Le géant technologique Intel pense avoir une solution au problème croissant des "deepfakes".
En début de semaine, la société a dévoilé FakeCatcher, une toute nouvelle solution logicielle qui utilise une approche novatrice de l'analyse des vidéos deepfake. Ce logiciel est censé pouvoir repérer les fausses vidéos de type deepfake avec une précision de 96 %.
Tout comme les solutions précédentes d'analyse des "deepfakes", celle d'Intel exploite la puissance du machine learning. Toutefois, au lieu de rechercher des incohérences dans la vidéo elle-même, FakeCatcher analyse le contenu pour déterminer si la personne dans la vidéo est un être humain réel qui a été enregistré à un moment donné ou un produit artificiel.
Changements (im)perceptibles sur le visage
Comment y parvient-il ? Selon Ilke Demir, chercheur principal d'Intel Labs, il peut voir si la personne dans la vidéo a un cœur qui bat ou non.
"Lorsque notre cœur pompe du sang, nos veines changent de couleur", indique le rapport d'Intel. "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."
La méthode est également connue sous le nom de photopléthysmographie (PPG), une technique éprouvée qui consiste à mesurer la quantité de lumière que les vaisseaux sanguins résidant dans un tissu vivant absorbent ou reflètent.
S'adressant à VentureBeat, Madame Demir a déclaré que les changements de couleur sont invisibles pour l'œil humain, mais pas pour un ordinateur. "Les signaux PPG sont connus, mais ils n'ont jamais été appliqués au problème du deepfake auparavant".
Elle a également expliqué que FakeCatcher recueille les signaux PPG à 32 endroits différents du visage.
"Nous prenons ces cartes et entraînons un réseau neuronal convolutif au-dessus des cartes PPG pour les classer comme fausses et réelles", a déclaré Demir. "Ensuite, grâce aux technologies Intel comme le Deep Learning Boost pour l'inférence et Advanced Vector Extensions 512, nous pouvons l'exécuter en temps réel avec jusqu'à 72 flux de détection simultanés."
Ilke Demir a construit FakeCatcher en collaboration avec Umur Ciftci, de l'université d'État de New York à Binghamton. Apparemment, les "deepfakes" sont une préoccupation croissante, car la création de vidéos très convaincantes devient de plus en plus facile.
