Strategies for detecting AI-generated deepfakes and integrating them into biometric analyses for forensic identification and verification
Year: 2025
Type: dissertation
Abstract: Die Bachelorarbeit beschäftigt sich mit der Untersuchung und Bewertung von Strategien, die zum Erkennen von KI-generierten Deepfakes eingesetzt werden können, und diese in die Analyse biometrischer Daten zur zuverlässigen forensischen Identifizierung und Verifizierung zu integrieren. Die Arbeit soll einen umfassenden Überblick über den aktuellen Stand der Technik bestehender Deepfake Erstellungs- und Erkennungsmethoden geben. Die Erstellung von Gesichts-, Sprach- und Ganzkörper Deepfakes wird dabei näher beleuchtet, hinsichtlich der eingesetzten Kerntechnologien und ihrer Funktionsweise. Anschließend werden die technologischen Datengrundlagen für die Deepfake Erkennung dargestellt. Die biometrische Datenanalyse, wie Gesichts-, Audio-, Bewegungs-, und Verhaltenserkennung, sind dabei zu untersuchen, um die Zuverlässigkeit und Genauigkeit der individuellen Merkmale in forensischen Kontexten zu gewährleisten. Insbesondere die multimodalen Ansätze werden dabei als zukünftige effiziente Methode angesehen. Hierbei soll der Fokus auf der Videoanalyse liegen, da diese verschiedene biometrische Merkmale miteinander vereint. Einen zentralen Beitrag liefert die Arbeit bei der Erstellung eines multimodalen Rahmenwerks zur Deepfake Erkennung, welches sich auf die Analyse und Visualisierung von Gesichtsmuskelsignaturen bezieht. Dabei wird das Facial Action Coding System (FACS) mit seiner authentischen Gesichtsdynamik interpretiert. Diese Strategie wird anhand eines Fallbeispiel auf die Figur Mr. Bean praktisch angewendet und getestet. Das Arbeit betont die forensische Erklärbarkeit, indem sie sich auf interpretierbare, anatomisch definierte Muskelbewegungen konzentriert.
Author: Claus, Colin
Language: German
Subfield: Computer Vision and Pattern Recognition
Field: Computer Science
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7111921783
