Bidirectional Convolutional LSTM을 이용한 Deepfake 탐지 방법
DC Field | Value | Language |
---|---|---|
dc.contributor.author | 이대현 | - |
dc.contributor.author | 문종섭 | - |
dc.date.accessioned | 2021-08-31T19:16:02Z | - |
dc.date.available | 2021-08-31T19:16:02Z | - |
dc.date.created | 2021-06-17 | - |
dc.date.issued | 2020 | - |
dc.identifier.issn | 1598-3986 | - |
dc.identifier.uri | https://scholar.korea.ac.kr/handle/2021.sw.korea/60696 | - |
dc.description.abstract | 최근 하드웨어의 성능과 인공지능 기술이 발달함에 따라 육안으로 구분하기 어려운 정교한 가짜 동영상들이 증가하고 있다. 인공지능을 이용한 얼굴 합성 기술을 딥페이크라고 하며 약간의 프로그래밍 능력과 딥러닝 지식만 있다면 누구든지 딥페이크를 이용하여 정교한 가짜 동영상을 제작할 수 있다. 이에 무분별한 가짜 동영상이 크게 증가하였으며 이는 개인 정보 침해, 가짜 뉴스, 사기 등에 문제로 이어질 수 있다. 따라서 사람의 눈으로도 진위를 가릴 수없는 가짜 동영상을 탐지할 수 있는 방안이 필요하다. 이에 본 논문에서는 Bidirectional Convolutional LSTM과 어텐션 모듈(Attention module)을 적용한 딥페이크 탐지 모델을 제안한다. 본 논문에서 제안하는 모델은 어텐션 모듈과 신경곱 합성망 모델을 같이 사용되어 각 프레임의 특징을 추출하고 기존의 제안되어왔던 시간의 순방향만을 고려하는 LSTM과 달리 시간의 역방향도 고려하여 학습한다. 어텐션 모듈은 합성곱 신경망 모델과 같이 사용되어 각 프레임의 특징 추출에 이용한다. 실험을 통해 본 논문에서 제안하는 모델은 93.5%의 정확도를 갖고 기존 연구의 결과보다 AUC가 최대 50% 가량 높음을 보였다. | - |
dc.language | Korean | - |
dc.language.iso | ko | - |
dc.publisher | 한국정보보호학회 | - |
dc.title | Bidirectional Convolutional LSTM을 이용한 Deepfake 탐지 방법 | - |
dc.title.alternative | A Method of Detection of Deepfake Using Bidirectional Convolutional LSTM | - |
dc.type | Article | - |
dc.contributor.affiliatedAuthor | 문종섭 | - |
dc.identifier.doi | 10.13089/JKIISC.2020.30.6.1053 | - |
dc.identifier.bibliographicCitation | 정보보호학회논문지, v.30, no.6, pp.1053 - 1065 | - |
dc.relation.isPartOf | 정보보호학회논문지 | - |
dc.citation.title | 정보보호학회논문지 | - |
dc.citation.volume | 30 | - |
dc.citation.number | 6 | - |
dc.citation.startPage | 1053 | - |
dc.citation.endPage | 1065 | - |
dc.type.rims | ART | - |
dc.identifier.kciid | ART002658316 | - |
dc.description.journalClass | 2 | - |
dc.description.journalRegisteredClass | kci | - |
dc.subject.keywordAuthor | Deepfake | - |
dc.subject.keywordAuthor | LSTM | - |
dc.subject.keywordAuthor | Attention module | - |
dc.subject.keywordAuthor | Artificial intelligence | - |
dc.subject.keywordAuthor | Time distribution. | - |
Items in ScholarWorks are protected by copyright, with all rights reserved, unless otherwise indicated.
(02841) 서울특별시 성북구 안암로 14502-3290-1114
COPYRIGHT © 2021 Korea University. All Rights Reserved.
Certain data included herein are derived from the © Web of Science of Clarivate Analytics. All rights reserved.
You may not copy or re-distribute this material in whole or in part without the prior written consent of Clarivate Analytics.