ResNeXt50 ve LSTM mimarileriyle derin sahte tespiti

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Fen Bilimleri Enstitüsü, -, Türkiye

Tezin Onay Tarihi: 2025

Tezin Dili: Türkçe

Öğrenci: LEILI ESLAM JAMALGOLZARI

Danışman: AYDIN ÇETİN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Derin sahte (deepfake) teknolojileri giderek daha sofistike hale gelmekte ve dijital güvenlik, mahremiyet ile yanlış bilgilendirme alanlarında kritik zorluklar oluşturmaktadır. Derin sahte tespiti, hem mekânsal hem de zamansal tutarsızlıkları yakalayabilen derin öğrenme modellerini gerektirmektedir. Bu tezde, üç farklı derin öğrenme mimarisinin—ResNeXt50, LSTM ve önerilen Hibrit LSTM/ResNeXt50 mimarisinin—DeepFake Detection Challenge (DFDC) veri kümesi üzerinde karşılaştırmalı analizi sunulmaktadır. Deneysel sonuçlar, saf ResNeXt50 modelinin %44 kesinlik ve %44 F_1-skoru elde ettiğini, LSTM modelinin ise %62 kesinlik ve %70 F_1-skoru ile daha iyi performans sergilediğini, ancak her iki modelin de tek başına uygulandığında sınırlı kaldığını göstermektedir. Buna karşın, Hibrit LSTM/ResNeXt50 mimarisi %91,85 kesinlik, %90,68 geri duyarlılık, %85,26 doğruluk ve %91 F_1-skoru ile bu modelleri önemli ölçüde geride bırakmıştır. Bulgular, LSTM mimarilerinin zamansal bağımlılıkları ResNeXt50'ye göre daha etkili yakaladığı, ancak mekânsal ve zamansal özellik çıkarımının bütünleştirilmesiyle çok daha dengeli ve sağlam bir tespit performansına ulaşıldığını, hibrit mimarinin daha güvenilir derin sahte tespiti potansiyeli olduğunu ortaya koymaktadır.