Derin sahte (deepfake) teknolojisi, yapısı gereği gerçekte var olmayan bir sesin, görüntünün yahut video kaydının gerçekmiş gibi yahut var olan bu verilerin farklı şekil ve içeriklerle topluma sunulmasını mümkün kılmaktadır. Bu sahtecilik ile kişiler hakkında şantaj ya da kişiler üzerinden menfaat temin edilebilmektedir. Kişisel verilerin belirli algoritmik süreçlerden geçirilerek manipülasyona açık hâle getirilmesi; finansal kayıplar, siber zorbalık ve dolandırıcılık gibi zararlı eylemlerin artmasına zemin hazırlamakta, özellikle teknolojik okuryazarlık seviyesi düşük olan çocuklar ve yaşlı bireyler saldırganlar açısından kolay hedef hâline gelmektedir.[1] Bu tablo karşısında, derin sahtecilikle mücadele ve bu sahteciliğin tespiti için geliştirilmiş bazı teknolojik önerilerin bilinmesinde fayda bulunmaktadır. Zira soruşturma evresinde bir kaydın yapay olup olmadığının saptanamaması, hem masum kişilerin sahte delillerle itham edilmesine hem de gerçek delillerin sahtelik iddiasıyla etkisizleştirilmesine yol açabilecektir.

II. Tespit Yöntemleri

Konuşmacı Tanıma (Speaker Recognition): Konuşmacı tanıma sistemleri, konuşmacı kimlik tespiti (identification) ve konuşmacı doğrulama (verification) olmak üzere iki temel bileşen üzerine inşa edilmiştir. Kimlik tespiti sistemleri, yalnızca ses girdisine dayanarak konuşmacının kim olduğunu belirlemeyi amaçlarken; otomatik konuşmacı doğrulama sistemleri, belirli bir ses örneğinin beyan edilen kimliğe ait olup olmadığını doğrulamaya yönelik çalışmaktadır. Bu teknolojiler, yeni ses örneklerinin, önceden oluşturulmuş ses izleri (voice prints) veri tabanlarıyla karşılaştırılması esasına dayanmaktadır.[2]

Ses Canlılığı Tespiti (Voice Liveness Detection): Ses canlılığı tespiti teknolojileri, bir sesin gerçek bir birey tarafından o anda üretilip üretilmediğini veya önceden kaydedilmiş bir ses dosyasından gelip gelmediğini belirleyebilmektedir. İnsan kulağı tarafından neredeyse ayırt edilemez düzeyde üretilen ses klonları dahi, bu tür yapay zekâ tabanlı tespit sistemleri tarafından fark edilebilen belirli akustik anomaliler veya üretilmiş ses artefaktları içerebilmektedir. Bununla birlikte telefon görüşmeleri veya radyo röportajları gibi düşük kaliteli ses kayıtlarında bu sistemlerin doğruluk oranı ve güvenilirliği önemli ölçüde azalmaktadır.

Yüz Tanıma (Facial Recognition): Yüz tanıma sistemleri, dijital ortamlarda kişilerin kimliğini belirlemek amacıyla kullanılan biyometrik tabanlı yazılımlar olup, aynı zamanda sahte veya manipüle edilmiş görsel materyallerin analizinde de kullanılabilmektedir. Derin sahte algoritmaları; yüzleri bükme, germe, yeniden biçimlendirme veya yalnızca belirli yüz hatlarını değiştirme eğiliminde olup, bu durum morfolojik tutarsızlıklar veya orantısal bozulmalar meydana getirmektedir. Dolayısıyla yüz tanıma sisteminin görseldeki kişi ile beyan edilen kimliği eşleştirememesi, derin sahtecilik olduğuna karine oluşturabilir.

Yüz Özelliklerinin Analizi (Facial Feature Analysis): Son yıllarda yapılan çalışmalar; burun, ağız ve gözlerin konumu, hareketi ve kas dinamikleri gibi yüz hattına ilişkin işaretlerin (facial landmarks) analizi yoluyla derin sahte manipülasyonlarını tespit edebilen algoritmaların geliştirilmesine odaklanmaktadır. Görsel adli bilişim alanında yer alan araştırmalar; göz kırpma frekansındaki eksiklikler, kaş hareketlerindeki senkronizasyon bozuklukları veya mikro düzeydeki ifadelerin tutarsızlıkları gibi göstergeleri temel alarak sahte içeriklerin belirlenebildiğini ortaya koymaktadır.

Geçici Tutarsızlıkların Analizi (Temporal Inconsistencies): Derin sahte videoların üretim süreci genellikle bir video dizisindeki her bir kareye (frame) ayrı ayrı müdahale edilmesi yoluyla yürütülmektedir. Bu durum, kareler arasında zamansal bütünlüğün bozulmasına ve doğal olmayan hareket geçişlerinin ortaya çıkmasına neden........

© Hukuki Haber