Videti še ne pomeni verjeti : zaznava ponarejenih osebnih dokumentov z velikimi jezikovnimi modeli

slovenski

2026

letnik 93, številka 4

računalniški vid   razložljiva umetna inteligenca   razpoznavanje vzorcev   večmodalni veliki jezikovni modeli   zaznava ponarejenih osebnih dokumentov

Elektrotehniška zveza Slovenije
(Obvezni izvod spletne publikacije)

V dobi digitalizacije družbe je oddaljena identifikacija uporabnikov prek zajema fotografije osebnega dokumenta ključna za učinkovito vodenje storitev. Kakorkoli, sistemi, ki to omogočajo, so še vedno ranljivi in podvrženi napadom, ki med drugim vključujejo lažno identifikacijo s ponarejenimi osebnimi dokumenti. Običajne rešitve te težave uporabljajo algoritme, ki analizirajo pogoste napake, ki jih je mogoče zaslediti na ponarejenih dokumentih. Težava nastane, ko napake zaradi vedno bolj učinkovitih pristopov digitalnega manipuliranja slikovnih vsebin spremenijo svoj videz. Poleg tega obstoječi algoritmi za zaznavanje ponaredkov ne znajo jezikovno razložiti, zakaj je bil določen dokument označen kot ponaredek. V tej študiji se omenjenih težav lotevamo z raziskovanjem sodobnih večmodalnih velikih jezikovnih modelov (VVJM) v kontekstu zaznavanja ponarejenih osebnih dokumentov. Predstavimo prvo sistematično ovrednotenje šestih odprtokodnih prednaučenih modelov (DeepSeek-VL2-Tiny, LLaVA-1.6-Mistral-7B, Qwen2.5-VL-7B, Gemma-3-12B, InternVL3.5-4B, Pixtral-12B) z uporabo največje standardizirane podatkovne zbirke osebnih (avtentičnih in ponarejenih) dokumentov IDNet. Naša raziskava pokaže, da so VVJM zelo učinkoviti pri zaznavanju različnih vrst digitalnih manipulacij osebnih dokumentov. Podrobnejša analiza po državah, ki so dokumente izdale, pa razkrije, da je uspešnost zaznave močno odvisna od vizualnega sloga dokumenta.

20.10.2026