Méthode de Détection Profonde Intelligente pour la Manipulation Malveillante d'Images de Cancer

Professeur Assistant Dr. Khattab M. Ali Alheeti / Lien de l'Article

Résumé    Ces dernières années, les réseaux génératifs profonds ont renforcé les exigences de prudence tout en consommant différents formats d'informations numériques. Une façon de générer des deepfakes est alignée avec l'insertion et la suppression de tumeurs à partir de scans médicaux. De grands revers sur les ressources hospitalières ou même la perte de vies sont les conséquences de l'échec à détecter les deepfakes médicaux. Cet article tente d'évaluer la capacité des algorithmes d'apprentissage automatique et des réseaux neuronaux profonds pré-entraînés (DNN) à distinguer entre des données manipulées et authentiques. De plus, ce travail vise à classifier les scans de cancer en fonction des DNN. Les résultats expérimentaux montrent que la méthode proposée basée sur l'utilisation des DNN peut améliorer la performance de détection. En outre, le système proposé a augmenté le taux de précision de détection et réduit le nombre de fausses alarmes.

Mots-clés Deepfake, manipulation d'images médicales, apprentissage automatique, DNN, précision de détection, fausses alarmes

RÉFÉRENCES

[1]     F. D. Da Cunha, Z. Boukerche, L. Villas, A. Carneiro Viana, et A. A. F. Loureiro, “Communication de Données dans les VANETs : Un Sondage, Défis et Applications,” [Rapport de Recherche] RR-8498, INRIA Saclay, pp. 1–26, 2014, [En ligne]. Disponible : http://hal.inria.fr/hal-00981126/.

[2]     D. S. Gaikwad et M. Zaveri, “Protocoles de routage VANET et modèles de mobilité : Un sondage,” Commun. Comput. Inf. Sci., vol. 197 CCIS, pp. 334–342, 2011, doi: 10.1007/978-3-642-22543-7_34.

[3]     O. K. Tonguz et M. Boban, “Jeux multijoueurs sur des Réseaux Ad Hoc Véhiculaire : Une nouvelle application,” Ad Hoc Networks, vol. 8, no. 5, pp. 531–543, 2010, doi: 10.1016/j.adhoc.2009.12.009.

[4]     W. Xu, Wu, Daneshmand, Liu, “Un mécanisme de protection de la vie privée des données pour WBAN,” Wirel. Commun. Mob. Comput., no. Février 2015, pp. 421–430, 2015, doi: 10.1002/wcm.

[5]     T. Beigbeder, R. Coughlan, C. Lusher, J. Plunkett, E. Agu, et M. Claypool, “Les effets de la perte et de la latence sur la performance des utilisateurs dans Unreal Tournament 2003®,” Proc. ACM SIGCOMM Work. Netw. Syst. Support Games, NetGames’04, no. Mai 2002, pp. 144–151, 2004, doi: 10.1145/1016540.1016556.

[6]     L. Pantel et L. C. Wolf, “Sur l'impact du délai sur les jeux multijoueurs en temps réel,” Proc. Int. Work. Netw. Oper. Syst. Support Digit. Audio Video, pp. 23–29, 2002, doi: 10.1145/507671.507674.

[7]     C. Chambers, W. C. Feng, W. C. Feng, et D. Saha, “Atténuer l'exposition à l'information pour les tricheurs dans les jeux de stratégie en temps réel,” Proc. Int. Work. Netw. Oper. Syst. Support Digit. Audio Video, pp. 7–12, 2005, doi: 10.1145/1065983.1065986.

   Wu chang Feng, Francis Chang, Wu chi Feng, et Jonathan Walpole. A

         caractérisation du trafic des jeux en ligne populaires. IEEE/ACM

         Transactions sur le Réseau, 13(3):488–500, 2005.

[9] Kuan-Ta Chen, Polly Huang, et Chin-Laung Lei. Analyse du trafic de jeu : une perspective MMORPG. Réseaux Informatiques d'Elsevier, 50(16):3002–3023, 2006.

[10] Paul Bettner et Mark Terrano. 1500 archers sur un 28.8 : Programmation réseau dans Age of Empires et au-delà. Dans les Actes de la Conférence des Développeurs de Jeux 2001, 2001.

[11]  A.-G. Bosser, “Jeux massivement multijoueurs,” pp. 263–268, 2004, doi: 10.1145/1067343.1067378.

[12]   J. D. Pellegrino et C. Dovrolis, “Exigence de bande passante et cohérence d'état dans trois architectures de jeux multijoueurs,” dans les Actes du 2ème atelier sur le soutien réseau et système pour les jeux, 2003,  pp.52–59

[13]   P. Liu, “Jeux multijoueurs à l'arrière utilisant des réseaux de communication Peer-to-Peer,” no. Septembre, 2007.