-
انواع اتوانکدرها _Part2
یکشنبه 10 فروردین 1404 23:17
ادامه پست انواع اتوانکدر ۲.۲ . قیود کم‌تراکم (Sparsity Constraint) برای اعمال کم‌تراکم، معمولاً از یکی از روش‌های زیر استفاده میشود : مجازات L1 (L1 Regularization): افزودن مقدار L1-norm به تابع هزینه برای تشویق فعال شدن تعداد محدودی از نورون‌ها مجازات KL-Divergence: مقایسه توزیع خروجی نورون‌های نهان با یک توزیع هدف...
-
انواع اتوانکدرها _Part1
یکشنبه 10 فروردین 1404 23:14
اتوانکدرها بسته به نوع کاربرد و نحوه پردازش داده‌ها به دسته‌های مختلفی تقسیم می‌شوند: 1.اتوانکدر کلاسیک (Vanilla Autoencoder) ۱.۱ . تعریف و ساختار اتوانکدر کلاسیک ساده‌ترین نوع Autoencoder است که تنها از یک رمزگذار (Encoder) و یک رمزگشا (Decoder) تشکیل شده است. هدف آن یادگیری نمایش فشرده از داده‌ها و سپس بازسازی آن‌ها...
-
مفهوم اتوانکدر
شنبه 9 فروردین 1404 16:54
۱ . مفهوم اتوانکدر در یادگیری عمیق اتوانکدر (Autoencoder) یک شبکه عصبی مصنوعی غیرنظارتی است که برای یادگیری ویژگی‌های مهم داده‌ها، کاهش ابعاد و بازسازی داده‌های ورودی استفاده میشود. این مدل متشکل از دو بخش است : رمزگذار (Encoder) : ورودی را دریافت کرده و به یک نمایش فشرده در فضای نهان (Latent Space) تبدیل می‌کند ....
-
... Article_3:Cyber Security Intrusion Detection for Agriculture 4.0: Machine
جمعه 8 فروردین 1404 11:49
Cyber Security Intrusion Detection for Agriculture 4.0: Machine Learning-Based Solutions, Datasets, and Future Directions 3.1. Research Objective This paper focuses on machine learning-based anomaly detection in cybersecurity , but its techniques are applicable to image forgery detection as well. It examines ML models...
-
Article_2:Image Forgery Detection: A Survey of Recent Deep-Learning Approaches_Part2
پنج‌شنبه 7 فروردین 1404 08:19
ادامه پست معرفی مقاله Image Forgery Detection: A Survey of Recent Deep-Learning Approaches ۲.۳ . مزایا و محدودیت‌ها مزایا : مقایسه کامل و جامع بین روش‌های کلاسیک و یادگیری عمیق . بررسی نقاط قوت و ضعف هر روش در انواع مختلف جعل . محدودیت‌ها : داده‌های آزمایشی این مقاله به اندازه مقالات دیگر جامع نیست . مقاله به روش‌های...
-
Article_2:Image Forgery Detection: A Survey of Recent Deep-Learning Approaches_Part1
پنج‌شنبه 7 فروردین 1404 08:07
Image Forgery Detection: A Survey of Recent Deep-Learning Approaches نویسندگان : Zanardelli, M., Guerrini, F., Leonardi, R., & Adami, N. (2021) منبع : Springer Journal of Imaging ۲.۱ . هدف پژوهش این مقاله یک مرور جامع از روش‌های کلاسیک و مدرن تشخیص جعل تصاویر ارائه می‌دهد و مدل‌های سنتی یادگیری ماشین (Machine...
-
Article_1:Face Forgery Detection via Multi-Feature Fusion and Local Enhancement_Part2
چهارشنبه 6 فروردین 1404 17:49
ادامه پست معرفی مقاله :Face Forgery Detection via Multi-Feature Fusion and Local Enhancement نتایج و یافته‌ها این روش ترکیبی دقت بالاتری نسبت به مدل‌های سنتی منفرد مانند SVM دارد . ویژگی‌های بافت و هندسه چهره نقش مهمی در افزایش نرخ تشخیص جعل ایفا می‌کنند . این روش در تشخیص جعل‌های مبتنی بر تغییرات جزئی عملکرد بهتری...
-
Article_1:Face Forgery Detection via Multi-Feature Fusion and Local Enhancement_Part1
چهارشنبه 6 فروردین 1404 17:47
نویسندگان : Zhang, D., Chen, J., Liao, X., Li, F., Chen, J., & Yang, G. (2020) منبع : IEEE Transactions on Information Forensics and Security ۱.۱ . هدف پژوهش هدف این مقاله ارائه یک الگوریتم ترکیبی برای تشخیص جعل چهره (Face Forgery Detection) است که ویژگی‌های چندگانه تصویری را ترکیب کرده و از بهبود محلی برای افزایش...
-
روش‌های کلاسیک تشخیص جعل تصاویر
یکشنبه 26 اسفند 1403 09:44
روش‌های کلاسیک تشخیص جعل تصاویر عمدتاً مبتنی بر پردازش تصویر و یادگیری ماشین هستند. این روش‌ها قبل از ظهور یادگیری عمیق به طور گسترده استفاده می‌شدند و هنوز در برخی کاربردها به کار می‌روند. این روش‌ها معمولاً شامل تحلیل ویژگی‌های تصویری و استفاده از مدل‌های سنتی یادگیری ماشین برای طبقه‌بندی تصاویر به عنوان واقعی یا...
-
روش‌های تشخیص جعل تصاویر
دوشنبه 20 اسفند 1403 19:05
روش‌های تشخیص جعل تصاویر را می‌توان به دو دسته‌ی کلی تقسیم کرد : 1_ روش‌های مبتنی بر یادگیری ماشین (Machine Learning-Based Methods) 2_ روش‌های مبتنی بر یادگیری عمیق (Deep Learning-Based Methods) 1_ روش‌های مبتنی بر یادگیری ماشین این روش‌ها از الگوریتم‌های پردازش تصویر و یادگیری ماشین برای استخراج ویژگی‌های تصویری و...
-
جعل در تصویر چهره
شنبه 20 بهمن 1403 05:15
جعل در تصویر چهره (Face Image Forgery) جعل تصویر چهره یکی از پیشرفته‌ترین و چالش‌برانگیزترین انواع جعل دیجیتال محسوب میشود که به‌طور گسترده در جعل هویت، جعل رسانه‌ای، تبلیغات فریبنده، حملات امنیتی و دستکاری افکار عمومی مورد استفاده قرار می‌گیرد. این نوع جعل به‌دلیل وابستگی به فناوری‌های بینایی کامپیوتر، یادگیری عمیق...
-
پرسش
سه‌شنبه 16 بهمن 1403 00:01
آیا می‌توانید به آنچه می‌بینید اعتماد کنید؟
-
جعل در تصویر
چهارشنبه 12 دی 1403 11:16
جعل در تصویر (Image Forgery) جعل تصاویر یکی از پیچیده‌ترین و پرکاربردترین حوزه‌های جعل دیجیتال است که با پیشرفت الگوریتم‌های پردازش تصویر، یادگیری عمیق و شبکه‌های مولد تخاصمی (GANs) به سطحی رسیده که تمایز آن از تصاویر واقعی به چالش جدی تبدیل شده است. این نوع جعل در زمینه‌های مختلفی مانند جعل هویت، تغییر محتوای...
-
انواع جعل
دوشنبه 5 آذر 1403 01:15
جعل اطلاعات دیجیتال به‌عنوان یک چالش اساسی در حوزه امنیت سایبری و فناوری اطلاعات، در چهار دسته اصلی طبقه‌بندی میشود : جعل متن، صوت، تصویر و ویدیو . این دسته‌بندی بر اساس تکنیک‌های به‌کاررفته در تولید محتوای جعلی و میزان تغییرات ایجادشده در داده‌های اولیه انجام میشود . ۱ . جعل متن (Text Forgery) جعل متن شامل تغییر،...
-
جعل چیست؟
سه‌شنبه 29 آبان 1403 21:22
تعریف جعل جعل به عمل تغییر عمدی و غیرمجاز در یک شیء، داده یا اطلاعات با هدف فریب دادن و به دست آوردن منافع نادرست اطلاق میشود. در دنیای دیجیتال امروزی، جعل تصویری به ویژه جعل چهره یکی از چالش های اصلی در زمینه های امنیت اطلاعات، رسانه ها و سیستم های شناسایی بیومتریک است. جعل های دیجیتال در سالهای اخیر به ویژه با ظهور...