Combate à Falsificação Digital: Um Modelo de Detecção de Imagens DeepFake com Aprendizado Profundo
Resumo
A detecção de DeepFakes é um desafio central da segurança digital. Este trabalho apresenta um pipeline baseado no fine-tuning da EfficientNet-B0, com escalonamento progressivo de dados, otimização do threshold via F1-score e diversificação sintética com OmniGen. Avaliado nas bases DFDC Preview e OpenForensics (179 mil imagens), o método atingiu 98% de acurácia, threshold de 0.3495 e precisão/recall de 0.98, evidenciando alta eficácia e estabilidade.Referências
Altuncu, E., Franqueira, V. N. L., and Li, S. (2024). Deepfake: definitions, performance metrics and standards, datasets, and a meta-review. Frontiers in Big Data, 7:1400024.
Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., and Fei-Fei, L. (2009). Imagenet: A large-scale hierarchical image database. In IEEE CCVPR, pages 248–255. IEEE.
Dolhansky, B., Howes, R., Pflaum, B., Baram, N., and Ferrer, C. C. (2019). The deepfake detection challenge (DFDC) preview dataset. [link]. Acesso em: 19 ago. 2025.
Le, T.-N., Nguyen, H. H., Yamagishi, J., and Echizen, I. (2021). Openforensics: Large-scale challenging dataset for multi-face forgery detection and segmentation in-the-wild. In IEEE/CVF ICCV, pages 10117–10127.
Rana, M. S., Nobi, M. N., Murali, B., and Sung, A. H. (2022). Deepfake detection: A systematic literature review. IEEE Access, 10:25494–25513.
Tan, M. and Le, Q. V. (2019). EfficientNet: Rethinking model scaling for convolutional neural networks. In 36th ICML, volume 97, pages 6105–6114.
Deng, J., Dong, W., Socher, R., Li, L.-J., Li, K., and Fei-Fei, L. (2009). Imagenet: A large-scale hierarchical image database. In IEEE CCVPR, pages 248–255. IEEE.
Dolhansky, B., Howes, R., Pflaum, B., Baram, N., and Ferrer, C. C. (2019). The deepfake detection challenge (DFDC) preview dataset. [link]. Acesso em: 19 ago. 2025.
Le, T.-N., Nguyen, H. H., Yamagishi, J., and Echizen, I. (2021). Openforensics: Large-scale challenging dataset for multi-face forgery detection and segmentation in-the-wild. In IEEE/CVF ICCV, pages 10117–10127.
Rana, M. S., Nobi, M. N., Murali, B., and Sung, A. H. (2022). Deepfake detection: A systematic literature review. IEEE Access, 10:25494–25513.
Tan, M. and Le, Q. V. (2019). EfficientNet: Rethinking model scaling for convolutional neural networks. In 36th ICML, volume 97, pages 6105–6114.
Publicado
12/11/2025
Como Citar
LOPES, Vinicius N.; JANUARIO, Tadeu; BALSANELLO, Vitor G.; KREUTZ, Diego; SCHMIDT, Dionatan R.; FLORES, Eliezer; RODRIGUES, Elder.
Combate à Falsificação Digital: Um Modelo de Detecção de Imagens DeepFake com Aprendizado Profundo. In: ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL DA REGIÃO SUL (ERAMIA-RS), 1. , 2025, Porto Alegre/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 104-107.
DOI: https://doi.org/10.5753/eramiars.2025.16688.
