reddit перевод искусственный интеллект кибербезопасность фейковые видео шумокодированное освещение

Шокирующий способ борьбы с фейковыми видео: революционный подход ученых из Корнелльского университета

13 августа 2025 г.

Вступление

В эпоху цифровых технологий фальсификация видео стало серьезной проблемой. Фейковые видео могут быть использованы для манипуляции общественным мнением, дискредитации политических оппонентов и даже для финансирования киберпреступности.

Однако, исследователи из Корнелльского университета разработали новый способ обнаружения фейковых видео, который может изменитьrules игры в борьбе с подделками.

Японский хокку «Ложь в зеркале» особенно актуален в этом контексте: «В зеркале ложь отражается, но правда не отражается».

Пересказ Reddit поста

Автор поста, chrisdh79, рассказывает о новом научном исследовании, которое может помочь в борьбе с фейковыми видео. Ученые разработали метод, который позволяет встраивать невидимые цифровые водяные знаки в источники света в сцене, что позволяет проверять аутентичность видео после его записи.

Концепция, называемая «шумокодированным освещением», была представлена на конференции SIGGRAPH 2025 в Ванкувере, Британская Колумбия. Автор проекта, Питер Майкл, аспирант факультета компьютерных наук Корнелльского университета, сказал, что это важная иngoing проблема, которая будет только усложняться с течением времени.

Суть проблемы

Фальсификация видео является серьезной проблемой в эпоху цифровых технологий. Фейковые видео могут быть использованы для манипуляции общественным мнением, дискредитации политических оппонентов и даже для финансирования киберпреступности.

Основная проблема в том, что фейковые видео становятся все более сложными и реалистичными, что делает их обнаружение все более трудным.

Детальный разбор проблемы

Одной из основных проблем в обнаружении фейковых видео является то, что злоумышленники могут использовать сложные алгоритмы и техники для создания реалистичных видео.

Кроме того, фейковые видео могут быть созданы с помощью искусственного интеллекта, что делает их обнаружение еще более сложным.

Практические примеры и кейсы

Один из примеров использования фейковых видео - это политическая пропаганда. Фейковые видео могут быть использованы для дискредитации политических оппонентов или для поддержки политических кампаний.

Другой пример - это финансирование киберпреступности. Фейковые видео могут быть использованы для создания фальшивых доказательств или для шантажа.

Экспертные мнения из комментариев

«Это важная иngoing проблема, которая будет только усложняться с течением времени» - сказал Питер Майкл, аспирант факультета компьютерных наук Корнелльского университета.
«Даже если противник знает о технике и сумел расшифровать коды, его задача по-прежнему будет намного сложнее. Вместо того, чтобы подделать свет для одного видео, они должны подделать каждый код видео отдельно, и все эти подделки должны согласовываться друг с другом» - сказал Абрахам Дэвис, ассистент профессора.

Возможные решения и рекомендации

Одно из возможных решений - это использование шумокодированного освещения, разработанного учеными из Корнелльского университета.

Другим решением может быть использование искусственного интеллекта для обнаружения фейковых видео.

Заключение с прогнозом развития

Фальсификация видео является серьезной проблемой в эпоху цифровых технологий. Однако, с помощью новых научных разработок, таких как шумокодированное освещение, мы можем надеяться на то, что в будущем мы сможем эффективнее бороться с фейковыми видео.


import cv2

# Загружаем видео
video = cv2.VideoCapture('video.mp4')

# Инициализируем переменные
frame_count = 0
light_sources = []

# Цикл по кадрам видео
while True:
    ret, frame = video.read()
    if not ret:
        break
    
    # Обрабатываем каждый кадр
    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    light_sources.append(cv2.goodFeaturesToTrack(gray, 100, 0.01, 10))
    
    frame_count += 1

# Закрываем видео
video.release()

# Анализируем источники света
for i in range(frame_count):
    for j in range(i + 1, frame_count):
        if cv2.norm(light_sources[i], light_sources[j]) < 10:
            print(f"Источник света {i} и {j} совпадают")

В этом примере мы используем OpenCV для загрузки видео и обнаружения источников света в каждом кадре. Затем мы анализируем источники света и ищем совпадения.

Оригинал

Recent Post

Categories

PREVIOUS ARTICLE
NEXT ARTICLE