بررسی تشخیص تصاویر جعلی با هوش مصنوعی با استفاده از یادگیری عمیق

با گسترش سریع رسانه های دیجیتال و ظهور فناوری های تولید تصاویر جعلی به ویژه مبتنی بر شبکه های مولد تخاصمی (GANS)، تشخیص تصاویر دستکاری شده به یکی از چالش های مهم در حوزه امنیت اطلاعات و اعتماد عمومی تبدیل شده است. در سال های اخیر استفاده از هوش مصنوعی و به ویژه یادگیری عمیق به عنوان رویکردی موثر برای شناسایی این نوع داده ها مورد توجه گسترده قرار گرفته است. هدف این مقاله مروری بررسی جامع پژوهش های انجام شده در زمینه تشخیص تصاویر جعلی با تکیه بر مدل های یادگیری عمیق است. بدین منظور روش های مختلف مبتنی بر شبکه های کانولوشنی (CNN)، شبکه های بازگشتی (RNN)، مدل های هیبریدی و ساختارهای جدید مانند Transformer مورد مقایسه قرار گرفته اند. همچنین مجموعه داده ها و شاخص های ارزیابی متداول در این حوزه معرفی و تحلیل شده اند. یافته های مرور نشان می دهد که ترکیب چندین مدل و استفاده از ویژگی های سطح بالا می تواند دقت تشخیص را به طور قابل توجهی افزایش دهد. با این حال چالش هایی همچون کمبود داده های واقعی، قدرت فریب بالای تصاویر تولیدشده و هزینه محاسباتی زیاد همچنان از موانع اساسی محسوب می شوند. در پایان مسیرهای آینده پژوهش شامل بهره گیری از یادگیری بدون نظارت و مدل های چندوجهی پیشنهاد شده است.

کلیدواژه ها:

تشخیص تصویر جعلی ، هوش مصنوعی ، یادگیری عمیق ، شبکه های عصبی کانولوشنی ، جعل دیجیتال