Il traite de la science de la détection des falsifications vocales et de la découverte de la vérité grâce à l'intelligence artificielle.
Les technologies de détection des sons manipulés constituent le nouveau fondement d'une société de confiance. (Encyclopédie de l'IA)
Vous trouverez les connaissances en intelligence artificielle dont vous avez besoin sur aiseries.oopy.io.

Il s'agit d'un enregistrement numérique contenant l'intégralité du processus de création.
Le fichier lui-même conserve des informations telles que la date et la méthode de création.
Cependant, ces processus d'édition et les informations stockées peuvent également fournir des indices importants aux experts en criminalistique pour déceler des traces de falsification.
Par exemple, si vous assemblez des enregistrements provenant de différents moments, le bruit de fond changera légèrement, et si vous augmentez excessivement le volume, un écrêtage, où le haut ou le bas de la forme d'onde est coupé, peut se produire.
De plus, le réencodage peut introduire des motifs de bruit réguliers lors du processus de recompression.
--- Extrait de « 01_« Possibilité de falsification de fichiers audio » »

Nos oreilles perçoivent le contenu du son, mais les experts en perçoivent la forme.
Pour ce faire, nous devons visualiser les fichiers audio numériques inaudibles.
Autrement dit, le processus d'analyse des sons invisibles par la création de graphiques ou de cartes est appelé analyse du signal acoustique.
L'analyse des signaux acoustiques utilise principalement trois méthodes : la forme d'onde, le spectre et le spectrogramme.
Ces analyses visent à observer les discontinuités, les valeurs aberrantes (valeurs qui s'écartent significativement du modèle ou de la distribution globale des données) et les changements dans les modèles de bruit qui apparaissent dans l'intervalle d'édition.
--- Extrait de « 03_« Techniques traditionnelles de détection de la falsification audio numérique » »

En raison du manque de jeux de données sur le montage audio, la détection du montage audio reste un domaine réservé aux experts.
À mesure que la falsification audio devient plus sophistiquée, sa détection consiste de plus en plus à rechercher les erreurs mineures commises par le faussaire.
De plus, si des fonctionnalités de montage audio basées sur l'IA, comme celles de Photoshop, sont ajoutées au logiciel, les traces de montage seront encore plus difficiles à dissimuler.
Pour développer un modèle d'IA pour la détection de modifications audio, il est nécessaire de constituer un ensemble de données approprié basé sur une extraction de caractéristiques novatrices et le développement d'algorithmes allant au-delà de la détection conventionnelle des régions frontières.
--- Extrait de « 06_« Construction et traitement d’ensembles de données pour l’analyse forensique audio » »

L'exemple le plus frappant qui justifie la nécessité de la technologie d'analyse forensique audio est l'exploitation de la technologie des voix falsifiées (deepfakes).
Cela devient une menace réelle, engendrant des troubles sociaux et des préjudices concrets. L'hameçonnage vocal se sophistique grâce aux progrès rapides de la technologie de synthèse vocale par intelligence artificielle.
L’hameçonnage vocal, qui utilise des voix falsifiées (deepfakes) pour imiter les voix d’enfants, de membres de la famille ou de connaissances et exiger de l’argent, est déjà une réalité et cause des dommages considérables.
Le montant des dommages causés par le phishing vocal a doublé en 2024 pour atteindre 854,5 milliards de wons en seulement un an, soit une augmentation de 99 % par rapport à la même période l'année précédente.

--- Extrait de « 09_« Limites et enjeux éthiques de la technologie d'analyse forensique audio par IA » »