CHÚC MỪNG NHÓM SINH VIÊN, HỌC VIÊN CAO HỌC NGÀNH HỆ THỐNG THÔNG TIN CÓ BÀI BÁO ĐƯỢC CHẤP NHẬN ĐĂNG TẠI TẠP CHÍ KHOA HỌC QUỐC TẾ ECTI-CIT (Q3)
ECTI Transactions on Computer and Information Technology (ECTI-CIT) là tạp chí khoa học quốc tế được thành lập từ năm 2005, xuất bản bởi Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology Association – ECTI Association, Thái Lan. Tạp chí có mã ISSN trực tuyến 2286-9131 và sử dụng tiếng Anh làm ngôn ngữ xuất bản.
Tạp chí công bố các nghiên cứu lý thuyết và ứng dụng trong lĩnh vực Khoa học máy tính và Công nghệ thông tin, bao gồm trí tuệ nhân tạo, học máy, nhận dạng mẫu, tin sinh học và tin học y tế, thị giác máy tính, xử lý ảnh, khoa học dữ liệu, Internet vạn vật, mạng máy tính và hệ thống phần mềm. Tất cả bài báo đều trải qua quá trình sơ duyệt và phản biện kín hai chiều.
Từ năm 2022, ECTI-CIT xuất bản 4 số mỗi năm. Bài báo của nhóm đã được chấp nhận đăng trong kế hoạch xuất bản Volume 20, Issue 4, năm 2026.
Thông tin tạp chí: https://ph01.tci-thaijo.org/index.php/ecticit
Tên bài báo: “Dual-Perspective Deepfake Detection via Forensic–Physiological Temporal Fusion”
Sinh viên và học viên thực hiện:
- Đặng Hữu Quang – MSSV 21522508 – CTTT2021
- Trần Thị Mĩ Tiên – MSSV 21522674 – CTTT2021
- Nguyễn Minh Nhựt – Học viên Cao học ngành Hệ thống Thông tin, Khóa 2022
Giảng viên hướng dẫn: PGS. TS. Nguyễn Đình Thuân
Abstract:The rapid advancement of deepfake technology poses increasing risks to biometric security, particularly mobile face authentication. Single-modality detectors relying on spatial or low-level visual cues often show limited robustness under real-world capture conditions. This paper proposes a dual-perspective framework combining frequency domain forensics with behavioural analysis. FFT, DCT, and SRM residuals capture abnormal spectral, noise, and compression artifacts, while blinking, gaze, and head-pose cues characterize physiological and motion inconsistencies that remain difficult for generative models to reproduce. Experimental results demonstrate the benefit of combining these complementary signals. The fused BiGRU-Attention model achieves 84.90% accuracy and 0.9369 AUC on FaceForensics++, and 83.48% accuracy and 0.9186 AUC on Celeb-DF, demonstrating its potential for face-authentication and synthetic media forensics.
