Vision-based Excitation and Robust Intelligence for Transformer-Assisted Deepfakes Detection
Satu halaman untuk memahami cara kerja model VERITAS.
Pelajari Lebih Lanjut
Satu halaman untuk memahami cara kerja model VERITAS.
Pelajari Lebih LanjutModel mendeteksi deepfake dengan presisi dan sensitivitas tinggi, bahkan terhadap manipulasi halus.
Evaluasi dengan standar perbandingan dengan berbagai SOTA dan ablation study
Menggunakan dataset standar: FaceForensics++, Celeb-DF v2, dan WildDeepfake.
Deepfake adalah teknologi manipulasi media berbasis kecerdasan buatan yang mampu menghasilkan gambar atau video palsu yang sangat meyakinkan. Ini digunakan dalam berbagai konteks: mulai dari hiburan hingga propaganda, penipuan, dan pencemaran nama baik.
Dengan semakin mudahnya akses terhadap alat deepfake, risiko penyebaran informasi palsu dan serangan identitas semakin meningkat. Karena itulah sistem deteksi deepfake seperti VERITAS menjadi sangat penting.
Input
Target
Output
Veritas adalah kata dari bahasa Latin yang artinya adalah Kebenaran. VERITAS (Vision-based Excitation and Robust Intelligence for Transformer-Assisted Deepfakes Detection) adalah framework deteksi deepfake berbasis AI yang menggabungkan Convolutional Neural Networks (CNN) untuk fitur lokal, Vision Transformer (ViT) untuk pemahaman global, dan Squeeze-and-Excitation Blocks untuk kalibrasi perhatian spasial dan token. Dengan dua jalur self-learning — Masked Image Modeling dan Identity Distillation — VERITAS menunjukkan generalisasi yang kuat pada distribusi data yang berbeda.
Tujuan utama dari sistem ini adalah menyediakan solusi yang mampu mendeteksi berbagai jenis deepfake dengan lebih andal, meski pada kondisi data nyata yang kompleks dan tidak ideal.
Arsitektur VERITAS terdiri dari CNN Block untuk ekstraksi fitur spasial lokal, Vision Transformer (ViT) untuk relasi global berbasis token, dan dua SE Block pada domain spasial dan token. Kombinasi ini disempurnakan dengan dua cabang self-supervised: Masked Image Modeling (MIM) dan Identity Distillation (ID).
VERITAS dilatih menggunakan dataset FaceForensics++ dan diuji secara silang pada Celeb-DF v2 dan WildDeepfake. Dataset terdiri dari lebih dari 127.000 frame gambar dan mencakup berbagai jenis manipulasi wajah, memastikan model mampu mengenali manipulasi secara umum.
Model VERITAS mencapai AUC 95.56% pada dataset CelebDF-v2 dan 87.75% pada WildDeepfake. Evaluasi dilakukan pada tingkat frame dan video dengan F1-score mencapai 84.10%. Arsitektur VERITAS unggul dibanding banyak metode state-of-the-art.
Model deteksi deepfake ini dirancang untuk menghadapi tantangan dunia nyata dengan tiga keunggulan utama:
Baca detail lengkap arsitektur, eksperimen, dan hasil evaluasi dari VERITAS dalam publikasi ilmiah kami.
🔗 Lihat Paper KamiKlik tombol di bawah untuk mengakses sistem deteksi VERITAS dan mulai uji data Anda.
🚀 Mulai Sekarang
Kami adalah tim peneliti profesional yang berkomitmen untuk menghasilkan riset unggulan di bidang forensic dan keamanan (security), melalui pendekatan empiris, inovatif, dan berbasis teori mutakhir. Tim ini merupakan kolaborasi strategis para akademisi dan praktisi dari tiga institusi ternama di Indonesia: Universitas Siliwangi, Universitas Negeri Yogyakarta, dan Universitas Telkom, yang tergabung dalam FAST — Forensic and Security Research Group.
FAST (Forensic and Security Research Group) hadir sebagai wadah penelitian interdisipliner yang fokus pada pengembangan ilmu pengetahuan dan solusi nyata di bidang keamanan digital, investigasi forensik, serta mitigasi risiko teknologi informasi. Dengan latar belakang keilmuan yang kuat, pengalaman riset yang luas, dan semangat kolaborasi yang tinggi, kami bertekad untuk berkontribusi dalam memperkuat ketahanan siber nasional dan memperkaya khazanah keilmuan melalui publikasi, pelatihan, dan inovasi teknologi.
Anggota
Ketua
Anggota