تاکنون عمدتاً از روش‌های آماری برای تشخیص ویدیوهای واقعی از دیپ فیک استفاده می‌شد، اما حالا محققان روش جدیدی برای تشخیص این قبیل ویدیوها پیدا کرده‌اند که مبتنی بر تحلیل فرکانس است.
به گزارش Digital Trends، رویکرد جدید بر «تبدیل کسینوسی گسسته» (Discrete cosine transform) تمرکز می‌کند. این فناوری که سال 1972 معرفی شد و از آن برای پردازش سیگنال استفاده می‌شود، ویدیوهای دیپ فیک را برای پیدا کردن تغییرات (Artifacts) در فرکانس‌های بالا تحلیل می‌کند. از این فناوری می‌توان برای شناسایی تصاویری استفاده کرد که با استفاده از مدل‌های یادگیری ماشینی درست شده‌اند.
«Joel Frank»، از مخترعان این روش از موسسه فناوری اطلاعات Horst Görtz دانشگاه رور بوخوم می‌گوید: «تصاویر طبیعی عمدتاً از عملکردهای فرکانس پایین تشکیل شده‌اند. اما تصاویری که به کمک مدل‌های یادگیری ماشینی ایجاد شده‌اند، تغییراتی را در فرکانس‌های بالا نشان می‌دهند. رویکرد ما این قبیل تغییرات را شناسایی می‌کند.»
محقق یاد شده افزود: «آزمایش‌هایی که ما انجام دادیم نشان می‌دهند که آرتیفکت‌های ویدیوهای دیپ فیک ناشی از مشکلات ساختاری الگوریتم‌های یادگیری ماشینی هستند. بنابراین ما معتقدیم که یافته‌های ما برای آینده نیز کاربردی خواهد بود.»
البته با پیشرفتی که فناوری دیپ فیک در چند سال اخیر داشته، هیچ بعید نیست که این آسیب پذیری در ویدیوهای آینده از میان برداشته شده و کار محققان برای تشخیص ویدیوهای جعلی سخت تر شود. پیشرفت فناوری دیپ فیک آنقدر سریع است که ویدیوهای سال قبل با ویدیوهایی که امسال ساخته شده‌اند بسیار تفاوت داشته و بیننده به سختی می‌تواند به جعلی بودن آن پی ببرد.
او اضافه کرد که یادگیری ماشینی با «سرعت فوق العاده» در حال پیشرفت بوده و نمی‌توان در این زمینه به طور 100 درصد مطمئن بود.
