Deepfakes: creación de nuevas caras a partir de imágenes de famosos
Las técnicas deepfakes son usadas para la generación de vídeos, imágenes o audio manipulados. Su finalidad puede ser delictiva pero también puede ser útil en otras áreas como en la industria del cine. En este trabajo se han clasificado los distintos tipos de técnicas de deepfakes que hay, explicando...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2022 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/146181 |
| Acceso en línea: | http://hdl.handle.net/10609/146181 |
| Access Level: | acceso abierto |
| Palabra clave: | ciberseguretat privacitat deepfakes ciberseguridad privacidad cybersecurity privacy Computer security -- TFM Seguretat informàtica -- TFM Seguridad informática -- TFM |
| Sumario: | Las técnicas deepfakes son usadas para la generación de vídeos, imágenes o audio manipulados. Su finalidad puede ser delictiva pero también puede ser útil en otras áreas como en la industria del cine. En este trabajo se han clasificado los distintos tipos de técnicas de deepfakes que hay, explicando la finalidad de cada una, incluyendo varios modelos que implementen dichas técnicas. Estos modelos se han acotado a los que se basan en las redes GAN para su implementación, explicando estas y las redes CNN en las que se basan. Además, se ha implementado una prueba de concepto sobre la técnica deepfakes de generación de caras nuevas. El modelo elegido ha sido DCGAN porque no usa tantos recursos como otros modelos más exactos y el dataset CelebA por sus imágenes de gran resolución. El resultado ha mostrado que, con una red no muy profunda, se generan unas imágenes aceptables. Esto se ha evaluado de forma cualitativa, ya que la función de perdida no asegura la convergencia del modelo. Se han encontrado otras métricas cuantitativas que podrían ser probadas en futuros trabajos para ver cuando parar de generar imágenes de forma más exacta. Otra posible continuación de este trabajo sería buscar técnicas de detección para estos modelos de deepfakes y realizar alguna prueba con las imágenes generadas que compruebe si estas son falsas. |
|---|