Кваліфікаційна робота на тему «Розробка програмного забезпечення для виявлення фотопідробок, виконаних засобами нейронних мереж» на здобуття першого (бакалаврського) рівня вищої освіти за спеціальністю 125 Кібербезпека, спеціалізація, освітня програма: Кібербезпека виконана в обсязі 61 сторінки і містить 17 рисунків, 2 таблиці, 1 додаток та 27 джерел за переліком посилань.
Метою роботи є виявлення порушень цілісності медіа файлів, виконаних за технологією Deepfake, шляхом розробки програмного додатку з використанням нейронної мережі.
В результаті аналізу існуючих систем та методів розв’язання даної задачі створена згорткова нейронна мережа для виявлення зображень, які містять Deepfake.
У даній роботі проводиться аналіз методів навчання нейронних мереж, параметрів і гіперпараметрів, здатних краще і швидше вирішити проблеми навчання нейронних мереж. Важливою частиною реалізації такої системи є набір даних, тобто зображення, які далі надходять в алгоритм детектування Deepfake. Практично підтверджено, що на точність результату також впливають самі дані та кількість даних.
Результати роботи можуть бути використані судовими лабораторіями та експертами-криміналістами при перевірці цифрових зображень та відео на наявність їх фальсифікації.
Можливими напрямками подальших досліджень є продовження роботи з аналізу впливу різних видів несанкціонованого втручання у цифрове зображення з метою змінення його змісту та значення.
Qualification work on "Software development for detection of photo forgeries made by neural networks" for the first (bachelor's) level of higher education in in 125 – Cybersecurity, specialization educational program Cybersecurity is written volume contains 61 pages and 17 figures, 2 table, 1 appendix and 27 sources for references.
The aim of the work is to identify violations of the integrity of media files made by Deepfake technology, by developing a software application using a neural network.
The result of the analysis of existing systems and methods of solving this problem is a convolutional neural network that was created to detect images that contain Deepfake.
This paper analyzes the methods of learning neural networks, parameters and hyper parameters that can better and faster solve the problem of learning neural networks. The important part of the implementation of such a system is dataset, that are images that fed into the Deepfake detection algorithm. It is practically confirmed that the accuracy of the result is also affected by the data itself and the amount of data.
The results can be used by forensic laboratories and forensic experts to check digital images and videos for falsification.
Possible areas of further research are the continuation of work on the analysis of the impact of various types of unauthorized interference in digital images in order to change its content and meaning.
