Veridiq

Scopul acestui  proiect  este  realizarea  unei  unelte  software  ce  permite  identificarea  automată,  robustă  și interpretabilă a elementelor media de tipul audio-video sintetizate în întregime sau editate parțial, cunoscute ca “deepfakes”.

O1.  Integrarea  modelelor  unimodale  de  detecție  a  deepfake-urilor  într-un  model  multimodal.

O2. Creșterea gradului de robustețe a modelelor de detecție.

O3. Augmentarea predicțiilor detectorului cu informații suplimentare.

O4. Dezvoltarea unei unelte software dedicată procesării și interpretării rezultatelor (demo) și integrarea  acesteia  în  fluxul  Bitdefender.

PROIECT DE TRANSFER LA OPERATORUL ECONOMIC

Identificator: PTE: PN-IV-P7-7.1-PTE-2024-0600

Contract numarul: 33PTE/2025

Coordonator Bitdefender

Director Proiect: Elisabeta Oneata

Partener: UNIVERSITATEA NAȚIONALĂ DE ȘTIINȚĂ ȘI TEHNOLOGIE POLITEHNICA BUCUREȘTI

Valoare totală a proiectului: 2.344.000,00 lei

Valoarea finanțării publice: 1.499.600,00 lei

Valoarea co-finanțării: 844.400,00 lei

Durata implementării: 24 luni

A1.1 Analiza articolelor științifice relevante, identificarea și selecția seturilor de date

A1.2 Crearea unui dataset realist

A1.3 Testarea și analiza modelelor unimodale

A1.4 Integrarea modelelor unimodale într-un model audio-video

A1.5 Introducerea în antrenare a datelor din principalele clase de modele generative

A1.6 Producerea de scoruri calibrate

A1.7 Producerea de explicații spațio-temporale

A1.8 Diseminarea rezultatelor 2025

A2.1 Augmentari dinamice de date

A2.2 Eficientizarea modelului

A2.3 Identificarea tipului de atac

A2.4 Modelele de ansamblu

A2.5 Crearea interfeței grafice

A2.6 Integrarea în fluxul Bitdefender

A2.7 Diseminarea rezultatelor 2026

• Smeu, S., Oneata, E., & Oneata, D. (2025). DeCLIP: Decoding CLIP representations for deepfake localization. In IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) (pp. 149-159).

• Smeu, S., Boldisor, D. A., Oneata, D., & Oneata, E. (2025). Circumventing shortcuts in audio-visual deepfake detection datasets with unsupervised learning. In Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR) (pp. 18815-18825).

• Pascu, O., Oneata, D., Cucu, H., & Müller, N. (2025). Easy, Interpretable, Effective: openSMILE for voice deepfake detection. In IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP).

• Pascu, O., Oneata, D., Cucu, H., & Müller, N. (2025).  Detecting Audio Deepfakes on the Edge: Lightweight SSL-Based Detection in a Browser Plugin. In IEEE Conference on Speech Technology and Human-Computer Dialogue (SpeD).

• Oneata, D., Nortje, L., Matusevych, Y., & Kamper, H. (2025). The mutual exclusivity bias of bilingual visually grounded speech models. In Interspeech.