Voiko tekoäly havaita deepfake-videoita analysoimalla silmänräpäyksen mikroskooppisia epäjohdonmukaisuuksia ?

AI-tutkijat ovat havainneet, että synteettisissä videoissa esiintyy epäluonnollisia silmänräpäytysdynamiikkoja. Nämä järjestelmät käyttävät korkearesoluutioista videonanalyysia tunnistamaan ihmisen silmälle näkymättömiä epäjohdonmukaisuuksia. Tekniikka toimii useimmissa nykyisissä deepfake-generointimenetelmissä. Uusia adversarial-hyökkäyksiä kuitenkin kehitetään jo ohittamaan tällainen havaitseminen.

Nykyiset deepfake-tunnistusmenetelmät analysoivatkin hienovaraisia fysiologisia vihjeitä, ja räpäytysmalleja on tutkittu, koska synteettiset kasvot tuottavat usein epäluonnollisen johdonmukaisia tai harvinaisia räpäytyksiä. Tutkimukset osoittavat, että syväneuraaliverkot voivat oppia havaitsemaan näitä mikroskooppisia epäjohdonmukaisuuksia tarkastelemalla räpäytystaajuutta, -kestoa ja silmäluomen liikedynamiikkaa, saavuttaen toisinaan korkean tarkkuuden kontrolloiduissa aineistoissa. Kuitenkin generatiivisten mallien kehittyessä hyökkääjät voivat hienosäätää räpäytyskäyttäytymistä välttääkseen tällaiset havaitsijat, mikä tekee tästä lähestymistavasta yhä epäluotettavampaa itsenäisenä puolustuskeinona. Suorituskyky vaihtelee huomattavasti valaistusolosuhteiden, pään asennon ja videon pakkaustason mukaan, mikä rajoittaa käytännön sovellettavuutta.

— Enriched May 12, 2026 · Source: Li, Y., et al. "Exposing AI-Generated Faces by Detecting Eye Blinking Anomalies." 2022 IEEE International Conference on Multimedia and Expo (ICME) — https://ieeexplore.ieee.org/document/9859969