Система розпізнавання фейкових зображень на основі нейронних мереж

Abstract

Дана робота присвячена розробці системи для надання послуг у формі розпізнавання фейкових зображень на основі нейронних мереж. Об’єкт дослідження – процес аналізу зображень для виявлення їх можливої нереальності. Предмет дослідження – методи та засоби реалізації системи для розпізнавання фейкових зображень з використанням нейронних мереж. Метою роботи є покращення кібербезпеки користувачів вебмережі шляхом розробки ПЗ з використанням нейронних мереж для виявлення зображень в мережі Інтернет, які вводять в оману. Завдання кваліфікаційної роботи складається з наступних пунктів: – проведення аналізу необхідних критеріїв інформації, необхідних для пошуку та аналізу фейкових зображень; – створення датасету для навчання нейронних мереж, який складається з зображень різного рівня складності, змісту, а також аугментований шляхом зміни кольорів, розмиття, повороту тощо зображень; – аналіз існуючих можливості для навчання нейронних мереж та вибір найкращого методу; – моделювання ПЗ для перевірки зображень на предмет їх фейковості; – тренування моделі ШІ з метою виявлення фейкових зображень; – розробка прототипу програмного забезпечення для виявлення фейкових зображень; – тестування та аналіз роботи створеного програмного забезпечення. Кваліфікаційна робота складається зі вступу, 4 розділів, висновків та переліку джерел посилань. У вступі зазначено актуальність теми, науково-практичне значення, мета, об’єкт та предмет роботи. У першому розділі проведено огляд та аналіз сучасного стану технологій в даній сфері, а також аналіз існуючих методів і засобів для вирішення завдань кваліфікаційної роботи. Оглянуто різновиди видів нейронних мереж, їх переваги та недоліки. У другому розділі проведено моделювання системи, з розробкою діаграм, які показують роботу системи. У третьому розділі було розроблено архітектуру системи, обґрунтовано використання мов програмування, бібліотек, а також вибір датасету для тренування моделі ШІ та проведено розробку UML-діаграм. У четвертому розділі показано процес тренування моделі ШІ та розробка системи. Наприкінці розділу показано тестування системи. У висновках проаналізовано результати виконаних робіт по кожному розділу кваліфікаційної роботи. Кваліфікаційна магістерська робота викладена на 77 сторінках, містить 4 розділи, 36 ілюстрацій, 3 таблиць, 20 джерел в переліку посилань. This work is devoted to the development of a system for providing services in the form of recognition of fake images based on neural networks. The object of research is the process of analyzing images to identify their possible unreality. The subject of research is methods and means of implementing a system for recognizing fake images using neural networks. The goal of the work is to improve the cyber security of web users by developing software using neural networks to detect misleading images on the Internet. The task of the qualification work consists of the following items:  conducting an analysis of the necessary criteria of information necessary for the search and analysis of fake images;  creation of a dataset for training neural networks, which consists of images of different levels of complexity and content, as well as augmented by changing colors, blurring, rotating, etc. of images;  analysis of existing opportunities for training neural networks and selection of the best method;  software simulation for checking images for their fakeness;  training of an AI model to detect fake images;  development of a software prototype for detecting fake images;  testing and analysis of the work of the created software. The qualification work consists of an introduction, 4 sections, conclusions and a list of reference sources. The relevance of the topic, scientific and practical significance, purpose, object and subject of the work are indicated in the introduction. In the first section, a review and analysis of the current state of technology in this field, as well as an analysis of existing methods and tools for solving the tasks of qualification work, is carried out. Various types of neural networks, their advantages and disadvantages are reviewed. In the second chapter, the system is modeled, with the development of diagrams that show the operation of the system. In the third chapter, the system architecture was developed, the use of programming languages, libraries, and the selection of a dataset for training the AI model were justified, and UML diagrams were developed. The fourth chapter shows the AI model training process and system development. At the end of the chapter, system testing is shown. In the conclusions, the results of the work performed on each section of the qualification work are analyzed. The qualifying master's thesis is laid out on 77 pages, contains 4 chapters, 36 illustrations, 3 tables, 20 sources in the list of references.