پورنوگرافی جعل عمیق - ویکیپدیا، دانشنامهٔ آزاد
پورنوگرافی جعل عمیق یا دیپفیک، (به انگلیسی: Deepfake pornography) یا به سادگی پورنوگرافی جعلی، یک نوع پورنوگرافی مصنوعی است که از طریق دستکاری محتوای پورنوگرافی موجود و اعمال فناوری جعل عمیق روی چهره بازیگران ساخته میشود. استفاده از پورن جعل عمیق به دلیل ساخت و اشتراکگذاری ویدیوهای واقعگرایانهای که افراد بدون رضایت در آنها حضور دارند، معمولاً سلبریتیهای زن، جنجالبرانگیز شدهاست و گاهی برای پورن انتقام جویانه استفاده میشود. تلاشهایی در جهت مقابله با این نگرانیهای اخلاقی از طریق قانونگذاری و راهحلهای مبتنی بر فناوری انجام شدهاست.
تاریخچه
[ویرایش]اصطلاح «دیپفیک» برای اولین بار در سال ۲۰۱۷ در یک انجمن ردیت ایجاد شد، کاربران، ویدیوهای پورنوگرافی دستکاریشدهای را که با استفاده از الگوریتمهای یادگیری ماشین ساخته شده بودند، به اشتراک گذاشتند. این واژه ترکیبی از کلمه «یادگیری عمیق» (deep learning)، که به برنامهای اشاره دارد که برای ساخت ویدیوها استفاده میشود، و کلمه «جعلی» (fake)، به معنای اینکه ویدیوها واقعی نیستند، میباشد.[۱]
پورن دیپفیک یا جعل عمیق ابتدا در مقیاس کوچک فردی و با استفاده از ترکیبی از الگوریتمهای یادگیری ماشین، تکنیکهای بینایی کامپیوتری و نرمافزار هوش مصنوعی ساخته شد. این فرایند با جمعآوری مقدار زیادی مواد اولیه (شامل تصاویر و ویدیوها) از چهره فرد شروع شد، سپس با استفاده از یک مدل یادگیری عمیق یک شبکهٔ زایای دشمنگونه (GAN) آموزش داده شد تا ویدیوی جعلیای ایجاد کند که بهطور قانعکنندهای چهره مورد نظر را با چهره یک بازیگر پورن عوض میکند. با این حال، فرایند تولید از سال ۲۰۱۸ با ظهور چندین برنامه عمومی که تا حد زیادی این فرایند را خودکار کردهاند، بهطور قابل توجهی تکامل یافتهاست.[۲]
دیپنود
[ویرایش]ربات تلگرام دیپفیک
[ویرایش]موارد قابل توجه
[ویرایش]رعنا ایوب
[ویرایش]جنجال پخش کننده توییچ
[ویرایش]ملاحظات اخلاقی
[ویرایش]جعلعمیق پورنوگرافی کودکان
[ویرایش]رضایت
[ویرایش]مبارزه با پورنوگرافی جعل عمیق
[ویرایش]رویکرد فنی
[ویرایش]رویکرد حقوقی
[ویرایش]کنترل پخش و توزیع
[ویرایش]جستارهای وابسته
[ویرایش]منابع
[ویرایش]- ↑ Gaur, Loveleen; Arora, Gursimar Kaur (2022-07-27), DeepFakes, New York: CRC Press, pp. 91–98, doi:10.1201/9781003231493-7, ISBN 978-1-00-323149-3, retrieved 2023-04-20
- ↑ Azmoodeh, Amin, and Ali Dehghantanha. “Deep Fake Detection, Deterrence and Response: Challenges and Opportunities. ” arXiv.org, 2022.