Maier A, Rieß C (2023)
Publication Language: German
Publication Type: Journal article
Publication year: 2023
DOI: 10.1007/s11623-023-1748-2
Die Multimedia-Forensik ermöglicht Untersuchung von Spuren in digitalen Medieninhalten,
um Authentizität und Ursprung der Inhalte zu ermitteln. Solche Verfahren können
beispielsweise Journalisten bei der Faktenprüfung unterstützen. Im Zuge der „KI-
Revolution“ der letzten Jahre werden auch in der Multimedia-Forensik zunehmend
Verfahren entwickelt, die neuronale Netze mit Deep Learning (DL) nutzen. DL-
Methoden überzeugen zwar im Allgemeinen durch eine hohe Leistungsfähigkeit, sie
sind aber recht fehleranfällig für sogenannte Out-of-Distribution (OoD)-Eingaben, das
sind Eingaben außerhalb des Trainingsbereichs der Methode. Für einen Analysten ist
diese Art von Fehler schwierig festzustellen, da neuronale Netzen häufig Antworten
erzeugen, die vorgeblich sehr sicher sind, obwohl die Eingabe eigentlich unbekannt
ist. Bayes’sche Neuronale Netze (BNNs) können hier eine zuverlässigere Alternative
darstellen. Die Unsicherheit einer Vorhersage ist in BNNs ein direkt nutzbares
Nebenprodukt der probabilistischen Modellierung. Ein Analyst kann OoD-Eingaben
über das Unsicherheitsmaß erkennen und geeignete Folgemaßnahmen ergreifen.
APA:
Maier, A., & Rieß, C. (2023). Zuverlässigkeit von KI in der Multimedia-Forensik. Datenschutz und Datensicherheit. https://dx.doi.org/10.1007/s11623-023-1748-2
MLA:
Maier, Anatol, and Christian Rieß. "Zuverlässigkeit von KI in der Multimedia-Forensik." Datenschutz und Datensicherheit (2023).
BibTeX: Download