AntiFake · Moteur de détection de falsification en temps réel
Les technologies d'analyse a posteriori des falsifications existent déjà. Un verdict tardif ne permet plus d'agir ; nous avons donc conçu un moteur qui rend son verdict pendant le déroulement de la procédure. Ce projet de R&D national a été mené dans le cadre du programme de développement technologique pour la croissance des start-ups du ministère des PME et des Start-ups. Il a abouti au développement d'AntiFake et à un dépôt de brevet.
Réalisation du projet
Avant
Lancement 2023.05
Après
Achèvement 2024.07 · 8 critères de performance sur 8 atteints
Les écrans sont reconstitués avec des données fictives pour protéger les informations clients.
Contexte
Ouverture de compte à distance, vérification d’identité en ligne, entretien en visioconférence. À mesure que se multiplient les procédures où l’on identifie une personne par son visage, il devient nécessaire de vérifier que ce visage est authentique. Nous avons traité ce sujet dans le cadre d’un projet du programme 창업성장기술개발사업 du 중소벤처기업부 (ministère des PME et des Startups).
Le problème
Les technologies d’analyse a posteriori des falsifications existent déjà. Le projet visait le temps réel. Si le verdict n’est pas rendu pendant la procédure de vérification d’identité elle-même, il ne sert plus à rien.
Ce que nous avons réalisé
- Une technologie de détection en temps réel des vidéos de visages falsifiés
- Le logiciel AntiFake, publié gratuitement sur l’App Store et disponible en 4 langues
- 1 brevet déposé en Corée
Au-delà de la détection, l’entraînement s’exécute directement dans l’application. Plutôt que de reconstruire et de redéployer un modèle à chaque nouvelle méthode de falsification, nous avons voulu que l’entraînement puisse se poursuivre sur le terrain. L’écran montre un entraînement en cours.
L’interface est disponible en 4 langues, dont le coréen. L’image ci-dessus en présente trois ; les intitulés et les boutons changent selon la langue.
Résultats
Le projet s’est achevé comme prévu en juillet 2024. Un brevet a été déposé pour les résultats du développement en février 2024.
Les chiffres de performance proviennent d’un organisme d’essai externe. Le 구미전자정보기술원 (Gumi Electronics & Information Technology Research Institute) a mesuré 8 critères, et les 8 ont dépassé leur objectif. Par exemple, la vitesse de détection de deepfakes sur mobile a atteint 59.2FPS pour un objectif de 7FPS, mesurée sur un Galaxy S21 Ultra. L’équipement de mesure variant selon le critère, les 8 critères et leurs conditions de mesure sont détaillés sur la page Technologie.
Les autres projets sur ce thème sont réunis dans Intégration de l’IA.