Genç kadın mühendislerden sahte videolara çözüm
Yaşar Üniversitesi Bilgisayar Mühendisliği Bölümü öğrencilerinin tasarladığı "DEFACE: Deepfake ile Manipüle Edilmiş Verinin Tespiti ve Sınıflandırılması" adlı proje, yapay zeka programlarıyla oluşturulan sahte içerikleri tespit ediyor
27.07.2025 10:56:00
İhlas Haber Ajansı
İhlas Haber Ajansı
Yaşar Üniversitesi Bilgisayar Mühendisliği Bölümü öğrencilerinin tasarladığı "DEFACE: Deepfake ile Manipüle Edilmiş Verinin Tespiti ve Sınıflandırılması" adlı proje, yapay zeka programlarıyla oluşturulan sahte içerikleri tespit ediyor.
Özellikle ünlülerin sahte videolarının oluşturulmasıyla gündeme gelen deepfake (derin sahtecilik) yöntemi, dolandırıcılar tarafından da kullanıldığı için herkes için tehdit oluşturmaya başladı. Yaşar Üniversitesi Bilgisayar Mühendisliği öğrencileri, bu soruna çözüm bulmak için bir proje geliştirdi.
Yaşar Üniversitesi Bilgisayar Mühendisliği Bölümü öğrencileri Bilge Şenavcu, Selma İrem Özdemir, İlayda Gürbüzerol ve Nur Ceylin Çetin'in, Doç. Dr. Mete Eminağaoğlu danışmanlığında yürütmekte olduğu "DEFACE: Deepfake ile Manipüle Edilmiş Verinin Tespiti ve Sınıflandırılması" adlı proje, internette sürekli dolaşımda olan yapay zekayla oluşturulmuş videoları tespit ediyor.
DEFACE projesi, deepfake içeriklerinin tespitinde video ve ses verilerini bir arada işleyerek daha yüksek doğruluk ve verimlilik sağlamayı amaçlıyor. Multimodal veri işleme yaklaşımıyla, geleneksel yöntemlerin ötesine geçerek kimlik hırsızlığı ve siber saldırılar gibi tehditlere karşı daha etkili bir tespit yöntemi geliştirilmesi hedefleniyor. Projenin çıktıları; medya doğrulama, sosyal medya güvenliği ve siber güvenlik gibi alanlarda yenilikçi çözümler sunuyor. Deepfake içeriklerin yaygınlaştığı bir dönemde geliştirilen bu sistem, bireylerin ve kurumların dijital güvenliğini artırarak, sahte haberler ve siber saldırılar gibi tehditlere karşı güvenilir bir çözüm sağlıyor.
Benzerlik ölçümü yaparak sahte ve gerçek verileri ayırt etmeye yönelik kullanılan bir sinir ağı modelinden yararlanılan projede ayrıca; görüntü verilerini sınıflandırmada güçlü bir performans gösteren derin öğrenme modeli, gerçek ve sahte videolar arasındaki farkları öğrenmek için AutoEncoder kullanıldı. Multimodal öğrenme ile görüntü ve ses verileri çapraz test edilerek sahte ve gerçek verilerin doğruluğu artırıldı.
DEFACE projesi, TÜBİTAK 2209-A Üniversite Öğrencileri Araştırma Projeleri Destekleme Programı'ndan da kabul aldı.
Özellikle ünlülerin sahte videolarının oluşturulmasıyla gündeme gelen deepfake (derin sahtecilik) yöntemi, dolandırıcılar tarafından da kullanıldığı için herkes için tehdit oluşturmaya başladı. Yaşar Üniversitesi Bilgisayar Mühendisliği öğrencileri, bu soruna çözüm bulmak için bir proje geliştirdi.
Yaşar Üniversitesi Bilgisayar Mühendisliği Bölümü öğrencileri Bilge Şenavcu, Selma İrem Özdemir, İlayda Gürbüzerol ve Nur Ceylin Çetin'in, Doç. Dr. Mete Eminağaoğlu danışmanlığında yürütmekte olduğu "DEFACE: Deepfake ile Manipüle Edilmiş Verinin Tespiti ve Sınıflandırılması" adlı proje, internette sürekli dolaşımda olan yapay zekayla oluşturulmuş videoları tespit ediyor.
Kimlik hırsızlığı ve siber saldırılara karşı etkili yöntem
DEFACE projesi, deepfake içeriklerinin tespitinde video ve ses verilerini bir arada işleyerek daha yüksek doğruluk ve verimlilik sağlamayı amaçlıyor. Multimodal veri işleme yaklaşımıyla, geleneksel yöntemlerin ötesine geçerek kimlik hırsızlığı ve siber saldırılar gibi tehditlere karşı daha etkili bir tespit yöntemi geliştirilmesi hedefleniyor. Projenin çıktıları; medya doğrulama, sosyal medya güvenliği ve siber güvenlik gibi alanlarda yenilikçi çözümler sunuyor. Deepfake içeriklerin yaygınlaştığı bir dönemde geliştirilen bu sistem, bireylerin ve kurumların dijital güvenliğini artırarak, sahte haberler ve siber saldırılar gibi tehditlere karşı güvenilir bir çözüm sağlıyor.
Benzerlik ölçümü yaparak sahte ve gerçek verileri ayırt etmeye yönelik kullanılan bir sinir ağı modelinden yararlanılan projede ayrıca; görüntü verilerini sınıflandırmada güçlü bir performans gösteren derin öğrenme modeli, gerçek ve sahte videolar arasındaki farkları öğrenmek için AutoEncoder kullanıldı. Multimodal öğrenme ile görüntü ve ses verileri çapraz test edilerek sahte ve gerçek verilerin doğruluğu artırıldı.
DEFACE projesi, TÜBİTAK 2209-A Üniversite Öğrencileri Araştırma Projeleri Destekleme Programı'ndan da kabul aldı.
