Czy AI może wykrywać deepfake’y poprzez analizę mikroskopijnych nieprawidłowości w wzorcach mrugania ?

Badacze AI odkryli, że syntetyczne filmy konsekwentnie wykazują nienaturalną dynamikę mrugania oczami. Systemy te wykorzystują analizę wysokorozdzielczych filmów w celu identyfikacji niezgodności niewidocznych dla ludzkiego oka. Technika działa w przypadku większości obecnych metod generowania deepfake’ów. Jednak już opracowywane są nowe ataki adversarialne, mające na celu obejście takich metod wykrywania.

Obecne metody wykrywania deepfake’ów analizują subtelne sygnały fizjologiczne, a wzorce mrugania były badane, ponieważ zsyntetyzowane twarze często wykazują nienaturalnie spójne lub rzadkie mruganie. Badania pokazują, że głębokie sieci neuronowe mogą nauczyć się wykrywać te mikroskopijne niezgodności poprzez analizę częstotliwości mrugania, czasu trwania oraz dynamiki ruchu powiek, osiągając czasem wysoką dokładność na kontrolowanych zbiorach danych. Jednak wraz z udoskonalaniem modeli generatywnych, atakujący mogą udoskonalać zachowanie mrugania, aby omijać takie detektory, co sprawia, że podejście to staje się coraz mniej niezawodne jako samodzielna metoda obrony. Wydajność znacznie się różni w zależności od warunków oświetleniowych, pozycji głowy i kompresji wideo, ograniczając praktyczną przydatność w świecie rzeczywistym.

— Wzbogacono 12 maja 2026 · Źródło: 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