Intel présente un détecteur de deepfake en temps réel
Dans le cadre de ses travaux sur l’IA responsable, Intel a développé FakeCatcher, une technologie capable de détecter les fausses vidéos avec un taux de précision de 96 %.
La plateforme de détection de deepfake d’Intel est le premier détecteur de deepfake en temps réel au monde qui renvoie des résultats en quelques millisecondes. “Les vidéos deepfake sont partout maintenant. Vous les avez probablement déjà vues ; des vidéos de célébrités faisant ou disant des choses qu’elles n’ont jamais réellement faites”, a déclaré Ilke Demir, chercheur principal au sein des Intel Labs.
La détection en temps réel des “deepfakes” d’Intel utilise du matériel et des logiciels Intel, fonctionne sur un serveur et s’interface avec une plate-forme Web. Du côté logiciel, un orchestre d’outils spécialisés forme l’architecture optimisée de FakeCatcher. Les équipes ont utilisé OpenVino pour exécuter des modèles d’IA pour les algorithmes de détection des visages et des points de repère. Les blocs de vision par ordinateur ont été optimisés avec Intel Integrated Performance Primitives (une bibliothèque logicielle multithread) et OpenCV (une boîte à outils pour le traitement d’images et de vidéos en temps réel), tandis que les blocs d’inférence ont été optimisés avec Intel Deep Learning Boost et avec Intel Advanced Vector Extensions 512, et que les blocs médias ont été optimisés avec Intel Advanced Vector Extensions 2. Les équipes se sont également appuyées sur le projet Open Visual Cloud pour fournir une pile logicielle intégrée pour la famille de processeurs Intel Xeon Scalable. Sur le plan matériel, la plateforme de détection en temps réel peut exécuter jusqu’à 72 flux de détection différents simultanément sur les processeurs Intel Xeon Scalable de 3e génération.
La plupart des détecteurs basés sur l’apprentissage profond examinent les données brutes pour tenter de trouver des signes d’inauthenticité et identifier ce qui ne va pas dans une vidéo. En revanche, FakeCatcher recherche des indices d’authenticité dans de vraies vidéos, en évaluant ce qui fait de nous des êtres humains – un “flux sanguin” subtil dans les pixels d’une vidéo. Lorsque notre cœur pompe le sang, nos veines changent de couleur. Ces signaux de flux sanguin sont collectés sur l’ensemble du visage et des algorithmes traduisent ces signaux en cartes spatio-temporelles. Ensuite, grâce à l’apprentissage profond, nous pouvons détecter instantanément si une vidéo est réelle ou fausse.
Les vidéos “deepfake” constituent une menace croissante. Selon le cabinet Gartner, les entreprises dépenseront jusqu’à 188 milliards de dollars en solutions de cybersécurité. Il est également difficile de détecter ces vidéos deepfake en temps réel – les applications de détection nécessitent de télécharger les vidéos pour analyse, puis d’attendre des heures pour obtenir les résultats.
La tromperie due aux deepfakes peut causer du tort et entraîner des conséquences négatives, comme une diminution de la confiance dans les médias. FakeCatcher contribue à rétablir la confiance en permettant aux utilisateurs de distinguer le vrai du faux contenu.
Il existe plusieurs cas d’utilisation potentiels pour FakeCatcher. Les plateformes de médias sociaux pourraient exploiter la technologie pour empêcher les utilisateurs de télécharger des vidéos deepfake nuisibles. Les organismes d’information mondiaux pourraient utiliser le détecteur pour éviter d’amplifier par inadvertance des vidéos manipulées. Et les organisations à but non lucratif pourraient employer la plateforme pour démocratiser la détection des deepfakes pour tous.
Source : TechPowerUp – Traduit par Anguille sous roche
