أسرع من الكذب: الكشف الفوري عن المُزيف العميق باستخدام الشبكات العصبية الثنائية

تهدف كشف المُزيف العميق (Deepfake Detection) إلى مواجهة انتشار المحتوى الوسائطي المُنشأ بالذكاء الاصطناعي الذي يُضعف الثقة في المحتوى الرقمي. في حين تركز الطرق الحالية على النماذج الكبيرة والمعقدة، فإن الحاجة إلى الكشف في الوقت الفعلي تتطلب كفاءة أكبر. وبناءً على ذلك، وبخلاف الدراسات السابقة، نقدّم منهجًا جديدًا لكشف المُزيف العميق في الصور باستخدام الشبكات العصبية الثنائية (Binary Neural Networks - BNNs)، مما يُتيح استنتاجًا سريعًا مع فقدان ضئيل في الدقة. علاوةً على ذلك، يُضمن هذا المنهج ميزات إضافية عبر قنوات التحويل باستخدام التحويل السريع للفورييه (Fast Fourier Transform - FFT) ونمط البكسل الثنائي المحلي (Local Binary Pattern - LBP)، للكشف عن آثار التلاعب في المجالات الترددية والنمطية. وقد أظهرت التقييمات على مجموعات بيانات COCOFake وDFFD وCIFAKE أداءً يُعدّ من الأفضل على الصعيد العالمي في معظم السيناريوهات، مع تحسين كبير في الكفاءة يصل إلى انخفاض بنسبة 20 مرة في عدد العمليات الحسابية (FLOPs) أثناء الاستنتاج. وأخيرًا، من خلال استكشاف استخدام الشبكات العصبية الثنائية في كشف المُزيف العميق لموازنة بين الدقة والكفاءة، يُمكّن هذا العمل من تمهيد الطريق لأبحاث مستقبلية في مجال الكشف الفعّال عن المُزيف العميق.