@inproceedings{oai:ipsj.ixsq.nii.ac.jp:00223072,
 author = {利川, 悠斗 and 飯島, 涼 and 森, 達哉 and Yuto, Toshikawa and Ryo, Iijima and Tatsuya, Mori},
 book = {コンピュータセキュリティシンポジウム2022論文集},
 month = {Oct},
 note = {本研究は，Deepfake を高精度に検出可能かつ軽量な検出モデルの開発を目的とする．具体的には，画像認識用アーキテクチャである InceptionNet を軽量化した LightInceptionNet を提案し，LightInceptionNet を用いた Deepfake 検知モデルを作成する．LightInceptionNet の中心となるアイディアは，パラメータ数の削減が可能な畳み込み層 (SeparableConv2D) を導入することであり，精度を保ちつつパラメータ数を削減できる．Celeb-DF データセットを用いた性能評価の結果，テスト精度 (Accuracy) が 88.46%，テスト AUC Score が 93.82% を達成し，既存の SoTA 実装と比較して高精度に Deepfake を検出可能である．また，顔部分抽出の前処理の導入により，学習時間を 22.46% 削減した．本検知手法により，Deepfake を悪用した社会問題を防止する効果が期待できる．, The goal of this work is to develop a lightweight detection model that can detect deepfakes with high accuracy. We propose LightInceptionNet --- a lightweight version of InceptionNet, which is an architecture for image recognition. We build a deepfake detection model using the LightInceptionNet. The core idea of LightInceptionNet is to introduce a convolutional layer (SeparableConv2D) that can reduce the number of parameters  while maintaining accuracy. Our performance evaluation using the Celeb-DF dataset demonstrates that the test accuracy is 88.46% and the test AUC score is 93.82%. In addition, the introduction of preprocessing for facial extraction reduced the learning time by 22.46%. This detection method can be expected to prevent social problems that abuse Deepfake.},
 pages = {105--112},
 publisher = {情報処理学会},
 title = {LightInceptionNet : 高精度で軽量なDeepfake検出技術の開発},
 year = {2022}
}