24
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
“DEEPFAKE” - SOXTA NATIJALAR YARATISH UCHUN SUN’IY INTELLEKT VA
BOSHQA ZAMONAVIY TEXNOLOGIYALARDAN FOYDALANISH
Mustafa Djamatov Xatamovich
O‘zbekiston Respublikasi IIV Akademiyasi Raqamli texnologiyalari va axborot xavfsizligi
kafedrasi katt o‘qituvchisi.
Saidaminxo‘ja Abdazimov Zoirxo‘ja o‘g‘li
O‘zbekiston Respublikasi IIV Akademiyasi Raqamli texnologiyalari va axborot xavfsizligi
kafedrasi o‘qituvchisi.
https://doi.org/10.5281/zenodo.14594304
Annotatsiya. Ushbu maqola Deepfake texnologiyasi va uning ishlash mexanizmini batafsil
ko‘rib chiqadi. Deepfake – bu Generative Adversarial Networks (GAN) asosida ishlaydigan
zamonaviy sun’iy intellekt yutug‘idir. Ushbu texnologiya inson ovozi, yuzi va harakatlarini
soxtalashtirib, haqiqatga juda yaqin virtual materiallar yaratish imkonini beradi. Maqolada
Deepfake texnologiyasining ijtimoiy, ilmiy va axloqiy jihatlari, shuningdek, uning imkoniyatlari
va xavflari keng yoritilgan.
Kalit so‘zlar: Deepfake, Sun’iy intellekt, Generative Adversarial Networks (GAN), Soxta
kontent, Axborot xavfsizligi, Ijtimoiy manipulyatsiya, Axloqiy masalalar, Ovoz va video
modifikatsiyasi, Deepfake aniqlash texnologiyalari.
“DEEPFAKE” - THE USE OF ARTIFICIAL INTELLIGENCE AND OTHER MODERN
TECHNOLOGIES TO CREATE FAKE RESULTS
Abstract. This article examines in detail the Deepfake technology and its mechanism of
operation. Deepfake is a modern artificial intelligence achievement based on Generative
Adversarial Networks (GAN). This technology allows you to create virtual materials that are very
close to reality by forging human voices, faces and movements. The article extensively covers the
social, scientific and ethical aspects of Deepfake technology, as well as its opportunities and risks.
Keywords: Deepfake, Artificial Intelligence, Generative Adversarial Networks (GAN),
Fake content, Information security, Social manipulation, Ethical issues, Audio and video
modification, Deepfake detection technologies.
«ДИПФЕЙК» — ЭТО ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И
ДРУГИХ СОВРЕМЕННЫХ ТЕХНОЛОГИЙ ДЛЯ СОЗДАНИЯ ФЕЙКОВЫХ
РЕЗУЛЬТАТОВ.
Аннотация. В этой статье подробно рассматривается технология Deepfake и то,
как она работает. Deepfake — это прорыв в современном искусственном интеллекте на
основе генеративно-состязательных сетей (GAN). Эта технология позволяет создавать
виртуальные материалы, максимально приближенные к реальности, путем
25
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
фальсификации человеческого голоса, лица и движений. В статье рассматриваются
социальные, научные и этические аспекты технологии Deepfake, а также ее возможности
и риски.
Ключевые
слова:
Deepfake,
Искусственный
интеллект,
Генеративно-
состязательные сети (GAN), Фейковый контент, Информационная безопасность,
Социальные манипуляции, Этические проблемы, Модификация аудио и видео, Технологии
обнаружения Deepfake.
Sun’iy intellekt (SI) — bu kompyuter tizimlariga inson aql-idrokini taqlid qilish
qobiliyatini beruvchi texnologiyalar majmuasidir. SI algoritmlari ma’lumotlarni qayta ishlash,
o‘rganish va murakkab masalalarni mustaqil hal qilish imkoniyatiga ega. Sun’iy intellektning
asosiy yo‘nalishlari quyidagilardan iborat:
Mashina o‘qitish (Machine Learning):
Kompyuter tizimlari dasturlashtirilmagan holda
tajribalar orqali o‘z-o‘zini rivojlantiradi. Masalan, yuzni tanib olish tizimlari.
Chuqur o‘rganish (Deep Learning):
Ko‘p qatlamli neyron tarmoqlar orqali
ma’lumotlarni qayta ishlash va tushunish. Bu Deepfake texnologiyasining ham asosini tashkil
qiladi.
Tabiiy tilni qayta ishlash (Natural Language Processing, NLP):
Inson tillarini
tushunish va ularni qayta ishlash texnologiyasi, misol qilib ushbu tizimga suhbat botlarini
olishimiz mumkin.
Kompyuter ko‘rish (Computer Vision):
Tasvir va videolarni tahlil qilish va ulardan
ma’lumot olish texnologiyasi.
Zamonaviy texnologiyalar esa SI asosida ishlaydigan turli innovatsion yechimlar va
qurilmalarni o‘z ichiga oladi. Bunga quyidagilar kiradi:
Raqamli ma’lumotlar tahlili: Big Data va IoT (Internet of Things) yordamida real vaqtda
katta hajmdagi ma’lumotlarni tahlil qilish.
Avtomatlashtirilgan tizimlar: Aqlli robotlar, dronlar va o‘zini boshqaruvchi avtomobillar.
Virtual va kengaytirilgan haqiqat (VR/AR): Reallikni sun’iy ravishda yaratish yoki haqiqiy
tasvirlarni kengaytirish imkoniyatlari.
Sun’iy intellekt va zamonaviy texnologiyalarning uyg‘unligi Deepfake kabi murakkab va
samarali tizimlarni yaratishga imkon berdi. Bu texnologiyalar yordamida insoniyat ko‘plab
sohalarda yutuqlarga erishmoqda, lekin ular bilan bog‘liq xavflarni boshqarish zarurati ham ortib
bormoqda.
Hozirgi davrda texnologiya va sun’iy intellekt sohalaridagi yutuqlar jamiyat hayotining
barcha jabhalariga ta’sir ko‘rsatmoqda.
26
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
Shunday texnologiyalardan biri bo‘lgan “Deepfake”, ya’ni sun’iy intellekt yordamida
soxta natijalar yaratish, raqamli sohada yangi imkoniyatlar eshigini ochmoqda. Ushbu texnologiya
inson ovozi, yuzi va harakatlarini sun’iy ravishda o‘zgartirib, ular orqali mavjud bo‘lmagan
natijalarni yaratish imkoniyatini beradi.
Deepfake atamasi “deep learning” (chuqur o‘rganish) va “fake” (soxta) so‘zlarining
qo‘shilishidan hosil bo‘lgan. Ushbu texnologiya sun’iy intellektning ilg‘or turi bo‘lgan Generative
Adversarial Networks (GAN) asosida ishlaydi. GAN’lar haqiqiyga juda yaqin bo‘lgan tasvirlar va
ovozlarni yaratishda ishlatiladi. Natijada, inson ko‘zini alday oladigan videolar, tasvirlar va hatto
ovozli xabarlar yaratish mumkin bo‘lmoqda.
Hozirgi kunda Deepfake texnologiyasi sun’iy intellekt sohasidagi eng muhim va bahsli
mavzulardan biriga aylangan. Uning dolzarbligi texnologiyaning ijtimoiy, ilmiy va axloqiy
jihatlari bilan bog‘liq bo‘lib, bu texnologiya bir vaqtning o‘zida yuksak imkoniyatlarni taqdim
etishi va jiddiy xavf-xatarlarni keltirib chiqarishi bilan ajralib turadi.
Ijtimoiy jihatlari
Deepfake texnologiyasi ijtimoiy hayotning turli sohalariga sezilarli ta’sir ko‘rsatmoqda.
Bu ta’sir ikki tomonlama bo‘lib, texnologiyaning ijobiy imkoniyatlari va salbiy oqibatlarini
o‘z ichiga oladi:
Ijobiy jihatlar:
Deepfake orqali realistik o‘quv materiallari va ta’lim dasturlari yaratilmoqda. Bu
texnologiya interaktiv va qiziqarli bilim olish jarayonini ta’minlaydi.
Kino va san’at sohalarida yaratuvchanlikni oshirish imkoniyatlarini beradi. Masalan,
tarixiy shaxslarni “jonlantirish” yoki murakkab vizual effektlarni yaratish imkoniyatlari mavjud.
Salbiy jihatlar:
Soxta xabarlar va noto‘g‘ri axborot tarqatish orqali ijtimoiy manipulyatsiyalarni amalga
oshirish. Mashhur shaxslar yoki oddiy insonlar yuz ifodalarini soxtalashtirib, obro‘siga putur
yetkazish, shaxsiy hayot daxlsizligini buzish. Ijtimoiy tarmoqlarda soxta kontent orqali yolg‘on
axborotning tarqalishi keng miqyosdagi jamiyatda ishonchsizlik muhitini yuzaga keltirish.
Ilmiy jihatlari
Deepfake texnologiyasi sun’iy intellekt va kompyuter texnologiyalari rivojlanishida
muhim ilmiy yutuqlarni taqdim etmoqda:
Tadqiqot imkoniyatlari:
GAN kabi ilg‘or algoritmlarni rivojlantirish orqali sun’iy intellekt sohasida chuqur
o‘rganish uchun yangi imkoniyatlar ochilmoqda. Ovoz va tasvirlarni o‘zgartirish texnologiyalari
tibbiyot, masalan, nutq terapiyasi yoki yuz rekonstruksiyasi kabi sohalarda foydalanilmoqda.
Xavfli jihatlar esa:
27
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
Texnologiyani nazorat qilish muammosi. Deepfake shunchalik tez rivojlanmoqdaki, undan
noqonuniy yoki axloqiy bo‘lmagan maqsadlarda foydalanishni oldini olish qiyinlashmoqda. Soxta
kontentni aniqlash uchun texnik vositalar hali yetarlicha rivojlanmagan, bu esa ilmiy hamjamiyat
uchun yangi muammolarni keltirib chiqarmoqda.
Shaxsiy hayot daxlsizligi:
Deepfake orqali odamlarning ruxsatisiz tasvir yoki ovozdan foydalanish axloqiy jihatdan
qabul qilinmaydi. Bu shaxsiy hayot huquqlarini buzadi. Texnologiya odamlarning qiyofasini
soxtalashtirish orqali ularga bo‘lgan ishonchni yo‘qotishga olib kelishi mumkin.
Axloqiy chegaralar:
Deepfake texnologiyasi soxta materiallar yaratish orqali insoniyatning axloqiy
qadriyatlariga putur yetkazadi. Masalan, noto‘g‘ri ma’lumot tarqatish yoki biror insonni
sharmanda qilish maqsadida foydalanish.
Texnologiyani nazorat qilishda jamoatchilik va hukumatning roli yetarli bo‘lmay, axloqiy
muammolar chuqurlashishi mumkin.
Deepfake texnologiyasining ishlash prinsipi
Deepfake texnologiyasi zamonaviy sun’iy intellekt yutuqlaridan biri bo‘lib, raqamli tasvir,
video va ovozli ma’lumotlarni soxtalashtirish orqali yangi virtual natijalarni yaratishga imkon
beradi. Ushbu texnologiya Generative Adversarial Networks (GANs) arxitekturasiga asoslangan
va murakkab matematik algoritmlar orqali o‘z natijalarini haqiqatga yanada yaqinlashtiradi. Ushbu
texnologiya inson yuzini, ovozini va boshqa xususiyatlarini shunchalik aniq takrorlaydiki, bu
natijani haqiqatdan farqlash qiyin bo‘ladi. Quyida Deepfake’ning texnik asoslari va ishlash
jarayonlari keltirilgan.
1. GAN arxitekturasi – asosiy mexanizm
Deepfake texnologiyasi Generative Adversarial Network (GAN) deb nomlangan neyron
tarmog‘iga tayanadi. GAN ikkita asosiy qismdan iborat:
•
Generativ model (generator):
Soxta tasvir yoki ovoz yaratadi. Masalan, u mavjud
bo‘lmagan insonning yuzi yoki boshqa ma’lumotlarni yaratishi mumkin.
•
Discriminator (farqlovchi):
Yaratilgan ma’lumotning haqiqiyligini aniqlashga
harakat qiladi. Bu tizim generatorning natijalarini haqiqatdan ajratishga urinadi.
Bu tizimning mohiyati raqobatga asoslanadi. Generator yangi tasvir yaratadi, farqlovchi
esa bu tasvirning haqiqiy yoki soxta ekanligini aniqlaydi. Har bir marta farqlovchi generator
natijasini rad etsa, generator o‘z algoritmini yaxshilaydi. Natijada, ikki tizim bir-biriga qarshi
ishlash orqali yanada mukammal va haqiqatga yaqin soxta ma’lumotlar yaratadi.
2. Ma’lumotlarni qayta ishlash jarayoni
Deepfake yaratish uchun quyidagi bosqichlar amalga oshiriladi:
28
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
1.
Dastlabki ma’lumotlar yig‘ilishi:
Dastur uchun asosiy material bo‘lib xizmat
qiladigan tasvir yoki videolar to‘planadi. Masalan, biror mashhur shaxsning yuz ifodalari turli
burchaklardan olingan bo‘lishi kerak.
2.
Ma’lumotlarni tahlil qilish:
Neyron tarmoq bu ma’lumotlarni o‘rganib, inson
yuzidagi har bir ifoda va detallarni aniqlaydi.
3.
Yaratish jarayoni:
GAN orqali sun’iy tasvir yoki ovoz yaratiladi.
4.
Post-protsessing:
Yaratilgan materialni tahrirlash va asl material bilan sinxronlash
ishlari olib boriladi.
Neyron tarmoqni o‘rgatish:
Yig‘ilgan ma’lumotlar GAN modeliga kiritiladi. Model inson yuz ifodalarini, ovoz
o‘zgarishlarini yoki boshqa xususiyatlarini o‘rganadi.
•
Tasniflash:
Model insonning har bir yuz muskullarini va harakatlarini tahlil qiladi.
•
Rekonstruksiya:
Olingan natijalar sun’iy ma’lumot yaratishda ishlatiladi.
GAN modeli tomonidan olingan bilimlar asosida yangi, soxta tasvir yoki video yaratiladi.
Masalan, bir insonning yuz ifodalari boshqa insonning yuziga sinxronlashtiriladi.
3. Deepfake’ning rivojlanishi va murakkabligi
Deepfake texnologiyasi dastlab oddiy modifikatsiyalarni amalga oshirgan bo‘lsa, bugungi
kunda u quyidagilarni amalga oshira oladi:
•
Haqiqiy videodagi ovozni soxtalashtirib, boshqa bir shaxsning ovozi bilan
almashtirish.
•
Tasvirlardagi yuzlarni boshqa yuzlar bilan mukammal darajada o‘zgartirish.
•
Jonli videolarni real vaqt rejimida soxtalashtirish (Live Deepfake).
4. Texnologiyaning mukammallashishi sabablari
•
Kompyuter quvvatlarining oshishi:
Sun’iy intellekt algoritmlari tobora ko‘proq
ma’lumotni qayta ishlay oladi.
•
Katta ma’lumot bazalarining mavjudligi:
Internetda ochiq ma’lumotlar ko‘pligi
(jumladan, ijtimoiy tarmoqlardagi tasvir va videolar).
•
Algoritmlarning takomillashuvi:
GAN tizimlari nafaqat tasvirlarni, balki vaqt
o‘tishi bilan ovoz va harakatlarni ham ko‘chira oladi.
Deepfake texnologiyasining ishlash prinsipi yuqoridagi murakkab jarayonlar orqali amalga
oshadi va uning imkoniyatlari kundan-kunga kengayib bormoqda.
Deepfake texnologiyasining xavf va muammolarini yechish yo‘llari
Deepfake texnologiyasining rivojlanishi bir qator yangi xavf-xatarlarni keltirib
chiqarmoqda. Ushbu texnologiyaning salbiy oqibatlarini kamaytirish uchun bir nechta samarali
29
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
yechimlarni ko‘rib chiqish zarur. Quyidagi yo‘llar bu muammolarni hal qilishda muhim rol
o‘ynashi mumkin:
1. Qonunchilikni kuchaytirish va tartibga solish
Deepfake texnologiyasidan noto‘g‘ri foydalanishning oldini olish uchun samarali huquqiy
mehanizmlar yaratish zarur. Bu quyidagi qadamlarni o‘z ichiga oladi:
Maxsus qonunlar va normativ hujjatlar:
Deepfake texnologiyasiga qarshi maxsus qonunlar ishlab chiqilishi kerak. Shu bilan birga,
soxta kontent yaratish va tarqatish uchun javobgarlikni aniq belgilash lozim. Masalan, soxta video
yoki audio materiallar orqali obro‘ni so‘ndirish, firibgarlik qilish yoki axborot
manipulyatsiyalarini amalga oshirish uchun jinoiy javobgarlikni joriy etish zarur. Deepfake’ni
aniqlash, monitoring qilish va axborot xavfsizligi sohasida yagona standartlar ishlab chiqish
muhim.
2. Deepfake’ni aniqlash va monitoring qilish texnologiyalarini rivojlantirish
Deepfake texnologiyasini aniqlash va uning salbiy oqibatlarini kamaytirish uchun maxsus
dasturlar va texnologiyalarni takomillashtirish kerak:
Deepfake’ni aniqlash uchun ilg‘or sun’iy intellekt tizimlaridan foydalanish zarur. Masalan,
yuz ifodalari va ovoz o‘zgarishlarini aniqlash uchun yangi metodlar va algoritmlar ishlab chiqilishi
kerak. Buning uchun sun’iy intellekt tizimlarining o‘rganish imkoniyatlarini kengaytirish kerak.
Real vaqt rejimida monitoring:
Deepfake’larni tezkor ravishda aniqlash va ularni tarqatishdan oldin bloklash uchun real
vaqt monitoring tizimlari ishlab chiqilishi lozim. Bu texnologiya ijtimoiy tarmoqlarda, ommaviy
axborot vositalarida va onlayn platformalarda tarqatilayotgan soxta kontentni tezda aniqlashga
yordam beradi.
3. Ommaviy axborot vositalarida ta’lim va axborot savodxonligini oshirish
Ommaviy axborot vositalarida keng qamrovli ta’lim va axborot savodxonligini oshirish
muhim: Jamiyatni deepfake texnologiyasi va uning xavflari haqida xabardor qilish, soxta
axborotlarni aniqlash uchun zarur bilim va ko‘nikmalarni shakllantirish zarur. Axborot
iste’molchilari soxta materiallarni haqiqiylardan farqlashga o‘rgatish kerak.
Jamoatchilikni ogoh qilish:
Deepfake texnologiyasining xavf-xatarlarini tushuntirish va odamlarni soxta kontentlarga
qarshi ogoh qilish muhim. Bu jarayonda ta’lim muassasalari, ijtimoiy tashkilotlar va davlat
idoralari birgalikda ishlashi kerak.
4. Texnik yondashuvlar va muhandislik yechimlari
Deepfake texnologiyasini boshqarish uchun ilg‘or texnik yondashuvlar va innovatsion
muhandislik yechimlari joriy etilishi lozim:
30
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
“Watermark” texnologiyasi:
Deepfake video yoki tasvirlariga raqamli izlar (watermark) qo‘yish, ularni mualliflik
huquqi bilan bog‘lash orqali soxta kontentlarni aniqlashni osonlashtirish mumkin. Bu usul orqali,
ma’lum bir video yoki tasvirni soxta bo‘lganligini aniqlashda yordam berishi mumkin.
Blokcheyn texnologiyasi:
Raqamli tasvir va video materiallarni autentifikatsiya qilish uchun blokcheyn
texnologiyasidan foydalanish mumkin. Blokcheyn orqali, materialning haqiqiyligi tasdiqlanadi va
soxta kontentlar tarqalishi oldi olinadi.
5. Ijtimoiy mas’uliyat va axloqiy me’yorlar
Deepfake texnologiyasidan foydalanishda axloqiy me’yorlar va ijtimoiy mas’uliyatni
saqlab qolish kerak:
Deepfake texnologiyasining xavf-xatarlarini kamaytirish va ularni boshqarish uchun
kompleks yondashuv zarur. Bu faqat texnik yechimlar bilan cheklanmay, balki huquqiy, axloqiy
va ijtimoiy choralarni ham o‘z ichiga olishi kerak. Yangi qonunlarni ishlab chiqish, soxta
kontentlarni aniqlash texnologiyalarini takomillashtirish, axborot savodxonligini oshirish va
jamiyatni ogohlantirish kabi qadamlar yordamida Deepfake texnologiyasining salbiy oqibatlari
oldini olish mumkin. Yaxshi boshqarilgan Deepfake texnologiyasi, o‘zining ijobiy salohiyati bilan
jamiyatga foyda keltirishi mumkin.
REFERENCES
1.
Goodfellow I., Bengio Y., Courville A.
(2016).
Deep Learning
. MIT Press.
2.
Krizhevsky A., Sutskever I., Hinton G. E.
(2012).
ImageNet Classification with Deep
Convolutional Neural Networks
. Advances in Neural Information Processing Systems
(NIPS).
3.
Redmon J., Divvala S., Girshick R., Farhadi A.
(2016).
You Only Look Once: Unified,
Real-Time Object Detection
. IEEE Conference on Computer Vision and Pattern
Recognition (CVPR).
4.
He K., Zhang X., Ren S., Sun J.
(2016).
Deep Residual Learning for Image Recognition
.
IEEE Conference on Computer Vision and Pattern Recognition (CVPR).
5.
Deng J., Dong W., Socher R., Li L.-J., Li K., Fei-Fei L.
(2009).
ImageNet: A Large-
Scale Hierarchical Image Database
. IEEE Conference on Computer Vision and Pattern
Recognition (CVPR).
6.
Zeiler M. D., Fergus R.
(2014).
Visualizing and Understanding Convolutional Networks
.
European Conference on Computer Vision (ECCV).
31
ResearchBib IF - 11.01, ISSN: 3030-3753, Valume 2 Issue 1
7.
Ren S., He K., Girshick R., Sun J.
(2015).
Faster R-CNN: Towards Real-Time Object
Detection with Region Proposal Networks
. IEEE Transactions on Pattern Analysis and
Machine Intelligence (TPAMI).
8.
LeCun Y., Bengio Y., Hinton G.
(2015).
Deep Learning
. Nature, 521(7553), 436–444.
9.
Russakovsky O., Deng J., Su H., et al.
(2015).
ImageNet Large Scale Visual Recognition
Challenge
. International Journal of Computer Vision (IJCV), 115(3), 211-252.
10.
Huang G., Liu Z., Van Der Maaten L., Weinberger K. Q.
(2017).
Densely Connected
Convolutional Networks (DenseNet)
. IEEE Conference on Computer Vision and Pattern
Recognition (CVPR).
11.
Филин С. А. «Информационная безопасность», М.: Альфа – Пресс, 2006 г.
