimaging7080128
2. Luca Guarnera, Oliver Giudice, Sebastiano Battiato (2020). Fighting Deepfake by Exposing the Convolutional Traces on Images. IEEE Access 8 (2020): 165085-165098. https://ieeexplore.ieee.org/document/9189772