Detekcja deepfake'ów: test 4 serwisów

Narzędzia wykrywania deepfakes: test na 100 próbkach

Journaliści przeprowadzili test czterech popularnych narzędzi do wykrywania deepfakes na zbiorze 100 plików: oryginalnych zdjęć i filmów, nowoczesnych syntetyków z Sora 2.0, Veo 3, ElevenLabs, Midjourney V7 oraz hybrydowego treści z upscalingiem. Test uwzględniał kompresję i brak metadanych EXIF, typowe dla rozprzestrzeniania się w mediach społecznościowych.

Metodologia obejmowała czyste pliki z lat 2022–2024, audio-clony i obrazy bez twarzy ludzkich. Wyniki pokazują dokładność, fałszywe sygnały alarmowe oraz ograniczenia każdego serwisu.

Hive AI Moderation Suite

Chmury API i wtyczka przeglądarkowa ocenia prawdopodobieństwo generacji AI według skali 0–100% na podstawie modeli szkolonych na milionach przykładów.

W teście Hive poprawnie sklasyfikował 94% rzeczywistych zdjęć, ale popełniał błędy w 12% przypadków przy filmach, myląc kompresję z artefaktami AI. Idealne do szybkiej weryfikacji zdjęć w masowej komunikacji, ale wymaga potwierdzenia dla materiałów wideo.

RealityGuard od Sensity

Platforma B2B skupia się na mikrowyrażeniach, oświetleniu, biometrii i synchronizacji dźwięku i obrazu. Wyświetla mapy cieplne podejrzanych obszarów.

Najlepszy wynik wśród rozwiązań dla firm: poradził sobie z głosowymi deepfake’ami nakładanymi na filmy. Dokładność spada do 55% przy obiektach nie-ludzkich, takich jak zwierzęta czy krajobrazy.

Zalety:

• Wykrywanie nakładania głosu na cudze wideo.
• Wizualizacja anomalii klatka po klatce.

Ograniczenia:

• Niska skuteczność bez twarzy na ekranie.
• Nie nadaje się do treści dziennikarskich bez postaci publicznych.

Content Credentials (C2PA)

Standard C2PA w aparatach Sony, Leica, Android 16 i iOS 19 dodaje kryptograficzny manifest: dane o nagraniu, edycji i wykorzystaniu AI. Przerwanie łańcucha wskazuje na modyfikację.

W teście 70% rzeczywistych plików nie miało metadanych z powodu starych urządzeń lub messengerów. Działa wiarygodnie tylko przy treściach z kompatybilnych aparatów w trybie ścisłym.

Intel FakeCatcher

Analizuje fotoplethysmografię – zmiany barwy skóry spowodowane przepływem krwi. Nie wymaga symulacji rytmu serca przez AI.

100% dokładności na HD-filmach z bliskim planem twarzy. Odmawia analizy przy maskach, okularach lub rozdzielczości poniżej 720p. Nie działa na statycznych zdjęciach.

Powody braku uniwersalnego rozwiązania

Wykrywacze są zawsze kilka kroków za generatorami z powodu:

• AI przeciwnego działania (adversarial AI): Generatory ukrywają znane artefakty (palce, błyszczące oczy).
• Kompresja: Telegram, WhatsApp, Instagram niszczą mikroszumy potrzebne do analizy.
• Czynnik użytkownika: Prawdopodobieństwo 60% traktowane jest jako fakt lub ignorowane bez standardów.

Co ważne

• Hive: 94% na zdjęciach, błędy przy skompresowanych filmach.
• RealityGuard: lider w filmach z twarzami, słaby przy treści nie-ludzkich.
• C2PA: idealny dla nowych urządzeń, 70% plików bez metadanych.
• FakeCatcher: 100% na HD-twarzach, bezużyteczny w niskiej rozdzielczości.
• Kombinacja narzędzi + ręczna analiza jest konieczna.

Zalecenia dotyczące używania

Dla deweloperów i fact-checkerów:

• Zdjęcia: Hive + ExifTool do analizy metadanych.
• Filmy z głosem: RealityGuard lub FakeCatcher w wysokiej rozdzielczości.
• Własne treści: Aktywuj C2PA w aparacie dla udowodnionej autentyczności.

Do 2026 roku wykrywanie deepfakes będzie wymagać wielopoziomowego podejścia: automatyzacja + ekspertyza.

— Editorial Team