Pairwise AI Model for Plagiarism Detection in AI-Generated Music

Κούτσικος, Φώτιος; Koutsikos, Fotios

dc.contributor.author	Κούτσικος, Φώτιος	el
dc.contributor.author	Koutsikos, Fotios	en
dc.date.accessioned	2026-09-01T08:50:49Z
dc.date.available	2026-09-01T08:50:49Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/65660
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.33354
dc.rights	Default License
dc.subject	Ανίχνευση Μουσικής Λογοκλοπής	el
dc.subject	Παραγωγική Τεχνητή Νοημοσύνη	el
dc.subject	Πνευματικά δικαιώματα	el
dc.subject	Generative AI	en
dc.subject	Deep metric learning	en
dc.subject	Music Plagiarism Detection	en
dc.subject	Copyright compliance	en
dc.title	Pairwise AI Model for Plagiarism Detection in AI-Generated Music	en
dc.contributor.department	Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης	el
heal.type	bachelorThesis
heal.classification	Music Information Retrieval	en
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2026-07-08
heal.abstract	Η ραγδαία εξέλιξη της παραγωγικής τεχνητής νοημοσύνης (AI) στη μουσική έχει εισαγάγει τον κίνδυνο τόσο της ακούσιας αναπαραγωγής υφιστάμενων μελωδιών όσο και της εσκεμμένης συγκάλυψης προστατευόμενων έργων. Η παρούσα διπλωματική εργασία διερευνά κατά πόσο η μουσική λογοκλοπή παραμένει αξιόπιστα ανιχνεύσιμη όταν το αρχικό υλικό έχει μετασχηματιστεί μέσω παραγωγικής τεχνητής νοημοσύνης (generative AI) και έχει συγκαλυφθεί περαιτέρω από αλλοιώσεις σε επίπεδο σήματος. Για την αντιμετώπιση αυτού του προβλήματος, η μελέτη εισάγει το σύνολο δεδομένων COPYCAT, βασισμένο σε πραγματικές υποθέσεις λογοκλοπής από το Similar Music Pair (SMP) Dataset. Το σύνολο αυτό επεκτείνεται με παράγωγα κομμάτια προερχόμενα από τρεις διαφορετικές αρχιτεκτονικές — MusicGen, AudioLDM 2 και MGE-LDM — και ενσωματώνει συστηματικές αλλοιώσεις τονικότητας (pitch) και ρυθμού (tempo) για την προσομοίωση σύγχρονων στρατηγικών συγκάλυψης. Το προτεινόμενο πλαίσιο ανίχνευσης χρησιμοποιεί μια αρχιτεκτονική διπλού κλάδου (dual-branch), η οποία συγκρίνει τμήματα (segments) υποψήφιων και αυθεντικών κομματιών, κωδικοποιώντας τα σε κοινούς λανθάνοντες χώρους ενσωμάτωσης (embedding spaces). Αυτή η προσέγγιση συνδυάζει την ακουστική ομοιότητα, όπως αποτυπώνεται από το μοντέλο CLEWS, με τα σημασιολογικά, φωνητικά και στιχουργικά στοιχεία που εξάγονται από το μοντέλο WEALY. Η παρούσα εργασία αποκαλύπτει τους εσωτερικούς μηχανισμούς της λογοκλοπής παραγόμενης μέσω AI, αποδεικνύοντας ότι η αποτελεσματική ανίχνευση απαιτεί πολυδιάστατες, επιβλεπόμενες στρατηγικές απόφασης, προσαρμοσμένες στη φύση του προβλήματος. Με αυτόν τον τρόπο, επιτυγχάνεται σημαντική πρόοδος στην αναγνώριση έντονα συγκαλυμμένων παραγώγων, θέτοντας τα θεμέλια για ισχυρότερη προστασία των πνευματικών δικαιωμάτων. Το κεντρικό ερευνητικό ερώτημα που καθοδηγεί αυτή την εργασία είναι: ΕΕ: Πώς μπορούν τα υπολογιστικά συστήματα σύγκρισης ζευγών (pairwise) να ανιχνεύσουν αξιόπιστα τη μουσική λογοκλοπή όταν η ταυτότητα της αρχικής πηγής έχει δομικά συγκαλυφθεί μέσω παραγωγικής AI και τροποποιήσεων σε επίπεδο σήματος;	el
heal.abstract	The rise of AI-generated music has introduced the potential for both unintentional replication of existing melodies and deliberate concealment of protected works. This thesis investigates whether music plagiarism can still be reliably detected when the original material has been transformed through generative AI and further concealed by signal-level modifications. To address this problem, the study introduces the COPYCAT dataset, an adversarial evaluation benchmark based on real-world plagiarism cases from the Similar Music Pair (SMP) dataset. This benchmark is extended with AI-generated derivatives from three distinct generative architectures — MusicGen, AudioLDM 2, and MGE-LDM — and incorporates systematic pitch and tempo modifications to simulate modern concealment strategies. The proposed detection framework employs a dual-branch architecture that methodically compares segments of candidate and reference tracks by encoding them into shared embedding spaces. This approach combines acoustic similarity, captured through the CLEWS music version identification model, with semantic vocal and lyrical evidence extracted from the Whisper-based WEALY model. Ultimately, this thesis uncovers the inner mechanisms of AI-mediated plagiarism, demonstrating that effective detection requires multidimensional, task-adapted supervised decision strategies, thereby achieving a substantial breakthrough in identifying heavily obfuscated derivatives and providing a foundation for more robust copyright compliance. The central research question guiding this work is: RQ: How can pairwise computational systems reliably detect musical plagiarism when the original source identity has been structurally concealed through generative AI and signal-level obfuscation?	en
heal.advisorName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Βουλόδημος, Αθανάσιος	el
heal.committeeMemberName	Στάμου, Γεώργιος	el
heal.committeeMemberName	Ζέρβα, Χρυσούλα	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Συστημάτων Τεχνητής Νοημοσύνης και Μάθησης	el
heal.academicPublisherID	ntua
heal.numberOfPages	197
heal.fullTextAvailability	false