최근 딥페이크 기술이 발전하면서 시각적 판단만으로는 진위를 구별하기 어려워지고 있어 미디어의 진실성과 생체 정보 보안에 위협이 되고 있습니다.
연구진은 딥페이크 탐지 모델이 생성 과정의 정보를 파악하는 능력을 갖춰야 한다고 주장하며, 속인 기반 학습을 통해 모델이 생성기 특유의 법의학적 특징을 학습하도록 유도했습니다.
AMDD 프레임워크는 시각 및 음성 데이터에서 생성된 법의학적 지문을 일치시키도록 설계되었으며, FakeAVCeleb 데이터셋에서 99.7%의 균형 잡힌 정확도를 달성했습니다.