Conoscenza e capacità di comprensione (knowledge and understanding):
Lo studente acquisirà una comprensione solida dei principi fondamentali della Multimedia Forensics, delle principali tecniche di acquisizione e manipolazione dei contenuti multimediali, nonché delle metodologie di rilevazione e attribuzione delle alterazioni. Verranno approfonditi i concetti di digital forgery, deepfake, machine learning e di deep learning per la detection, fino agli approcci multimodali e alle problematiche legate all’adversarial machine learning.
Capacità di applicare conoscenza e comprensione (applying knowledge and understanding):
Attraverso esercitazioni di laboratorio e casi di studio, lo studente sarà in grado di applicare le metodologie acquisite per individuare e analizzare manipolazioni digitali su immagini, video e audio.
Autonomia di giudizio (making judgements):
Grazie all’esposizione a diversi scenari di falsificazione e detection, lo studente svilupperà la capacità di valutare in maniera critica l’affidabilità dei risultati ottenuti, riconoscere i limiti delle tecniche disponibili e proporre soluzioni innovative. Sarà inoltre in grado di riflettere sugli aspetti etici, giuridici e sociali connessi all’uso dei deepfake e delle tecniche antiforensi.
Abilità comunicative (communication skills):
Lo studente acquisirà competenze comunicative e padronanza del linguaggio tecnico-scientifico nell’ambito della multimedia forensics, con particolare riferimento alla terminologia di natura tecnica, giuridica e investigativa.
Capacità di apprendimento (learning skills):
Il corso fornirà allo studente gli strumenti teorici e pratici per aggiornarsi in modo autonomo sui rapidi sviluppi del settore, sviluppando un approccio critico e una metodologia di lavoro orientata alla risoluzione di problemi reali. Seminari tematici e laboratori avanzati stimoleranno la capacità di apprendere nuovi metodi e adattarsi a scenari emergenti nella digital e media forensics.
| Argomenti | Riferimenti testi | |
|---|---|---|
| 1 | Fondamenti di Digital & Image Forensics | Dispense del docente |
| 2 | Digital Forgery, JPEG Forensics e JPEG AI | Dispense del docente |
| 3 | Deepfake, cenni sui Modelli Generativi, creazione di dati sintetici | Dispense del docente |
| 4 | Deepfake Detection e Attribution su Immagini e Video | Dispense del docente |
| 5 | Impostor Bias e Normativa sui Deepfake | Dispense del docente |
| 6 | Audio Deepfake: Tecniche di creazione e di rilevamento | Dispense del docente |
| 7 | Multimodal Deepfake Detection | Dispense del docente |
| 8 | Adversarial Machine Learning e sfide emergenti | Dispense del docente |
- Descrivere i principali metodi di rilevamento di immagini deepfake