http://it-forensik.fiw.hs-wismar.de/index.php?action=history&feed=atom&title=Thomas_Reimann 2026-10-31T09:56:58Z Versionsgeschichte dieser Seite in IT-Forensik Wiki MediaWiki 1.43.11 http://it-forensik.fiw.hs-wismar.de/index.php?title=Thomas_Reimann&diff=2993&oldid=prev 2024-05-15T04:41:40Z

<p>Die Seite wurde neu angelegt: „Bachelor Thesis, Hochschule Wismar, Februar 2024 Autor: Thomas Reimann Titel: &#039;&#039;&#039;Forensische Herausforderungen bei der Erkennung generativer Deepfake-Bilder&#039;&#039;&#039; Abstrakt Falsch- und Desinformationen werden in sozialen Netzwerken zunehmend mit Hilfe von synthetisch generierten fotorealistischen Deepfake-Bildern verbreitet. Diese Arbeit untersucht die Möglichkeit, personendarstellende Deepfake-Bilder über Deep Learning Modelle zu detektieren. Als Erken…“</p> <p><b>Neue Seite</b></p><div>Bachelor Thesis, Hochschule Wismar, Februar 2024<br /> <br /> Autor: Thomas Reimann<br /> <br /> Titel: &#039;&#039;&#039;Forensische Herausforderungen bei der Erkennung generativer Deepfake-Bilder&#039;&#039;&#039;<br /> <br /> Abstrakt<br /> <br /> Falsch- und Desinformationen werden in sozialen Netzwerken zunehmend mit Hilfe von synthetisch generierten fotorealistischen Deepfake-Bildern verbreitet.<br /> Diese Arbeit untersucht die Möglichkeit, personendarstellende Deepfake-Bilder über Deep Learning Modelle zu detektieren.<br /> Als Erkennungsmerkmal wurden Hände verwendet. Dabei wurden die Modelle mit den Hand-darstellenden Bildausschnitten von echten und gefälschten personendarstellenden Fotos trainiert. Es wurde ein Model von Grund auf neu (From-Scratch Learning) und ein weiteres auf Basis eines existierenden Hand- erkennenden Models (Transfer Learning) trainiert.<br /> Es zeigte sich, dass das auf Transfer Learning basierende Modell echte und gefälschte Bilder zu über 80% korrekt als fake oder real klassifizieren konnte.<br /> <br /> Abstract<br /> <br /> False and disinformation are increasingly being spread on social networks using synthetically generated photorealistic deepfake images.<br /> This work explores the possibility of detecting deepfake images depicting persons through deep learning models.<br /> Hands were used as the detection feature. The models were trained with image sections depicting hands from real and fake photos of individuals. One model was trained from scratch (From-Scratch Learning) and another was trained based on an existing hand-detecting model (Transfer Learning).<br /> It was found that the model based on Transfer Learning could correctly classify real and synthetic images as fake or real with an accuracy of over 80%.<br /> <br /> [[Media:BA_TReimann.pdf|Download PDF-Dokument]]<br /> <br /> https://github.com/forensicman/deepfake-hand-biomarker</div>

Etduen