Έρευνα: Οι επιστήμονες επιδιώκουν να διαφοροποιήσουν αυτόματα το πρωτότυπο και το ψεύτικο περιεχόμενο πολυμέσων, προκειμένου να βελτιώσουν την εμπιστοσύνη στο διαδίκτυο και να βρουν ένα μέσο για τον εντοπισμό πλαστού περιεχομένου. Αυτό είναι ένα σημαντικό ζήτημα για όσους επιδιώκουν να βελτιώσουν αυτά που μοιράζονται στα μέσα κοινωνικής δικτύωσης. Μέσω της προόδου της τεχνολογίας, όσοι επιθυμούν να αλλάξουν περιεχόμενο μπορούν να πάρουν οπτικοακουστικά αρχεία μπορούν να αναπτύξουν «deepfakes», σχηματίζοντας μοντάζ που μοιάζουν με αληθινά πλάνα.
Αυτό το νοθευμένο υλικό κυμαίνεται από το διασκεδαστικό έως τη χρήση ψηφιακών μέσων που έχει σκοπό να προκαλέσει βλάβη. Προς το παρόν, το περισσότερο ψεύτικο περιεχόμενο απαιτεί από έναν άνθρωπο να το εντοπίσει και να το αναφέρει.
Σε πλατφόρμες όπως το Facebook και το Twitter, αυτό είναι ένα τεράστιο έργο. Ενώ ορισμένες μορφές μηχανικής μάθησης μπορούν να βοηθήσουν, η τεχνολογία δεν έχει προχωρήσει αρκετά ώστε να είναι πλήρως αξιόπιστη. Για να βοηθήσουν στην αντιμετώπιση αυτών των ανησυχιών, οι ερευνητές επιδιώκουν να συνδυάσουν τεχνικές από εγκληματολογική ανάλυση ψηφιακού περιεχομένου, υδατοσήμανση και τεχνητή νοημοσύνη. Αν και είναι ένα έργο σε εξέλιξη, αυτή η εξέλιξη αποτελεί μέρος μιας συνεχιζόμενης μάχης καθώς τα εργαλεία επεξεργασίας φωτογραφίας και βίντεο και τεχνητής νοημοσύνης γίνονται πιο εξελιγμένα.
Η λύση που προτείνεται χρησιμοποιεί τεχνικές τεχνητής νοημοσύνης και απόκρυψης δεδομένων για να βοηθήσει τους χρήστες να διαφοροποιήσουν αυτόματα μεταξύ αρχικού και νοθευμένου περιεχομένου πολυμέσων.
Η ανάπτυξη καθοδηγείται από το Universitat Oberta de Catalunya (UOC). Σύμφωνα με τον επικεφαλής ερευνητή, καθηγητή David Megías: «Το έργο έχει δύο στόχους: πρώτον, να παρέχει στους δημιουργούς περιεχομένου εργαλεία για να υδατογραφούν τις δημιουργίες τους, καθιστώντας έτσι οποιαδήποτε τροποποίηση εύκολα ανιχνεύσιμη. και δεύτερον, να προσφέρει στους χρήστες των μέσων κοινωνικής δικτύωσης εργαλεία που βασίζονται σε μεθόδους επεξεργασίας σήματος τελευταίας γενιάς και μηχανικής μάθησης για τον εντοπισμό ψεύτικου ψηφιακού περιεχομένου».
Ενώ η ανάπτυξη προχωρά, είναι απίθανο να υπάρξει ποτέ μια ενιαία λύση και η ανίχνευση θα χρειαστεί να πραγματοποιηθεί με συνδυασμό διαφορετικών εργαλείων.
Σε αυτό επέλεξε να διερευνήσει την απόκρυψη πληροφοριών (υδατογραφήματα), τις τεχνικές ανάλυσης εγκληματολογικών ψηφιακών περιεχομένων (με βάση την επεξεργασία σήματος) και τη μηχανική μάθηση. Λαμβάνοντας ένα από αυτά ως παράδειγμα, η ψηφιακή υδατογράφηση χρησιμοποιεί πολλαπλές τεχνικές στον τομέα της απόκρυψης δεδομένων που ενσωματώνουν ανεπαίσθητες πληροφορίες στο αρχικό αρχείο για να είναι δυνατή η αυτόματη επαλήθευση ενός αρχείου πολυμέσων.
Η νέα τεχνολογία θα αξιοποιήσει την τεχνολογία επεξεργασίας σήματος για να ανιχνεύσει τις εγγενείς παραμορφώσεις που παράγονται από τις συσκευές και τα προγράμματα που χρησιμοποιούνται κατά τη δημιουργία ή την τροποποίηση οποιουδήποτε οπτικοακουστικού αρχείου.
Η μέχρι σήμερα τεχνολογία παρουσιάζεται στο ARES-Workshops, με μια ερευνητική εργασία με τίτλο «Αρχιτεκτονική ενός συστήματος ανίχνευσης ψεύτικων ειδήσεων που συνδυάζει ψηφιακή υδατοσήμανση, επεξεργασία σήματος και μηχανική μάθηση».