Original title: Detekce deepfake obsahu v reálném čase během online videokonferencí
Translated title: Real-time Deepfake Detection in Online Video Conferencing
Authors: Malega, Tibor ; Firc, Anton (referee) ; Šalko, Milan (advisor)
Document type: Bachelor's theses
Year: 2026
Language: eng
Publisher: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstract: [eng] [cze]
Táto bakalárska práca sa zameriava na detekciu deepfake videí v reálnom čase počas online videokonferencií. Poskytuje základné teoretické poznatky o deepfake videách, pričom vysvetľuje, čo to vlastne je, ako sa vytvárajú a ktoré scenáre manipulácie sú pre živé videohovory najrelevantnejšie. Práca následne rozoberá bezpečnostné riziká spojené so zneužívaním deepfake videí a definuje model hrozieb pre útoky v prostredí videokonferencií. Ďalej preskúmava prístupy k detekcii deepfake a sumarizuje bežne používané datasety, základné modely a implementačné nástroje. Na základe identifikovaných výziev živého streamovaného videa práca definuje kľúčové požiadavky na spracovanie deepfake v reálnom čase. Tieto požiadavky boli použité na návrh a implementáciu detekčného systému nasadeného ako rozšírenie prehliadača bežiaceho na bežnom hardvéri, kombinujúceho konvolučný základ s modelovaním časových sekvencií na analýzu video streamov účastníkov počas živých hovorov. Systém je trénovaný na deepfake datasetoch v štýle videokonferencií a hodnotený na benchmarku Video Conference Deepfakes, kde dosahuje AUC 0,9935 a celkovú presnosť 98.3%, čo dokazuje, že spoľahlivá detekcia deepfake v reálnom čase je dosiahnuteľná bez špecializovaného hardvéru alebo úprav platformy. This bachelor's thesis focuses on detecting deepfake video content in real time during online video conferencing. It provides fundamental theoretical knowledge about deepfakes by explaining what they are, how they are generated, and which manipulation scenarios are most relevant to live video calls. The thesis then discusses the security risks associated with deepfake misuse and defines a threat model for attacks in conferencing environments. Next, it surveys deepfake detection approaches and summarizes commonly used datasets, model backbones, and implementation tools. Based on the identified challenges of live-streamed video, the work defines key requirements for real-time deepfake processing. These requirements are used to design and implement a detection system deployed as a browser extension running on consumer hardware, combining a convolutional backbone with temporal sequence modeling to analyze participant video streams during live calls. The system is trained on conference-style deepfake datasets and evaluated on the Video Conference Deepfakes benchmark, achieving an AUC of 0.9935 and an overall accuracy of 98.3%, demonstrating that reliable real-time deepfake detection is achievable without dedicated hardware or platform modifications.
Keywords: deepfake; detekcia; detektor; falošný; konferencie; manipulacia; metódy; model; prehliadač; real-time; rozšírenie; systém; teams; tréning; video; videokonferencia; zoom; browser; conferencing; deepfake; detection; detector; extension; fake; manipulation; methods; model; real-time; system; teams; training; video; videoconference; zoom

Institution: Brno University of Technology (web)
Document availability information: Fulltext is available in the Brno University of Technology Digital Library.
Original record: http://hdl.handle.net/11012/258774

Permalink: http://www.nusl.cz/ntk/nusl-776981


The record appears in these collections:
Universities and colleges > Public universities > Brno University of Technology
Academic theses (ETDs) > Bachelor's theses