با پیشرفت سریع ابزارهای تولید صدا، شناسایی «دیپفیکهای صوتی» به یکی از چالشهای امنیتی اصلی تبدیل شده است. محققان در پژوهشی جدید، ۱۰ مدل تشخیص دیپفیک را در برابر انواع نویز، فشردهسازی و تغییرات صوتی تست کردهاند.
نتایج جالبی به دست آمده:
✅ مدلهای مبتنی بر «مدلهای زبانی پایه» (Foundation Models) در تشخیص دیپفیک بسیار قدرتمندتر از مدلهای سنتی عمل میکنند.
⚠️ اکثر مدلها همچنان در برابر تغییرات فنی صدا (مانند فشردهسازیهای عصبی) آسیبپذیر هستند.
🚀 نکته کلیدی: افزایش ابعاد مدل و استفاده از دادههای متنوع، تابآوری آنها را در دنیای واقعی بسیار بیشتر میکند.
این تحقیق نشان میدهد که برای مقابله با کلاهبرداریهای صوتی، باید از ابزارهای هوشمندتر و مقاومتری در سیستمهای امنیتی استفاده کنیم.
منبع: arXiv AI
