ZAJIŠŤOVÁNÍ V TRESTNÍM ŘÍZENÍ 2024

Pokud budeme chtít vytvořit dokument, který má být považován za pravý, je v podstatě jedno, zda bude východiskem jiný, pravý dokument a dojde k modifikaci jeho obsahu, nebo zda bude vygenerován jako zcela nový. Záleží ovšem na kontextu: pro vyrobení falešného řidičského průkazu musí mít software informace o tom, jak má takový průkaz vypadat. Morfování obrazu, kdy dochází k metamorfóze zdrojového obrázku na cílový ob rázek podle předem definovaných pravidel, se může pohybovat na široké škále od pou hé hříčky pro pobavení až po útok na určitou osobu. V další variantě máme k dispozici reálné obrazy, které potřebujeme za určitým úče lem pozměnit. Výsledný falešný obrázek lze použít na sociálních sítích, ve sdělovacích prostředcích, ale i ke křivému obvinění nebo naopak k zakrytí totožnosti skutečného pachatele trestného činu. K tomu se používají generativní algoritmy hlubokého učení, jako jsou variační autokodéry (VAE) a generativní sítě protivníků (GAN). 37 Poslední varianta je pak generování obrazů, tedy nikoliv modifikace obrazu exis tujícího, ale vytvoření zcela nového obrazu pomocí AI. IG (Image Generation nebo li generování obrázků) je metoda tvorby obrázků, která využívá strojové a techniky hlubokého učení založené na učení k vyprodukování umělého obrázku obsahujícího objekty a scény ze skutečného světa z existujícího datasetu. Metoda IG využívá algo ritmy hlubokého učení, které se učí z rozsáhlých datových sad (datasets) obsahujících obrázky a poté jsou schopny generovat nové obrázky, které mohou obsahovat reálné objekty nebo scény, ale samy o sobě neexistují. Tyto generované obrázky mohou být velmi realistické a někdy je těžké je odlišit od skutečných fotografií. Existují dva hlavní typy metod IG: 1. Podmíněné generování obrázků (CIG): Tato metoda generuje obrázky podle určitých podmínek nebo štítků z datasetu. To může zahrnovat generování ob rázků, které odpovídají konkrétním kategoriím, jako jsou určité objekty, scény nebo dokonce specifické vlastnosti. 2. Nepodmíněné generování obrázků (UIG): Tato metoda generuje obrázky bez explicitních podmínek nebo štítků, což znamená, že vytváření obrázků je více „ volné “ a není omezeno předem definovanými parametry. Padělání videa hraje zásadní roli ve společnosti obecně, ale o to je nebezpečnější v oblasti forenzní analýzy a má pro společnost ještě závažnější důsledky než falešné fo tografie. Neustálý pokrok v generování syntetického videa a manipulace s existujícími záznamy může způsobit značné problémy, jako je šíření nepravdivých informací, ztráta důvěry v digitální obsah a falešné zprávy. Manipulaci s videem lze rozdělit do tří typů:

37 Viz např. DAGAR, Deepak, VISHWAKARMA, Dinesh Kumar. A literature review and perspectives in deepfakes: generation, detection, and applications. International journal of multimedia information retrieval . roč. 11, 2022, č. 3, s. 219-289.

87