ジョンP.デズモンド、AIトレンドエディター
ディープフェイクは「ディープラーニング」と「フェイク」のかばん語であり、通常、既存の画像またはビデオ内の人物が他の人物の肖像に置き換えられる合成メディアを指します。 ディープフェイクは、機械学習とAIの手法を使用して、欺く可能性の高いビジュアルコンテンツとオーディオコンテンツを操作します。
地理に適用されるディープフェイクは、衛星画像データを改ざんする可能性があり、国家安全保障上の脅威をもたらす可能性があります。 ワシントン大学（UW）の科学者たちは、偽の衛星画像を検出してその危険性を警告する方法を見つけることを期待して、これを研究しています。
「これはフォトショップだけではありません。 データが驚くほどリアルに見えるようになっています」と述べています。 ボージャオ、ワシントン大学の地理学の助教授であり、 研究、で ニュースリリース ワシントン大学から。 この研究は21月XNUMX日にジャーナルに掲載されました 地図作成と地理情報科学。 「テクニックはすでにあります。 同じ手法を使用する可能性と、それに対処する戦略を開発する必要性を明らかにしようとしているだけです」とZhao氏は述べています。
偽の場所やその他の不正確さは、実際の場所を地図の形に変換する性質があるため、古くから地図作成の一部でした。 しかし、地図のいくつかの不正確さは、著作権侵害を防ぐために地図作成者によって作成されています。
国家地理空間情報局の局長が警報を鳴らす
現在、地理情報システム、Google Earth、およびその他の衛星画像システムが普及しているため、なりすましは非常に高度であり、より多くのリスクを伴います。 地理空間情報局を担当する連邦機関の局長である国家地理空間情報局（NGA）は、2019年の業界会議で警鐘を鳴らしました。
「私たちは現在、最近の記憶で経験したよりも複雑で、相互接続され、不安定なセキュリティ環境に直面しています。それをうまくナビゲートするには、別のことをする必要があります」と述べています。 NGAディレクター副提督ロバートシャープ、からのアカウントによると SpaceNews.
衛星画像を偽造する方法を研究するために、ZhaoとWUの彼のチームは、他の種類のデジタルファイルを操作するために使用されてきたAIフレームワークを使用しました。 マッピングの分野に適用されると、アルゴリズムは基本的に都市部から衛星画像の特性を学習し、学習した衛星画像の特性の特性を別のベースマップにフィードすることによってディープフェイク画像を生成します。 研究者たちは、これを達成するために生成的敵対的ネットワーク機械学習フレームワークを採用しました。
研究者たちは、タコマ、シアトル、北京のXNUMXつの都市の地図と衛星画像を組み合わせて、特徴を比較し、他のXNUMXつの都市の特徴から引き出されたXNUMXつの都市の新しい画像を作成しました。 訓練を受けていない目は、本物と偽物の違いを検出するのが難しいかもしれないと研究者たちは指摘した。 研究者たちは、偽物を特定するために、色ヒストグラムと頻度、テクスチャ、コントラスト、および空間ドメインを研究しました。
シミュレートされた衛星画像は、たとえば、ある地域が時間の経過に伴う気候変動によってどのように影響を受けるかを表すために使用される場合、正当な目的を果たすことができます。 一定期間画像がない場合は、隙間を埋めて遠近感を出すことで遠近感を出すことができます。 シミュレーションには、そのようにラベルを付ける必要があります。
研究者たちは、ファクトチェックサービスと同様に、地理学者がデータリテラシーツールを開発するのを助けるために、偽の画像を検出する方法を学ぶことを望んでいます。 技術が進化し続けるにつれて、この研究は地理データと情報のより全体的な理解を促進することを目的としているため、衛星画像やその他の地理空間データの絶対的な信頼性の問題を解明することができます。 「また、必要に応じてファクトチェックなどの対策を講じるために、より未来志向の考え方を発展させたい」と語った。
とのインタビューで ベルジェ趙氏は、彼の研究の目的は「衛星画像の絶対的な信頼性の機能をわかりやすく説明し、ディープフェイク地理の潜在的な影響について一般の人々の認識を高めることです」と述べました。 彼は、ディープフェイクは他の分野で広く議論されていますが、彼の論文が地理学のトピックに最初に触れた可能性が高いと述べました。
「多くのGIS [地理情報システム]実践者は、地理的な問題解決のためにディープラーニングやその他のタイプのAIの技術的メリットを称賛してきましたが、地理の分野またはそれを超えた分野に対するディープフェイクの潜在的な脅威を公に認識または批判した人はほとんどいません。 」と著者は述べた。
ディープフェイクの検出にも取り組んでいる米陸軍の研究者
米陸軍の研究者は、ディープフェイクの検出方法にも取り組んでいます。 南カリフォルニア大学のCCジェイクオ教授の研究グループと協力して、陸軍研究所のDEVCOMとして知られる米陸軍戦闘能力開発コマンドの研究者は、ディープフェイクが私たちの社会と国家安全保障にもたらす脅威を調査しています。 a リリース 米国陸軍研究所（ARL）から。
彼らの作品は「DefakeHop：軽量で高性能なディープフェイク検出器」 これは、2021月に開催されるIEEE International Conference on Multimedia and ExpoXNUMXで発表されます。
ARLの研究者であるSuyaYou博士とShuowen（Sean）Hu博士は、最先端のディープフェイクビデオ検出およびメディアフォレンジック手法のほとんどは、堅牢性、スケーラビリティ、および移植性に固有の弱点があるディープラーニングに基づいていると述べました。
「生成型ニューラルネットワークの進歩により、AI駆動のディープフェイクは急速に進歩したため、それらを検出して防御するための信頼できる技術が不足しています」とあなたは述べています。 「ディープフェイクの驚くべきパフォーマンスの背後にあるメカニズムを理解し、確かな理論的サポートを備えた効果的な防御ソリューションを開発できる代替パラダイムが緊急に必要とされています。」
研究者たちは、機械学習、信号分析、コンピュータービジョンの経験に基づいて、革新的なニューラルネットワークアーキテクチャとして、Successive Subspace Learning（SSL）と呼ばれる新しい理論と数学的フレームワークを開発しました。 SSLはDefakeHopの重要な革新であると研究者らは述べています。
「SSLは、信号変換理論から開発されたニューラルネットワークアーキテクチャのまったく新しい数学的フレームワークです」とKuo氏は述べています。 「これは、従来のアプローチとは根本的に異なります。 これは、短距離、中距離、および長距離の共分散構造を持つ高次元データに非常に適しています。 SSLは、完全なデータ駆動型の教師なしフレームワークであり、画像処理や顔の生体認証などのタスクを理解するためのまったく新しいツールを提供します。」
のソース記事と情報を読む ニュースリリース ワシントン大学から、ジャーナルで 地図作成と地理情報科学、からのアカウント SpaceNews,a リリース 米陸軍研究所から、そして「DefakeHop：軽量で高性能なディープフェイク検出器。」
コインスマート。 BesteBitcoin-ヨーロッパのBörse
出典：https：//www.aitrends.com/ai-in-science/falsified-satellite-images-in-deepfake-geography-seen-as-security-threat/
