Tóm tắt Đề án tốt nghiệp Thạc sĩ: Nghiên cứu, ứng dụng phương pháp học sâu vào phát hiện ảnh Deepfake

Sự phát triển mạnh mẽ của trí tuệ nhân tạo (AI) và học sâu (DL) đã mang lại những tiến bộ vượt bậc, đặc biệt trong thị giác máy tính và xử lý hình ảnh. Tuy nhiên, sự xuất hiện của công nghệ Deepfake, tạo ra các nội dung số giả mạo chân thực, đã đặt ra nhiều thách thức nghiêm trọng. Ban đầu, Deepfake có thể được sử dụng cho các mục đích tích cực, nhưng sự tinh vi ngày càng tăng của nó đã dẫn đến những lo ngại sâu sắc về lừa đảo, phát tán thông tin sai lệch và xâm phạm quyền riêng tư. Thực trạng này đòi hỏi cấp thiết các phương pháp phát hiện Deepfake hiệu quả để bảo vệ tính xác thực của thông tin, an ninh mạng và đạo đức xã hội. Các phương pháp truyền thống không còn đủ sức chống lại sự phát triển không ngừng của các thuật toán Deepfake, mở ra nhu cầu về các giải pháp dựa trên học sâu tiên tiến.

Các nhà nghiên cứu, sinh viên chuyên ngành Khoa học máy tính, Trí tuệ nhân tạo, Học sâu và An ninh mạng, cũng như các chuyên gia trong lĩnh vực pháp y kỹ thuật số và bảo mật thông tin.

Nghiên cứu này tập trung vào việc nghiên cứu và ứng dụng các phương pháp học sâu để phát hiện ảnh Deepfake, một vấn đề ngày càng trở nên cấp bách trong bối cảnh phát triển mạnh mẽ của trí tuệ nhân tạo. Đề án cung cấp cái nhìn tổng quan về công nghệ Deepfake, phân tích các đặc điểm của ảnh giả mạo do AI tạo ra và chỉ ra những hạn chế của các phương pháp phát hiện truyền thống. Trọng tâm của nghiên cứu là đánh giá và đề xuất các mô hình học sâu tối ưu, bao gồm các kiến trúc như Convolutional Neural Networks (CNNs), Recurrent Neural Networks (RNNs) và Vision Transformers (ViTs), vốn đã chứng minh khả năng vượt trội trong việc tự động trích xuất và phân tích các đặc trưng tinh vi của ảnh Deepfake. Luận văn trình bày một giải pháp toàn diện từ thu thập dữ liệu, triển khai thuật toán đến thực hiện thử nghiệm và so sánh các mô hình để đánh giá kết quả phát hiện. Mục tiêu cuối cùng là nâng cao hiệu quả nhận diện Deepfake, góp phần ngăn chặn những tác động tiêu cực của công nghệ này đối với an ninh mạng, bảo vệ danh tính số và tính xác thực của thông tin trên không gian mạng.