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.

I metodi attuali di rilevamento dei deepfake analizzano effettivamente indizi fisiologici sottili, e sono state esplorate le abitudini di ammiccamento perché i volti sintetizzati spesso producono ammiccamenti innaturalmente coerenti o infrequenti. Le ricerche mostrano che le reti neurali profonde possono imparare a rilevare queste micro-incoerenze esaminando la frequenza, la durata e la dinamica del movimento delle palpebre, raggiungendo talvolta un'elevata accuratezza su dataset controllati. Tuttavia, con il miglioramento dei modelli generativi, gli attaccanti possono perfezionare il comportamento dell'ammiccamento per eludere tali rilevatori, rendendo questo approccio sempre più inaffidabile come difesa autonoma. Le prestazioni variano notevolmente a seconda delle condizioni di illuminazione, delle pose della testa e della compressione video, limitando l'applicabilità nel mondo reale.

— 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