Вчені UCLA створили оптичний процесор для виявлення дипфейків із точністю 98%
Дослідники з Каліфорнійського університету в Лос-Анджелесі розробили оптико-нейронний процесор, який використовує світло для одночасного аналізу кількох відеопотоків і виявлення дипфейків із точністю близько 98%.
Дослідницька група з Каліфорнійського університету в Лос-Анджелесі (UCLA) представила оптико-нейронний процесор, здатний аналізувати відео та виявляти дипфейки з точністю близько 98%. Розробка використовує світло для обробки даних, що дозволяє одночасно працювати з кількома відеопотоками.
Новий пристрій поєднує оптичні компоненти з нейронною мережею, що дає змогу виконувати обчислення значно швидше та з меншими енерговитратами порівняно з традиційними електронними процесорами. За словами дослідників, такий підхід відкриває шлях до створення компактних і високопродуктивних систем для аналізу відеоконтенту в реальному часі.
Дипфейки — це синтетичні відео або зображення, створені за допомогою штучного інтелекту, які важко відрізнити від справжніх. Вони становлять дедалі більшу загрозу для медіа, політики та особистої безпеки, оскільки можуть використовуватися для поширення дезінформації. Традиційні методи виявлення часто потребують значних обчислювальних ресурсів і не завжди встигають за розвитком технологій створення фейків.
Розробка UCLA пропонує альтернативний підхід: замість послідовної обробки кадрів електронними схемами процесор використовує світлові хвилі для паралельного аналізу. Це дозволяє одночасно перевіряти кілька відеопотоків, що особливо важливо для моніторингу соціальних мереж або новинних платформ, де контент з’являється безперервно.
Точність близько 98% є високим показником для систем виявлення дипфейків. Хоча дослідження ще не завершено і попереду випробування на реальних даних, результати вже привертають увагу фахівців із кібербезпеки та штучного інтелекту. Оптичні процесори можуть стати основою для майбутніх систем захисту від маніпуляцій з відео.
Окрім боротьби з дипфейками, технологія може знайти застосування в інших сферах, де потрібна швидка обробка великих обсягів відеоданих: від систем безпеки до медичної діагностики та автономного транспорту. Використання світла замість електричних сигналів знижує енергоспоживання і підвищує швидкість обчислень.
Дослідники UCLA наголошують, що їхній процесор здатен аналізувати відео в режимі, наближеному до реального часу, що є критично важливим для оперативного виявлення фейків. Подальші кроки включатимуть удосконалення архітектури та тестування на різноманітних наборах даних, щоб підтвердити стабільність результатів.
Хоча розробка ще не готова до масового впровадження, вона демонструє потенціал оптичних нейронних мереж у сфері кібербезпеки. З огляду на стрімке зростання кількості дипфейків у мережі, такі інновації можуть стати важливим інструментом для захисту інформаційного простору.
2
