VROF

Réalisations

Le verdict de falsification arrive au moment même où la vérification d'identité est en cours

Les technologies qui analysent une falsification après coup existent déjà. Si le verdict arrive trop tard, on ne peut rien en faire ; l'objectif était donc d'obtenir le verdict pendant que la procédure est encore en cours. Il s'agit d'un projet national de R&D mené dans le cadre du 창업성장기술개발사업 du 중소벤처기업부 (Ministère des PME et des Startups), dont le résultat est AntiFake, pour lequel un brevet a été déposé.

Exécution du projet

Avant

Début 2023.05

Après

Achèvement 2024.07 · les 8 critères de performance atteints

Écran de verdict d'AntiFake. À côté du message « 분석 완료 / 위 이미지는 AI 합성 이미지일 확률이 높습니다 » (« Analyse terminée / Cette image a une forte probabilité d'être une image synthétisée par IA »), les probabilités d'image synthétisée par IA et d'image générée par IA sont affichées sous forme de barres, avec en dessous une explication des deux termes.
Écran de verdict de l'application. Le 98.53% affiché à l'écran est la probabilité que cette seule image soit un composite. La précision de détection est une valeur distincte, indiquée avec ses conditions de mesure dans le tableau d'évaluation des performances de la page technique.
Démo de détection en temps réel. Probabilité que la vidéo soit fausse : 98.53%.
Client
중소벤처기업부 창업성장기술개발(R&D)
Secteur
R&D national
Année de réalisation
2024
Durée
2023.05 – 2024.07 (15 mois)
Domaine
Application de l’IA
  • Analyse vidéo par IA
  • Traitement en temps réel
  • AntiFake

Contexte

Ouverture de compte à distance, vérification d’identité à distance, entretien en visioconférence. Plus les procédures qui identifient une personne à partir de son visage se multiplient, plus il devient nécessaire de vérifier que ce visage est réel. Nous avons traité ce problème dans le cadre du projet 창업성장기술개발사업 du 중소벤처기업부 (Ministère des PME et des Startups).

Le problème défini

Les technologies qui analysent après coup si quelque chose est falsifié existent déjà. Ce que le projet visait, c’était le temps réel. Si le verdict ne tombe pas au moment même où la procédure de vérification d’identité est en cours, on ne peut rien faire du résultat.

Ce qui a été réalisé

  • Une technologie qui détecte en temps réel les vidéos de visages falsifiés
  • Le produit logiciel AntiFake — publié sur l’App Store en application gratuite, prenant en charge 4 langues
  • 1 dépôt de brevet national

Écran d’apprentissage automatique de l’application AntiFake. En haut se trouvent les onglets « Fake 탐지 / 머신러닝 / Update » ; à gauche, « 딥러닝 콘트롤 » (contrôle de l’apprentissage profond) comporte un bouton de démarrage de la formation, et à droite, « Deep Learning Status » affiche une barre de progression avec les journaux de formation par epoch et par itération.

Au-delà de la détection, la formation s’exécute aussi directement dans l’application. Plutôt que de reconstruire et de livrer un modèle à chaque fois qu’une nouvelle méthode de falsification apparaît, nous avons estimé que la formation devait pouvoir se poursuivre sur le terrain. Ce que montre l’écran, c’est cette formation en cours.

Écran multilingue de l’application AntiFake. Il est divisé en trois rangées — anglais, chinois traditionnel et japonais, de haut en bas — chacune contenant les écrans de récupération de mot de passe, d’inscription et de connexion. Les noms des champs et les libellés des boutons s’affichent dans chaque langue. L’écran de démarrage à l’extrême droite est flouté à cause de la photo de personne disposée derrière.

Les écrans s’affichent dans 4 langues, dont le coréen. La figure ci-dessus en montre trois ; les noms des champs et les libellés des boutons changent selon la langue. La colonne la plus à droite est l’écran de démarrage, qui avait une photo de personne de test en arrière-plan, aussi est-il flouté — pour la même raison que celle pour laquelle l’écran de couverture a été recadré au seul panneau de verdict.

Résultats

Le projet a été achevé comme prévu en juillet 2024. Un brevet a été déposé pour les livrables en février 2024.

Les chiffres de performance proviennent d’un organisme de test externe. 구미전자정보기술원 (Institut de recherche sur les technologies de l’information et de l’électronique de Gumi) a mesuré 8 critères, et les 8 ont dépassé leurs objectifs. Par exemple, la vitesse de détection de deepfake mobile a atteint 59.2FPS pour un objectif de 7FPS, cette valeur étant mesurée sur un Galaxy S21 Ultra. Comme l’équipement de mesure diffère selon le critère, les 8 critères et leurs conditions de mesure figurent tels quels sur la page technique.

Les autres travaux sur le même sujet sont rassemblés sous AI 적용 (application de l’IA).

Sources des faits

Rapport final du 창업성장기술개발사업 (programme de développement technologique pour la croissance des startups, « 디딤돌 »)

Des conseils pour vous faire gagner du temps Consultation gratuite · Réponse sous 1 jour ouvré

Contact