L'IA può rilevare video deepfake analizzando le micro-incoerenze nei pattern di ammiccamento ?

I ricercatori di intelligenza artificiale hanno scoperto che i video sintetici mostrano costantemente dinamiche di ammiccamento innaturali. Questi sistemi utilizzano analisi video ad alta risoluzione per identificare incoerenze invisibili all'occhio umano. La tecnica funziona con la maggior parte dei metodi attuali di generazione di deepfake. Tuttavia, nuovi attacchi avversari vengono già sviluppati per bypassare tale rilevamento.

Background

Current deepfake detection methods do analyze subtle physiological cues, and blinking patterns have been explored because synthesized faces often produce unnaturally consistent or infrequent blinks. Research shows that deep neural networks can learn to detect these microscopic inconsistencies by examining blink frequency, duration, and eyelid motion dynamics, sometimes achieving high accuracy on controlled datasets (Li, Y., et al. "Exposing AI-Generated Faces by Detecting Eye Blinking Anomalies." 2022 IEEE International Conference on Multimedia and Expo (ICME)). However, as generative models improve, attackers can refine blinking behavior to evade such detectors, making this approach increasingly unreliable as a standalone defense. Performance varies widely across lighting conditions, head poses, and video compression, limiting real-world applicability. New adversarial attacks are already being developed to bypass such detection.