ترجمه فارسی مقاله 2D-Malafide: حملات دشمن علیه سیستم‌های تشخیص چهره عمیق

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی 2D-Malafide: Adversarial Attacks Against Face Deepfake Detection Systems
عنوان مقاله به فارسی 2D-Malafide: حملات دشمن علیه سیستم‌های تشخیص چهره عمیق
نویسندگان Chiara Galdi, Michele Panariello, Massimiliano Todisco, Nicholas Evans
فرمت مقاله انگلیسی PDF
تعداد صفحات 7
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computer Vision and Pattern Recognition,Cryptography and Security,Machine Learning,Image and Video Processing,چشم انداز رایانه و تشخیص الگوی , رمزنگاری و امنیت , یادگیری ماشین , پردازش تصویر و فیلم ,
توضیحات Submitted 26 August, 2024; originally announced August 2024. , Comments: Accepted at BIOSIG 2024
توضیحات به فارسی ارسال شده در 26 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: در Biosig 2024 پذیرفته شده است
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

We introduce 2D-Malafide, a novel and lightweight adversarial attack designed to deceive face deepfake detection systems. Building upon the concept of 1D convolutional perturbations explored in the speech domain, our method leverages 2D convolutional filters to craft perturbations which significantly degrade the performance of state-of-the-art face deepfake detectors. Unlike traditional additive noise approaches, 2D-Malafide optimises a small number of filter coefficients to generate robust adversarial perturbations which are transferable across different face images. Experiments, conducted using the FaceForensics++ dataset, demonstrate that 2D-Malafide substantially degrades detection performance in both white-box and black-box settings, with larger filter sizes having the greatest impact. Additionally, we report an explainability analysis using GradCAM which illustrates how 2D-Malafide misleads detection systems by altering the image areas used most for classification. Our findings highlight the vulnerability of current deepfake detection systems to convolutional adversarial attacks as well as the need for future work to enhance detection robustness through improved image fidelity constraints.

چکیده به فارسی (ترجمه ماشینی)

ما 2D-Malafide را معرفی می کنیم ، یک حمله مخالف جدید و سبک وزن که برای فریب سیستم های تشخیص DeepFake Face طراحی شده است.با استفاده از مفهوم آشفتگی های حلقوی 1D که در حوزه گفتار مورد بررسی قرار گرفته است ، روش ما از فیلترهای 2D Convolutional به آشفتگی های هنری استفاده می کند که به طور قابل توجهی عملکرد آشکارسازهای Deepfake را به طور قابل توجهی تخریب می کند.بر خلاف رویکردهای سنتی نویز افزودنی سنتی ، 2D مالافید تعداد کمی از ضرایب فیلتر را بهینه می کند تا آشفتگی های مخالف قوی را ایجاد کند که در تصاویر مختلف صورت قابل انتقال است.آزمایشات ، با استفاده از مجموعه داده Faceforensics ++ ، نشان می دهد که 2D-مالافید عملکرد قابل توجهی را در هر دو تنظیمات جعبه سفید و جعبه سیاه به طور قابل توجهی کاهش می دهد ، با اندازه فیلتر بزرگتر بیشترین تأثیر را دارد.علاوه بر این ، ما یک تجزیه و تحلیل توضیح را با استفاده از GradCam گزارش می کنیم که نشان می دهد چگونه سیستم های تشخیص گمراه کننده 2D مالافید با تغییر مناطق تصویر که بیشتر برای طبقه بندی استفاده می شود.یافته های ما آسیب پذیری سیستم های تشخیص عمیق فعلی در مورد حملات مخالف حلقوی و همچنین نیاز به کارهای آینده برای تقویت استحکام تشخیص از طریق محدودیت های وفاداری تصویر بهبود یافته را برجسته می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.