Deep Fakes, une arme de désinformation massive ? La fin de la preuve par l’image ?

Point du référentiel retenu: Transformation d’images : Deep Fakes, une arme de désinformation massive ? La fin de la preuve par l’image ?

Les « deep fakes » sont une nouvelle technologie permettant de modifier des enregistrements qu’ils soient vidéos ou vocaux grâce à des algorithmes de « deep learning » c’est à dire que les machines apprennent par elles-mêmes. Grâce à ces algorithmes, une machine pourra recréer la voix de quelqu’un ou recréer son visage ce qui permettra de superposer cette recréation sur des enregistrements et c’est ce que l’on nomme des « deep fakes ».

Liste mots-clefs :

Deep fakes : permet de garantir la pertinence des recherches menés afin de rechercher des informations sur les deep fakes

Deep learning : procédé qui permet l’apprentissage automatique responsable de la capcité à faire des deep fakes. C’est une notion qu’il va falloir que je définisse.

Generative Adverarial Networks (GAN): à l’instar du deep learning il faut définir la notion.

Liste sites internet :

https://www.oracle.com/fr/security/definition-deepfake-risques.html: explication Deep fakes

https://fr.wikipedia.org/wiki/Deepfake: wiki du deep fakes

https://www.commentcamarche.net/faq/54075-qu-est-ce-qu-un-deepfake : explication Deep fakes

https://www.ionos.fr/digitalguide/web-marketing/search-engine-marketing/generative-adversarial-networks/ : explication du GAN

https://en.wikipedia.org/wiki/Generative_adversarial_network : wiki du GAN

https://deepfakesweb.com/ : site de deepfakes

https://www.sciencesetavenir.fr/high-tech/web/on-peut-creer-aujourd-hui-un-deepfake-avec-juste-une-photo-et-une-video_152760 : site sur des impacts possibles des deep fakes et la mise en place de recherche sur la détection de deep fakes.

https://fibrespeedtest.com/on-peut-creer-aujourdhui-un-deepfake-avec-juste-une-photo-et-une-video : articles sur les pistes de détection des deep fakes.

https://www.globalsign.com/fr/blog/preparer-securite-pour-deepfakes : site présentant les risques des deep fakes et la raison de leur sous-estimation.

https://www.moodys.com/research/Moodys-Deepfakes-can-threaten-companies-financial-health--PBC_1188117 : communiqué officiel de Moody’s sur les danger des deep fakes pour la santé economique des entreprises. Moody’s est une entreprise spécialisée dans la gestion des risques et l’analyse financière.

https://www.whichfaceisreal.com/results.php?r=0&p=1&i1=19669.jpeg&i2=image-2019-02-17_182949.jpeg : site où l’on a un visage faux et un visage vrai et l’on doit réussir à déterminer le vrai visage

https://portail-ie.fr/analysis/4064/les-deepfakes-entre-innovation-technologique-et-risque-majeur-pour-la-securite: risques des deepfakes

infos pertinentes:

-Generative Adverarial Networks est un algorithme inventée par le chercheur Ian Goodfellow utilisée pour la création des deep fakes. Cette technique consiste à analyser un échantillon de données et à créer sa propre création à partir des données récupérées. Constitué de 2 réseaux : le réseaux générateur produit des fausses données et le réseau discriminateur détermine si les images sont vrai ou fausse, on va lui envoyer les données originales et les données crées par le réseau générateur. Ces 2 réseaux vont s’améliorer parallèlement à mesure du temps car à chaque fois qu’ils sont utilisé ils apprennent. Les deep fakes deviennent alors de plus en plus élaboré et la détection est de plus en plus difficile car les traces de modifications deviennent de moins en moins visible.

-Il est devenu très simple pour n’importe qui de se procurer des logiciels de deep fakes. En effet il existe le site en ligne Deepfakes Web β permettant grâce à quelques échantillons de vidéos de changer le visage d’une personne sur une vidéo par le visage d’une personne de notre choix.

-Il existe par ailleurs des outils de machine learning open source tel que TensorFlow appartenant à google. Ces outils peuvent ensuite être utilisés afin de créer des algorithmes de truquage audio ou vidéo. C est par exemple le cas de DeepDream crée à partir de TensorFlow afin de modifier des photos et y développer une apparence « hallucinogènes ».

-Du fait que la création de deep fakes soient si facilement accessible par tout le monde, il faudra tôt ou tard une organisation mondiale ou nationale de régulation des deep fakes ou de certification d’enregistrement audio ou vidéo.

- Suite à l’apparition des deep fakes, des recherches sont menées afin de pouvoir différencié une vraie vidéo d’une fausse vidéo. Ces recherches ont commencé récemment car l’impact des deep fakes était jusqu’alors sous-estimé. Une première solution recherché par une équipe de chercheur américains

...