“Deepfake” como ferramenta de manipulação e disseminação de “fakenews” em formato de vídeo nas redes sociais
DOI:
https://doi.org/10.5195/biblios.2020.864Palavras-chave:
Deepfake, Fakenews, Manipulação de imagemResumo
Objetivo. A pesquisa a seguir tem como objetivo analisar os novos conteúdos de disseminação de informações falsas, assim buscando conceituar o que seriam as “deepfake” e as “fakenews” e as consequências dessas manipulações de imagem e veiculação de noticias.
Metodo. Desenvolveu-se uma pesquisa exploratória com levantamento bibliográfico de materiais previamente publicados, como artigos de periódicos científicos, em que foi realiza uma revisão de literatura apropriada de maneira a esclarecer e apresentar o assunto sobre as “deepfakes” ainda pouco conhecida, além disso, apresentar de que maneira ela é criada, manipulada a ponto de se dissemina de mananeira desenfreada frente às redes sociais.
Resultados. Sabe-se que hoje os softwares e aplicativos para smatphones proporcionam, de modo muito hábil, que usuários manipulem imagem com extrema facilidade, os chamados fakeApp,que são ferramentas que permitem alteração e manipulação de imagens de maneira que não deixem pistas visuais de sua alteração, podendo ser indistinguíveis aos autênticos. Exemplo do resultado destas manipulações é a “deepfake”, é a técnica que substitui o rosto de uma pessoa por outra em um vídeo, no panorama atual é comum visualizar vídeos falsos, o que geram as “fakenews”, ou notícias falsas, muito veiculadas nas redes sociais e que cabem por ganhar certa credibilidade devido à dificuldade de distinguir a veracidade na imagem ali mostrada, tão quão são imperceptíveis as marcas de adulteração. O que facilita a produção das “fakenews”, é que qualquer usuário com conhecimento limitado de programação e pouca aprendizagem tecnológica pode criar “deepfakes” e esse tipo de produção tem desencadeado desafios aos profissionais forenses, que ainda encontram significativa diferença entre as “deepfakes” e os vídeos autênticos.
Referências
Afchar, D., Nozick, V., & Yamagishi, J. (2018). MesoNet: A compact facial video forgery detection network. arXiv:1809.00888v1 [cs.CV] 4 Sep 2018. Recuperado de https://arxiv.org/abs/1809.00888.
Bunk, J. , Bappy, J. , Mohammed, T. , Nataraj, L. , Flenner, A. , Manjunath, B. , Chandrasekaran,S., … Peterson, L. (2017). Detection and localization of image forgeries using resampling features and deep learning. arXiv:1707.00433v1 [cs.CV] 3 Jul 2017. Recuperado de https://arxiv.org/abs/1707.00433
Floridi, F. (2018). Artificial Intelligence, Deepfakes and a Future of Ectype. Springer Netherlands. 31, 317-321. doi:10.1007/s13347-018-0325-3.
Genesini, S. (2018). A pós-verdade é uma notícia falsa. Revista USP. São Paulo:116, 45-58.
Güera, D., Delp, E. J. (2018). Deepfake video detection using recurrent neural networks. In IEEE International Conference on Advanced Video and Signal-based Surveillance (to appear). Doi: 10.1109 / AVSS.2018.8639163
Hasan, H. R., Salah, K., (2019). Combating Deepfake Videos Using Blockchain and Smart Contracts. in IEEE Access. 7, 41596-41606. doi: 10.1109/ACCESS.2019.2905689.
Joseph, R. (2019). Fakebusters strike back: How to spot deep fakes, the manipulated videos that are the newest form of “fake news” to hit the internet. Index on Censorship, 48(1), 76–79. doi: https://doi.org/10.1177/0306422019841326
Koopman, M., Rodriguez, A. M., & Geradts, Z. (2018). Detection of Deepfake Video Manipulation.In: Conference: IMVIP, At Belfast. August 2018. Recuperado de https://www.researchgate.net/publication/329814168_Detection_of_Deepfake_Video_Manipulation
Korshunov, P., Marcel, S. (2018). DeepFakes: A new threat to face recognition? assessment and detection. arXiv:1812.08685v1 [cs.CV] 20 Dec 2018. Recuperado de http://publications.idiap.ch/downloads/reports/2018/Korshunov_Idiap-RR-18-2018.pdf
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature. 521,436-444. doi: 10.1038/nature14539.
Li, Y., Lyu, S. (2018). Exposing deepfake videos by detecting face warping artifacts. arXiv:1811.00656v1 [cs.CV]. Recuperado de https://arxiv.org/abs/1811.00656
Maras, M.-H., & Alexandrou, A. (2018). Determining authenticity of video evidence in the age of artificial intelligence and in the wake of Deepfake videos. The International Journal of Evidence & Proof, 23(3), 255–262. doi: https://doi.org/10.1177/1365712718807226
Miyoung, C., & Youngsook, J. (2016) Face recognition performance comparison between fake faces and live faces. Soft Computing 21(12), 3429-3437. Recuperado de https://link.springer.com/content/pdf/10.1007%2Fs00500-015-2019-4.pdf
Ngiam, J., Khosla, A., Mingyu, K., Juhan, N., Honglak, L., Ng, A.Y. (2011). Multimodal Deep Learning. Proceedings of the 28th International Conference on Machine Learning, ICML 2011. 689-696. Recuperado de https://www.researchgate.net/publication/221345149_Multimodal_Deep_Learning
Popescu, A. C, Farid, H. (2005). Exposing digital forgeries by detecting traces of resampling. in IEEE Transactions on Signal Processing. 53(2),758-767. doi: 10.1109/TSP.2004.839932
Sabir, E., Cheng, J., Jaiswal, A., AbdAlmageed, W., Masi, I., and Natarajan, P. (2019). Recurrent convolutional strategies for face manipulation detection in videos. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition Workshops, 80-87. Recuperado de https://arxiv.org/abs/1905.00582
Sullivan, B. (2019). Charniak, E. An Introduction to Deep Learning. Perception, 48(8), 759–761. doi: https://doi.org/10.1177/0301006619857273
Tan, X., Li, Y., Liu, J., & Jiang, L. (2010). Face liveness detection from a single image with sparse low rank bilinear discriminative model, Computer Vision ECCV 2010. Springer, Berlin Heidelberg.
Xin, Y., Yuezun, L. & Siwei, L. (2018).Exposing Deep Fakes Using Inconsistent Head Poses. ICASSP 2019 - 2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Brighton, United Kingdom, 2019. 8261-8265. doi: 10.1109/ICASSP.2019.8683164.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Os autores que publicam neste periódico estão de acordo nos seguintes termos:
- O Autor retém o Direito sobre a sua Obra, onde o termo "Obra" incluirá todos os objetos digitais que podem resultar da publicação eletrônica posterior e/ou distribuição.
- Uma vez aceitada a Obra, o Autor concede à Editorial o direito da primeira publicação da Obra.
- O Autor lhe concederá à Editorial e seus agentes o direito permanente não exclusivo e licença para publicar, arquivar e fazer acessível a Obra em sua totalidade ou em parte, em todas as formas e os meios agora conhecidos ou no futuro, mediante uma Licença Creative Commons Atribuição 4.0 Internacional ou seu equivalente que, para evitar qualquer dúvida, permite a outros copiar, distribuir e comunicar publicamente a Obra nas condições seguintes: Atribuição - outros usuários devem reconhecer a Obra da forma especificada pelo Autor ou como se indica no lugar web do periódico científico; Entendendo que esta condição possa ser modificada com a licença do Autor e que, quando a Obra ou qualquer de seus elementos se ache no domínio público segundo a legislação aplicável, que seu status não esteja em absoluto afetado pela licença.
- O Autor é capaz de entrar em acordos contratuais independentes, adicionais para a distribuição não exclusiva da versão da Obra publicada no periódico científico (por exemplo, publicá-la num repositório institucional ou publicá-la num livro) sempre que se proporcione no documento um reconhecimento de sua publicação inicial neste periódico científico.
- Os Autores estão autorizados e tem o apoio para publicar em linha um manuscrito antes da sua publicação (mas não a versão final da Obra formatada em PDF para a Editorial) em repositórios institucionais ou em seu sitio, antes e durante o processo de envio, já que pode dar lugar a intercâmbios produtivos, e a uma citação primigênia maior do trabalho publicado (ver o efeito do acesso aberto). Dita Obra depois de sua aceitação e publicação se deverá atualizar, incluindo a referência DOI (Digital Object Identifier) atribuída pela Editorial e o vínculo ao resumo em linha da versão final publicada no periódico.
- A petição da Editorial, o Autor se compromete a comunicar e apresentar oportunamente ao Editor, e por conta dele, as provas escritas das permissões, licenças e autorizações para o uso de material de terceiros incluso na Obra, exceto o determinado pela Editorial a cobrir-se pelos princípios de uso justo.
- O Autor declara e garante que:
a. A Obra é um trabalho original do Autor;
b. O Autor não transferiu e não transferirá, os direitos exclusivos sobre a Obra para um terceiro;
c. A Obra não está em avaliação em outro periódico científico;
d. A Obra não foi publicada em outro periódico científico;
e. A Obra não contém nenhuma tergiversação ou infração ao trabalho propriedade de outros autores ou terceiros, e
f. A Obra não contém nenhuma difamação, invasão da privacidade, ou qualquer outro assunto ilegal. - O Autor se compromete a indenizar e eximir à Editorial se não cumprir com as declarações e garantias contidas no parágrafo 7 anterior, assim como de qualquer reclamação ou procedimento relacionado com o uso e a publicação da Editorial de qualquer conteúdo da Obra, incluído o conteúdo de terceiros.
