O papel da visão computacional no combate à desinformação digital: detecção automática de deepfakes em plataformas sociais the role
The role of computer vision in combating digital disinformation: automatic detection of deepfakes on social platforms
DOI:
https://doi.org/10.51473/rcmos.v1i1.2024.1870Palavras-chave:
visão computacional; desinformação digital; deepfakes; aprendizado profundo; redes neurais.Resumo
A disseminação de desinformação digital representa um dos maiores desafios contemporâneos da sociedade conectada. Com o advento das deepfakes, conteúdos sintéticos hiper-realistas produzidos por redes neurais, o problema ganhou dimensão inédita, impactando esferas políticas, econômicas e sociais. A visão computacional, em conjunto com o aprendizado de máquina, surge como ferramenta estratégica para a identificação automatizada dessas manipulações. O presente artigo analisa, sob uma perspectiva interdisciplinar entre ciência de dados, comunicação e tecnologia, o papel da visão computacional na detecção e mitigação de deepfakes em plataformas sociais. A pesquisa baseia-se em estudos recentes sobre arquitetura de redes convolucionais, aprendizado profundo e abordagens forenses digitais, destacando a importância de modelos interpretáveis e de base ética robusta. Por meio de revisão teórica e análise comparativa de métodos, discute-se como a integração de visão computacional e políticas comunicacionais pode fortalecer ecossistemas digitais resilientes contra a desinformação.
Downloads
Referências
ARAL, SINAN. The hype machine: how social media disrupts our elections, our economy, and our health—and how we must adapt. New York: Currency, 2020.
CHESNEY, ROBERT; CITRON, DANIELLE. Deep fakes: a looming crisis for privacy, democracy, and national security. California Law Review, v. 107, p. 1753–1819, 2019. DOI: https://doi.org/10.2139/ssrn.3213954
DOSHI-VELEZ, FINALE; KIM, BEEN. Towards a rigorous science of interpretable machine learning. arXiv, 2018.
FLORIDI, LUCIANO. The philosophy of information. Oxford: Oxford University Press, 2011. DOI: https://doi.org/10.1002/9781444396836.ch10
FLORIDI, LUCIANO. The logic of information: a theory of philosophy as conceptual design. Oxford: Oxford University Press, 2020. DOI: https://doi.org/10.1093/oso/9780198833635.001.0001
GOODFELLOW, IAN et al. Generative adversarial nets. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS. 2014.
HE, KAIMING et al. Deep residual learning for image recognition. In: IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION. 2015. DOI: https://doi.org/10.1109/CVPR.2016.90
HO, JONATHAN et al. Denoising diffusion probabilistic models. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS. 2020.
KARRAS, TERO et al. A style-based generator architecture for generative adversarial networks (StyleGAN). In: IEEE/CVF CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION. 2019. DOI: https://doi.org/10.1109/CVPR.2019.00453
KRIZHEVSKY, ALEX; SUTSKEVER, ILYA; HINTON, GEOFFREY. Imagenet classification with deep convolutional neural networks. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS. 2012.
MATERN, FABIAN; RIESS, CHRISTIAN; STAMMINGER, MARC. Exploiting visual artifacts to expose deepfakes and face manipulations. In: IEEE WINTER APPLICATIONS OF COMPUTER VISION. 2019. DOI: https://doi.org/10.1109/WACVW.2019.00020
PARIS, BRITT; DONOVAN, JOAN. Deepfakes and cheap fakes: the manipulation of audio and visual evidence. Harvard Kennedy School Misinformation Review, 2019.
QIAN, YUCHEN et al. Thinking in frequency: face forgery detection by mining frequency-aware clues. In: EUROPEAN CONFERENCE ON COMPUTER VISION. 2020. DOI: https://doi.org/10.1007/978-3-030-58610-2_6
ROSSLER, ANDREAS et al. FaceForensics++: learning to detect manipulated facial images. In: INTERNATIONAL CONFERENCE ON COMPUTER VISION. 2019. DOI: https://doi.org/10.1109/ICCV.2019.00009
SUN, XIAOYUAN; WANG, LI. Fake retina: detecting deepfakes via biological signal analysis. Journal of Visual Computing, 2020.
SZEGEDY, CHRISTIAN et al. Rethinking the inception architecture for computer vision. In: IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION. 2016. DOI: https://doi.org/10.1109/CVPR.2016.308
TANDOC, EDSON; LIM, ZHENG; LING, RICHARD. Defining “fake news”: a typology of scholarly definitions. Digital Journalism, 2018. DOI: https://doi.org/10.1080/21670811.2017.1360143
TUFEKCI, ZEYNEP. Twitter and tear gas: the power and fragility of networked protest. New Haven: Yale University Press, 2018. DOI: https://doi.org/10.1007/s10767-019-9317-2
VACCARI, CRISTIAN; CHADWICK, ANDREW. Deepfakes and disinformation: political campaigns in the AI age. Journal of Political Communication, 2020.
VOSOUGHÍ, SOROUSH; ROY, DEB; ARAL, SINAN. The spread of true and false news online. Science, 2018. DOI: https://doi.org/10.1126/science.aap9559
ZHAO, LIANG et al. DefakeHop: a lightweight high-performance deepfake detector. IEEE Transactions on Multimedia, 2021.
ZUBOFF, SHOSHANA. The age of surveillance capitalism: the fight for a human future at the new frontier of power. New York: PublicAffairs, 2019.
Downloads
Publicado
Edição
Seção
Categorias
Licença
Copyright (c) 2024 Matheus de Oliveira Pereira Paula (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Este trabalho está licenciado sob a Licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Isso significa que você tem a liberdade de:
- Compartilhar — copiar e redistribuir o material em qualquer meio ou formato.
- Adaptar — remixar, transformar e construir sobre o material para qualquer propósito, inclusive comercial.
O uso deste material está condicionado à atribuição apropriada ao(s) autor(es) original(is), fornecendo um link para a licença, e indicando se foram feitas alterações. A licença não exige permissão do autor ou da editora, desde que seguidas estas condições.
A logomarca da licença Creative Commons é exibida de maneira permanente no rodapé da revista.
Os direitos autorais do manuscrito podem ser retidos pelos autores sem restrições e solicitados a qualquer momento, mesmo após a publicação na revista.
Como Citar
