تتزايد تحديات خدع الصوت (Audio Deepfakes) بشكل ملحوظ، مما يضع الضغوط على الناس العاديين، فضلاً عن الصحفيين والعاملين في التحقق من الحقائق. هؤلاء المحترفون بحاجة إلى أدوات موثوقة للتحقق من مصداقية المعلومات دون المساس بخصوصيتهم.

الشركات التجارية التي تقدم حلولاً لاكتشاف خدع الصوت تعتمد بشكل كبير على معالجة البيانات من خلال السحابة، مما يثير مخاوف بشأن الخصوصية. في هذا السياق، نجد أن الحلول الحديثة تسعى إلى معالجة هذه المشكلة عن طريق تقديم نماذج كشف خدع الصوت على الأجهزة (on-device).

توصلت دراسة جديدة إلى إنشاء نموذج يعتمد على بنية ذاتية الإشراف (self-supervised) مختصرة مع مصنف لوغاريتمي بسيط، يُظهر أنه سريع وأكثر دقة مقارنةً ببعض الحلول الموجودة، إذ يتفوق على قاعدة البيانات AASIST بنسبة 10% ويزيد من سرعة الاستجابة بنسبة 40%.

ما يميز هذا النموذج هو دمجه في إضافة للمتصفح، ما يسهل استخدامه للصحفيين والعاملين في التحقق من الحقائق لكشف الخدع بسهولة وأمان.

يمكنك الاطلاع على كود الإضافة من خلال GitHub هنا. هل تعتقد أن هذه الأدوات ستعزز من أمان المعلومات في عالم يتزايد فيه استخدام خدع الصوت؟ شاركونا برأيكم في التعليقات!