Αντιμετώπιση των deepfakes μέσω προηγμένων τεχνολογιών κυβερνοασφάλειας
| dc.contributor.advisor | Γκρίτζαλης, Στέφανος | |
| dc.contributor.author | Κουτσογιάννης, Παναγιώτης | |
| dc.date.accessioned | 2025-03-27T15:32:59Z | |
| dc.date.available | 2025-03-27T15:32:59Z | |
| dc.date.issued | 2025-03 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/17586 | |
| dc.description.abstract | Η ραγδαία εξέλιξη των αλγορίθμων τεχνητής νοημοσύνης τα τελευταία χρόνια, έχει εισαγάγει μία νέα απειλή στον κόσμο του διαδικτύου, τα αληθοφανή συνθετικά πολυμέσα. Πρόκειται για πολυμέσα όπως βίντεο, εικόνες, κείμενα, τα οποία έχουν παραχθεί από την τεχνητή νοημοσύνη και δύσκολα μπορούν να κατηγοριοποιηθούν ως τεχνητά ή μη. Ο σκοπός αυτής της εργασίας, είναι να αναδείξει την σημασία του προβλήματος της διανομής τεχνητών βίντεο και εικόνων επισημαίνοντας τον τρόπο που μπορεί να επηρεαστεί η κοινωνία μέσω της παραπληροφόρησης, εμβαθύνοντας παράλληλα και στις τεχνικές παρεμβάσεις που μπορεί να προσφέρει η κυβερνοασφάλεια για την αντιμετώπιση αυτών των απειλών. Αρχικά δίνεται το απαραίτητο υπόβαθρο για τον ορισμό των deepfakes αναφέροντας παραδείγματα απειλών μέσω πραγματικών περιστατικών του παρελθόντος. Έπειτα μέσω της ανάλυσης του τρόπου με τον οποίο τα deepfakes δημιουργούνται τίθεται η βάση για την συνέχεια της εργασίας, πιο συγκεκριμένα αναλύονται οι βασικοί αλγόριθμοι που δημιουργούν συνθετικό περιεχόμενο Generative Adversarial Networks και Autoencoders. Εστιάζοντας σε ένα σύστημα το οποίο θα αποτελεί μία ολοκληρωμένη λύση για την αυθεντικοποίηση και την διασφάλιση της ακεραιότητας γνήσιου υλικού που δεν έχει υποστεί επεξεργασία, γίνεται ανάλυση των βασικότερων τεχνικών ανίχνευσης συνθετικού περιεχομένου στην βιβλιογραφία εστιάζοντας στο μοντέλο Xception. Έπειτα μέσω τεχνικών watermarking εξηγείται πως μπορεί να επιτευχθεί η αυθεντικοποίηση του υλικού και η διασφάλιση της ακεραιότητας των πολυμέσων μέσω συγχρόνων τεχνικών. Βάσει αυτών δημιουργήθηκε κώδικας ο οποίος ανιχνέυει μέσω του μοντέλου Xception συνθετικό περιεχόμενο και έπειτα με την τεχνική LSB εισάγεται κρυπτογραφημένο υδατογράφημα μέσω του οποίου διασφαλίζεται η ακεραιότητα του περιεχομένου και η αυθεντικότητα. Τέλος παρατίθεται μια μικρή ανάλυση ως προς τα δεδομένα τα οποία δίνονται για την εκπαίδευση των μοντέλων τεχνητής νοημοσύνης και πως αυτά μπορούν να προστατευθούν από τον ΓΚΠΔ και την πράξη για την τεχνητή νοημοσύνη. | el |
| dc.format.extent | 67 | el |
| dc.language.iso | el | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
| dc.title | Αντιμετώπιση των deepfakes μέσω προηγμένων τεχνολογιών κυβερνοασφάλειας | el |
| dc.title.alternative | Cybersecurity advanced technologies for competing against deepfakes | el |
| dc.type | Master Thesis | el |
| dc.contributor.department | Σχολή Τεχνολογιών Πληροφορικής και Επικοινωνιών. Τμήμα Ψηφιακών Συστημάτων | el |
| dc.description.abstractEN | The rapid development of artificial intelligence algorithms in recent years has introduced a new threat to the world of the internet, the realistic synthetic multimedia. These are multimedia such as videos, images, texts, which have been produced by artificial intelligence and can hardly be categorized as artificial or not. The purpose of this paper is to highlight the importance of the problem of the distribution of artificial videos and images by highlighting the way in which society can be aoected through disinformation, while also delving into the technical interventions that cybersecurity can ooer to address these threats. Initially, the necessary background is given for the definition of deepfakes by citing examples of threats through real incidents of the past. Then, through the analysis of how deepfakes are created, the basis for the continuation of the work is set, more specifically, the basic algorithms that create synthetic content Generative Adversarial Networks and Autoencoders are analyzed. Focusing on a system that will constitute a comprehensive solution for the authentication and ensuring the integrity of genuine material that has not been processed, an analysis of the most basic synthetic content detection techniques in the literature is made, focusing on the Xception model. Then, through watermarking techniques, it is explained how the authentication of the material and the assurance of the integrity of multimedia can be achieved through modern techniques. Based on these, a code was created that detects synthetic content through the Xception model and then with the LSB technique an encrypted watermark is introduced through which the integrity of the content and authenticity are ensured. Finally, a brief analysis is provided regarding the data provided for training artificial intelligence models and how they can be protected by the GDPR and the Artificial Intelligence Act. | el |
| dc.contributor.master | Ασφάλεια Ψηφιακών Συστημάτων | el |
| dc.subject.keyword | Deepfakes | el |
| dc.subject.keyword | Cybersecurity | el |
| dc.subject.keyword | AI | el |
| dc.subject.keyword | CNNs | el |
| dc.subject.keyword | GANs | el |
| dc.subject.keyword | Watermarking | el |
| dc.subject.keyword | Disinformation | el |
| dc.subject.keyword | Detection | el |
| dc.date.defense | 2025-03 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
-
Τμήμα Ψηφιακών Συστημάτων
Department of Digital Systems
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα
Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα