マルチモーダルAIによる音声・映像の不整合検知（Liveness Detection）

マルチモーダルAIによる音声・映像の不整合検知（Liveness Detection）とは

マルチモーダルAIによる音声・映像の不整合検知（Liveness Detection）とは、オンライン本人確認や認証システムにおいて、人間が実在していることを確認し、ディープフェイクや録画再生、合成音声などによるなりすましを防止するための技術です。これは、音声と映像という複数のモダリティ（情報源）から得られるデータをAIが統合的に分析することで実現されます。具体的には、話者の声紋、発話の自然さ、顔の微細な動き、目の瞬き、表情の変化、血流の変化といった生体反応をリアルタイムで検知し、これら音声と映像の間に不整合がないかを検証します。例えば、音声合成によって作られた声と、その声に同期しない不自然な口の動き、あるいは録画された映像に反応がないといった異常を検知します。親トピックである「音声合成の悪用」がもたらすリスク、特にディープフェイクによる顔や声の偽装に対する強力な対抗策として、この技術はデジタル社会における信頼性とセキュリティの確保に不可欠な役割を担っています。

このキーワードが属するテーマ