Разработка инструмента
для создания дипфейков

ML-специалисты, data-scientist, разработчики

Разработайте сервис, который включает в себя алгоритм для создания видео дипфейков с изображением лица человека

База данных (изображения+видео) для обучения алгоритма собирается участниками самостоятельно любым доступным способом (можно использовать готовые базы на github).

Для решения задачи кейса участники могут не разрабатывать нейросети с нуля, а использовать предобученные нейронные сети, не имеющие ограничений на коммерческое использование,
и «доработать их».
Для работы с датасетом понадобится детектор лиц, ограничений по выбору нет (использовать можно любой, например, Facenet, YuNet, RetinaNet).

На язык программирования ограничений нет.
Есть ограничения на ОС: ubuntu 20.04 или выше.

Разработать инструмент, который позволит пользователям создавать высококачественные и убедительные дипфейки.

Целевая аудитория

Описание

Вводные данные

Стек

Цель

Системы биометрического распознавания широко используются для различных целей от разблокировки смартфонов до контроля доступа в здания и финансовых операций. Одновременно
с развитием алгоритмов биометрического распознавания
и доступностью вычислительных ресурсов все более убедительными и сложными для обнаружения становятся алгоритма атак на использующие их системы, что может представлять угрозу безопасности. Обучение моделей для создания дипфейков поможет в разработке алгоритмов для
их обнаружения.

Дополнительно

Системы биометрического распознавания широко используются для различных целей от разблокировки смартфонов до контроля доступа в здания и финансовых операций. Одновременно
с развитием алгоритмов биометрического распознавания
и доступностью вычислительных ресурсов все более убедительными
и сложными для обнаружения становятся алгоритма атак на использующие их системы, что может представлять угрозу безопасности. Обучение моделей для создания дипфейков поможет
в разработке алгоритмов для
их обнаружения.

✦ Кейс 1 ✦

Разработка инструмента для обнаружения дипфейков

ML-специалисты, data-scientist, разработчики

Разработайте сервис, который включает в себя алгоритм для обнаружения дипфейков на видео с изображением лица человека

База данных (изображения+видео) для обучения алгоритма собирается участниками самостоятельно любым доступным способом (можно использовать готовые базы на github).

Для решения задачи кейса участники могут не разрабатывать нейросети с нуля, а использовать предобученные нейронные сети, не имеющие ограничений на коммерческое использование,
и «доработать их».
Для работы с датасетом понадобится детектор лиц, ограничений по выбору нет (использовать можно любой, например, Facenet, YuNet, RetinaNet).
Алгоритм должен работать на данных, собранных
с пользовательских устройств (мобильных телефонов, планшетов, веб-камер и т.д.) без необходимости приобретения и подключения дополнительного оборудования.

На язык программирования ограничений нет. Дистрибутив должен соответствовать разделу 4 Методических рекомендаций по подключению биометрических процессоров к Единой биометрической системе (далее - МР), API должен соответствовать приложению Б МР.

Разработать инструмент, способный определять поддельные (сгенерированные с помощью AI) видеоизображения с высокой точностью.

Целевая аудитория

Описание

Вводные данные

Стек

Цель

✦ Кейс 2 ✦

С развитием технологий машинного обучения, особенно искусственных нейронных сетей, появились инструменты, позволяющие создавать реалистичные поддельные изображения, видео и записи голоса. Дипфейки, могут использоваться не только для дезинформации, манипуляции мнением общественности, но и для мошеннических действий в биометрических системах. Важной становится задача распознавания дипфейков с целью недопущения мошеннических операций, краж данных и взломов систем.

Дополнительно

Решения для использования новых биометрических модальностей на пользовательских устройствах

ML-специалисты, data-scientist, разработчики

Разработайте алгоритм биометрической верификации, используя новые модальности биометрических данных (за исключением изображения лица и записи голоса), полученные с пользовательских устройств (web-камеры и/или мобильные устройства)

База данных для обучения алгоритма собирается участниками самостоятельно любым доступным способом (можно использовать готовые базы на github).

На язык программирования ограничений нет.

Состоит в разработке алгоритма биометрической верификации (сравнение 1к1), используя новые модальности биометрических данных, которые не были ранее широко применены в этой области, для создания надежного и быстрого метода биометрической верификации.

Целевая аудитория

Описание

Вводные данные

Стек

Задача

C каждым годом количество цифровых устройств и сервисов, требующих идентификации пользователя, растет. Традиционные методы идентификации и аутентификации, такие как пароли или PIN-коды, не обеспечивают достаточной степени безопасности и удобства для пользователя. Добавление биометрических методов позволяет повысить уровень безопасности и комфорта. С появлением новых технологий и устройств в области биометрии появляется возможность использовать новые модальности данных для распознавания, которые могут быть более надежными, сложными для подделки и при этом удобными для пользователя, а также могут позволить людям, не имеющим возможность использовать существующие модальности (например, инвалиды по зрению или немые люди), получать услуги удаленно. Предыдущие методы, такие как распознавание лица и голоса, уже активно используются.

Органичения

Нельзя использовать готовые open source алгоритмы, можно использовать предобученные нейронные сети, не имеющие ограничений на коммерческое использование.
Биометрические данные должны собираться с пользовательских устройств (мобильных телефонов, планшетов, веб-камер и т. д.) без необходимости приобретения и подключения дополнительного оборудования.

✦ Кейс 4 ✦

✦ Кейсы ✦

*Ознакомьтесь с порядком регистрации