Проекты
Конкурсные проекты

Разработка метода выявления неправомерного воздействия на аудиофайлы на основе многомерного анализа амплитудно-частотных характеристик аудиосигналов


Тип участника:  Авторский/творческий коллектив
Полное наименование организации/физического лица/авторского или творческого коллектива:  Отражение
В лице (для организации или авторского/творческого коллектива указывается ФИО и должность руководителя):  Карев Валентин Витальевич, студент 3 курса, направления "Информационная безопасность"
Контактное лицо: ФИО:  Карев Валентин Витальевич
ФИО всех участников авторского/творческого коллектива:  Ладыгин Павел Сергеевич
Попов Владислав Николаевич
Борцова Яна Игоревна
Карев Валентин Витальевич
Идея и краткое описание ИТ-проекта:  Разработать новый метод выявления неправомерного воздействия на аудиофайлы на основе многомерного анализа амплитудно-частотных характеристик аудиофайлов.
Перечень решаемых задач: 

1.   Разработать метод получения векторов признаков, характеризующих амплитудно-частотные свойства аудиофайлов.

2.   Создать банк векторов признаков и провести автоматизированный расчет коэффициентов сходства аудиофайлов между собой.

3.   Апробировать предложенный метод идентификации аудиофайлов по сравнению коэффициентов сходства на различных видах аудиозаписей.

Используемые платформы, средства разработки:  Для реализации данного проекта основным языком программирования будет являться - python. И все соответствующие библиотеки: numpy, pytorh, librosa, augly и т.д
Стоимость разработки системы:  300000
Средний размер ежегодных затрат на эксплуатацию:  30000
Перспективы развития:  Перспектива развития данного проекта в первую очередь заключается в разработке более легковесных моделей, которые могут анализировать огромное количество аудиофайлов за более короткое время.
Достижение поставленных целей: 

1. Будет разработано оригинальное программное обеспечение, позволяющее принимать аудиофайлы, содержащие мелодические конструкции, и вычислять коэффициент схожести между ними.

2. Будет создана новая база данных, включающая в себя результаты измерений информативных параметров мелодических конструкций, предназначенная для расчета векторов признаков и построения моделей, адекватно характеризующих аудиофайлы.

3. Будет разработан и апробирован новый метод автоматического выявления воздействия на аудиофайл в амплитудно-частотной области.

Актуальность, экономическая или социальная полезность: 

Вопрос идентификации и сопоставления (сравнения) аудиофайлов, музыкальных композиций и их фрагментов друг с другом является актуальной проблемой в случае проведения экспертных исследований, установления факта нелегального использования или нарушения прав на интеллектуальную собственность. Традиционные подходы подразумевают непосредственное исследование экспертом музыкального произведения «на слух» или путем анализа нотных партитур, что существенно ограничивает эффективность проводимого исследования и может вносить долю субъективности. При этом современные компьютерные алгоритмы позволяют анализировать аудиальную информацию более эффективно и точно.

Одной из наиболее надёжных характеристик аудиофайлов являются цифровые отпечатки, используемые некоторыми популярными системами поиска и хранения информации об аудиоданных (Shazam, ContentID). Построение качественного вектора признаков аудиофайла, характеризующего его основные амплитудно-частотные свойства и тем самым позволяющего сравнивать цифровые отпечатки и оценивать степень схожести их между собой, является важной задачей для создания современных экспертных систем по проверке музыки на плагиат.

Адаптивность, стилистическое единство всех функциональных блоков: 

Традиционные подходы, применяемые привлекаемыми экспертами в ходе судебных разбирательств, включают в себя непосредственное исследование экспертом музыкального произведения «на слух», путем анализа нотных партитур и установления схожести композиции - тональности, интенсивности звучания нот и «созвучия» (соседство нот между собой). За редким исключением применение экспертами технических средств ограничивается наложением одной записи на другую или для выяснения процесса формирования аудиозаписи и аудиофайла как конечного продукта. Подобные действия несут в себе существенную долю субъективизма, зависят от квалификации эксперта и далеко не всегда позволяют справиться с техническими приемами, применяемыми на этапе записи музыкальных композиций (например, изменение тональности, ритма, внесение эффектов и искажений).

Данная работа рассматривает перспективность применения цифровых отпечатков для установления идентичности разных музыкальных композиций с соблюдением прозрачности и идеологической схожести с действиями, выполняемыми в ходе экспертного исследования музыкальных композиций. Для получения цифровых отпечатков предлагается использовать математические методы многомерного анализа, успешно зарекомендовавшие себя при обработке результатов акустических измерений
Масштабируемость, способность к взаимодействию с другими системами, мобильность:  Итоговый продукт нашего проекта - обученная нейросеть, вычисляющая векторы признаков аудиофайлов, содержащих мелодические конструкции, можно представить как отдельный сервис, к которому можно подключаться по API. Что будет полезно для отслеживания плагиата среди авторов и исполнителей, выставляющие свои работы на музыкальные и другие Интернет-площадки.
Обоснованность применяемых проектных решений: 

В качестве основного метода планируется использовать аппарат многомерного анализа данных. Применение методов многомерного анализа основывается на адекватном выборе измеряемых характеристик, формирующих вектор признаков. В случае аудиосигналов для извлечения из регистрируемых сигналов этих признаков нужно учитывать, что сигналы отражают не только особенности объекта контроля, но и искажения, случайные процессы различной природы и других мешающие факторы. В связи с этим в проекте получение векторов признаков будет осуществляться путем совместного применения оригинальных экспериментальных методик, в частности, анализ мелодической конструкции аудиофайла с применением обученной нейросети.

Оригинальность, новизна, отличие от аналогов либо отсутствие аналогов: 

Новизна исследования заключается в использовании принципиальная возможность формирования компьютерного инструментального подхода к осуществлению экспертных оценок музыкальных произведений в случае установления факта нарушения прав на интеллектуальную собственность.

Впервые предлагается внесение в вектор признаков дополнительных составляющих и использования более интеллектуальной адаптивной процедуры выполнения сравнения векторов признаков анализируемых музыкальных композиций.

В проекте будет получен оригинальный результат, заключающийся в создании программного средства, автоматически выявляющего воздействие на аудиофайл в амплитудно-частотной области.

Юзабилити и полезность: 

- будет создана оригинальная обученная нейросеть, вычисляющая векторы признаков аудиофайлов, содержащих мелодические конструкции;

- будет предложен автоматизированный процесс сравнения мелодических конструкций между собой, способствующий более быстрому и недорогому осуществлению искусствоведческой экспертизы.

Результаты проекта могут быть использованы в деятельности экспертов, осуществляющих искусствоведческую экспертизу, а также в автоматизированных системах, предоставляющих доступ к легальному контенту в сети Интернет.

Гарантирую достоверность предоставленной в заявке информации. Подтверждаю, что организация не находится в состоянии ликвидации, банкротства, реорганизации (Только для организаций):  Да
Возврат к списку
нет доступа к комментариям Авторизоваться