Обнаружение deepfake: систематический обзор литературы

За последние десятилетия быстрый прогресс в области искусственного интеллекта, машинного обучения и глубокого обучения привел к появлению новых методов и различных инструментов для манипуляции мультимедиа. Хотя эти технологии в основном использовались в легитимных приложениях, таких как развлечения и образование, злоумышленники также эксплуатировали их в незаконных или злонамеренных целях. Например, были созданы высококачественные и реалистичные фальшивые видео, изображения и аудиозаписи для распространения дезинформации и пропаганды, разжигания политических разногласий и ненависти, а также для преследования и шантажа людей. Манипулируемые высококачественные реалистичные видеозаписи недавно получили название deepfake. В литературе описано множество подходов для решения проблем, связанных с deepfake. Чтобы предоставить обновленный обзор исследований по обнаружению deepfake, в этой статье мы проводим систематический обзор литературы (SLR), суммируя 112 релевантных статей за 2018–2020 годы, в которых представлены различные методологии. Мы анализируем их, группируя в четыре категории: методы на основе глубокого обучения, классические методы машинного обучения, статистические методы и методы на основе блокчейна. Мы также оцениваем способность различных методов к обнаружению по отношению к разным наборам данных и приходим к выводу, что методы на основе глубокого обучения превосходят другие подходы в обнаружении deepfake.