WEKO3
アイテム
Deepfake検出に最適なニューラルネットワーク構造の自動探索
https://ipsj.ixsq.nii.ac.jp/records/228780
https://ipsj.ixsq.nii.ac.jp/records/22878058bcb2c8-ec39-4df2-bf08-b33e8d85e93f
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-CSS2023167.pdf (2.0 MB)
2025年10月23日からダウンロード可能です。
|
Copyright (c) 2023 by the Information Processing Society of Japan
|
|
| 非会員：¥660, IPSJ:学会員：¥330, CSEC:会員：¥0, SPT:会員：¥0, DLIB:会員：¥0 | ||
| Item type | Symposium(1) | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2023-10-23 | |||||||||||
| タイトル | ||||||||||||
| タイトル | Deepfake検出に最適なニューラルネットワーク構造の自動探索 | |||||||||||
| タイトル | ||||||||||||
| 言語 | en | |||||||||||
| タイトル | Automated Exploration of Optimal Neural Network Structures for Deepfake Detection | |||||||||||
| 言語 | ||||||||||||
| 言語 | jpn | |||||||||||
| キーワード | ||||||||||||
| 主題Scheme | Other | |||||||||||
| 主題 | Deepfake，検出，NAS，画像認識，深層学習 | |||||||||||
| 資源タイプ | ||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||||||
| 資源タイプ | conference paper | |||||||||||
| 著者所属 | ||||||||||||
| 早稲田大学 | ||||||||||||
| 著者所属 | ||||||||||||
| 国立研究開発法人 産業技術総合研究所／早稲田大学 | ||||||||||||
| 著者所属 | ||||||||||||
| 早稲田大学／NICT／理研AIP | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Waseda University | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| AIST / Waseda University | ||||||||||||
| 著者所属(英) | ||||||||||||
| en | ||||||||||||
| Waseda University / NICT / RIKEN AIP | ||||||||||||
| 著者名 |
利川, 悠斗
× 利川, 悠斗
× 飯島, 涼
× 森, 達哉
|
|||||||||||
| 著者名(英) |
Yuto, Toshikawa
× Yuto, Toshikawa
× Ryo, Iijima
× Tatsuya, Mori
|
|||||||||||
| 論文抄録 | ||||||||||||
| 内容記述タイプ | Other | |||||||||||
| 内容記述 | 深層学習を用いて精巧な偽動画を作成するDeepfake が社会に及ぼす悪影響が懸念されている．Deepfake 生成技術は発展し続けており，現状最も高い性能を発揮するDeepfake 検出技術を用いても高精度な検出は困難であることが知られている．一般に， Deepfake の検出を実現する機械学習モデルの設計・実装は手動の作業を伴い，膨大な時間を要することが知られている．本研究は， Deepfake を高精度に検出可能な機械学習モデル設計の自動化を狙いとする．鍵となる技術的アプローチは，ネットワークアーキテクチャ探索(NAS) による最適モデル構造の探索を適用することである． NAS の中で比較的新しく効率的な性質を持つPC-DARTS を採用し，大規模で高品質なデータであるCeleb-DF データセットを用いた評価を行った．この結果，テスト精度89.02%を達成した．この結果は既存の手動によるモデル構築と同等の精度を保ちつつ，NAS による自動最適化によりその性能を維持できることを示した． | |||||||||||
| 論文抄録(英) | ||||||||||||
| 内容記述タイプ | Other | |||||||||||
| 内容記述 | There is concern about the negative impact of Deepfake, which uses deep learning to create elaborate fake videos, on society; Deepfake generation technology continues to develop, and it is known that even using Deepfake detection technology, which currently offers the highest performance, it is difficult to detect Deepfake with high accuracy. In general, it is known that the design and implementation of machine learning models to achieve Deepfake detection involves manual work and takes an enormous amount of time. This research aims to automate the design of machine learning models capable of detecting Deepfake with high accuracy. The key technical approach is to apply the search for the optimal model structure by Network Architecture Search (NAS). PC-DARTS, a relatively new and efficient property of NAS, was employed and evaluated on the Celeb-DF dataset, which is a large and high-quality dataset. As a result, 89.02% was achieved. This result shows that the accuracy is comparable to existing manual model building, while the performance can be maintained by automatic optimisation with the NAS. |
|||||||||||
| 書誌情報 |
コンピュータセキュリティシンポジウム2023論文集 p. 1227-1234, 発行日 2023-10-23 |
|||||||||||
| 出版者 | ||||||||||||
| 言語 | ja | |||||||||||
| 出版者 | 情報処理学会 | |||||||||||
