01 mar 2021
14:00 Defesa de Mestrado Integralmente a distância
Tema
Detecção de DeepFakes a Partir de Técnicas de Visão Computacional e Aprendizado de Máquina
Aluno
Camila Steffane Fernandes Teixeira de Moura
Orientador / Docente
Anderson de Rezende Rocha
Breve resumo
Com os avanços tecnológicos e o acesso a informações em tempo real, uma nova classe de problemas surgiu, as notícias falsas. Uma evolução e mais preocupante técnica que vem sendo utilizada são as Deepfakes, em que imagens ou vídeos são artificialmente manipulados, por meio de aprendizado profundo, que vem minimizando o tempo e a quantidade de dados necessários para desenvolver esses conteúdos sintéticos/falsos. Analisando essa crescente problemática e os impactos que podem ocorrer, em áreas políticas, de entretenimento, entre outras, desenvolvemos este projeto, que visa analisar como as técnicas de aprendizado de máquina e aprendizado profundo podem auxiliar na tarefa de detcção de Deepfakes. No decorrer deste trabalho, analisamos algumas bases de dados disponíveis, além de termos criado a nossa própria base composta de vídeos falsos de conteúdo sensível envolvendo apenas mulheres, principal publico alvo de Deepfakes para entretenimento adulto. Avaliamos o comportamento de técnicas tradicionais de aprendizado profundo para a tarefa de classificação entre imagens com e sem manipulações faciais, assim como, a influência que as características específicas das imagens, podem impactar diretamente na qualidade do modelo de detecção gerado.
Banca examinadora
Titulares:
| Anderson de Rezende Rocha | IC/UNICAMP |
| João Paulo Papa | FC/UNESP |
| Julio Cesar dos Reis | IC/UNICAMP |
Suplentes:
| Sandra Eliza Fontes de Avila | IC/UNICAMP |
| Jefersson Alex dos Santos | DCC/UFMG |