| 研究課題/領域番号 |
20K11813
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分60070:情報セキュリティ関連
|
|---|
| 研究機関 | 会津大学 |
|---|
研究代表者 |
富岡 洋一 会津大学, コンピュータ理工学部, 上級准教授 (10574072)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
3,770千円 (直接経費: 2,900千円、間接経費: 870千円)
2022年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2021年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2020年度: 2,470千円 (直接経費: 1,900千円、間接経費: 570千円)
|
|---|
| キーワード | ディープフェイク / パターンノイズ / 畳み込みニューラルネットワーク / アンサンブルモデル / ニューラルネットワーク / 顔部品検出 / アンサンブル / イメージセンサノイズ / 深層学習 / 角膜 / PRNUノイズ / 周期的アーティファクト |
|---|
| 研究開始時の研究の概要 |
本研究では，ある人物の顔を別の人物に重ねて加工するディープフェイクといった改ざん技術の対抗手段として，ディジタル動画中に存在するパターンノイズを利用して，動画の改ざんを検出する手法を確立する．パターンノイズはイメージセンサの特性やデザイン，画像処理に基づき生成される微弱なノイズである．改ざんされた動画では改ざんされた部分のパターンノイズが変化することを利用して改ざんの有無を判定することを目指す．ディープフェイク検出に有効な各パターンノイズの特徴量を動画中から抽出する手法を確立すると共に，それらを用いて改ざんの有無を検出する識別器を実現する．
|
| 研究成果の概要 |
本研究では、画像中のパターンノイズ間の距離を計測するディープメトリックラーニングモデルを提案し、画像の圧縮率の違いに頑健なパターンノイズ間の距離の推定を実現した。加えて、パターンノイズがディープフェイク検出において有効な特徴の一つとなることを確認した。更に高精度なディープフェイク検出を実現するために、顔の各パーツから複合的な特徴を抽出する畳み込みニューラルネットワークモデルを提案し、入力画像から検出できた複数部位に対応する畳み込みニューラルネットワークモデルを組み合わせたアンサンブルモデルにより、高精度なディープフェイク検出を実現できることを示した。
|
| 研究成果の学術的意義や社会的意義 |
近年、ディープラーニングや機械学習技術に発展に伴い，ある人物の顔を別の人物に重ねて加工する「ディープフェイク」といった改ざん技術が進歩しており、フェイクニュースの拡散が危惧されている。フェイクニュースは個人のプライバシーを侵害するだけではなく、政治経済への多大な影響を及ぼすことも考えられるため、いち早くフェイクニュースを検出し、注意喚起することが必要である。本研究の成果はディープフェイク検出の精度向上やマスク等で顔の一部が隠蔽されている場合のディープフェイク検出に有効な基盤技術であり、より安心・安全な社会の実現に貢献できると期待している。
|
