攻撃を考慮した、ロバスト性とキャリブレーションを備えたDeepfake検出

この論文は、カウンターフォレンジック操作に対するロバスト性に焦点を当てた、Deepfake検出の重要な問題に取り組んでいます。 赤チームトレーニングとランダム化されたテスト時防御を組み合わせた新しいアーキテクチャを提案し、適切に調整された確率と透明性のある証拠を目指しています。 Deepfake生成の洗練度が増し、現実世界のシナリオで信頼できる検出が必要とされていることを考えると、このアプローチは特に重要です。 低照度や高圧縮の監視データなど、実際の展開条件に焦点を当てていることは、大きな強みです。