Hull Üniversitesi'nden Profesör Kevin Pimbblet, "Gözbebeklerindeki yansımalar gerçek kişi için tutarlı, ancak sahte kişi için (fizik açısından) yanlış" diyor. Profesör Pimbblet ve meslektaşları, gerçek ve yapay zeka tarafından oluşturulmuş görüntülerdeki insanların gözbebeklerindeki ışık yansımalarını analiz etti.
Daha sonra yansımaları ölçmek için tipik olarak astronomide kullanılan yöntemleri kullandılar ve sol ve sağ göz küresi yansımaları arasında tutarlılık olup olmadığını kontrol ettiler.
Sahte görüntüler genellikle her iki göz arasındaki yansımalarda tutarlılık göstermezken, gerçek görüntüler genellikle her iki gözde de aynı yansımaları gösteriyor.
"Galaksilerin şekillerini ölçmek için, merkezi olarak kompakt olup olmadıklarını, simetrik olup olmadıklarını ve ne kadar pürüzsüz olduklarını analiz ediyoruz. Işık dağılımını analiz ediyoruz," diyor Profesör Pimbblet.
"Yansımaları otomatik bir şekilde tespit ediyoruz ve morfolojik özelliklerini CAS (konsantrasyon, asimetri, pürüzsüzlük) ve Gini endeksleri aracılığıyla çalıştırarak sol ve sağ gözbebekleri arasındaki benzerliği karşılaştırıyoruz."
"Bulgular, deepfake görüntülerin çiftler arasında bazı farklılıklar olduğunu gösteriyor."
Gini katsayısı normalde bir galaksinin görüntüsündeki ışığın pikseller arasında nasıl dağıldığını ölçmek için kullanılır.
Bu ölçüm, bir galaksinin görüntüsünü oluşturan pikselleri akıya göre artan sırada sıralayarak ve ardından sonucu mükemmel eşit bir akı dağılımından beklenecek olanla karşılaştırarak yapılır.
Gini değerinin 0 olması, ışığın görüntünün tüm piksellerine eşit olarak dağıldığı bir galaksi anlamına gelirken, Gini değerinin 1 olması tüm ışığın tek bir pikselde yoğunlaştığı bir galaksi anlamına gelir.
Gökbilimciler ayrıca, morfolojilerini belirlemek için galaksilerin ışık dağılımını ölçmek üzere gökbilimciler tarafından geliştirilen bir araç olan CAS parametrelerini de test ettiler, ancak bunun sahte gözlerin başarılı bir tahmincisi olmadığını buldular.
Profesör Pimbblet, "Bunun sahte görüntüleri tespit etmek için sihirli bir değnek olmadığını belirtmek önemlidir" dedi.
" Yanlış pozitifler ve yanlış negatifler var; her şeyi tespit edemez."
"Ancak bu yöntem, deepfake dolandırıcılığını tespit etme yarışında bize bir temel, bir saldırı planı sağlıyor."
Araştırmacılar çalışmalarını 15 Temmuz'da Hull Üniversitesi'nde düzenlenen Kraliyet Astronomi Topluluğu 2024 Ulusal Astronomi Toplantısı'nda (NAM 2024) sundular.