Deteção de deepfakes
A deteção de deepfakes designa o conjunto de tecnologias e métodos que permitem identificar imagens, vídeos ou áudios gerados ou manipulados por inteligência artificial. No contexto da verificação de identidade, visa contrariar as tentativas de fraude que utilizam rostos sintéticos.
Os deepfakes representam uma ameaça crescente para os sistemas de verificação de identidade remota. Graças às redes adversárias generativas (GAN) e aos modelos de difusão, é agora possível gerar imagens de rostos fotorrealistas, substituir um rosto num vídeo em tempo real ou clonar uma voz a partir de poucos segundos de gravação. Estas técnicas podem ser utilizadas para enganar os sistemas de reconhecimento facial e de deteção de vivacidade.
As soluções de deteção de deepfakes analisam vários tipos de artefactos: inconsistências ao nível dos píxeis (bordas desfocadas, texturas anormais), anomalias fisiológicas (ausência de pestanejar, assimetrias faciais não naturais), artefactos temporais nos vídeos (cintilações, distorções entre fotogramas) e metadados da imagem (vestígios de geração por IA nos dados EXIF).
A corrida entre os criadores de deepfakes e os detetores é constante. As soluções mais avançadas combinam múltiplos modelos de deteção treinados em conjuntos de dados diversificados, análise multimodal (imagem + áudio + comportamento) e atualização contínua para se adaptarem às novas técnicas de geração. A certificação iBeta Level 2 inclui agora testes específicos contra ataques de deepfake.
Regulações
Exemplos concretos
- 1.Um fraudador tenta abrir uma conta bancária online utilizando um deepfake em tempo real para ultrapassar a etapa de reconhecimento facial. O sistema deteta microartefactos em torno dos contornos do rosto e inconsistências nos padrões de pestanejar.
- 2.Uma plataforma de assinatura eletrónica identifica um vídeo deepfake durante um percurso de verificação de identidade: a análise frequencial revela padrões de compressão incompatíveis com uma captura de câmara autêntica.
- 3.Uma seguradora deteta uma tentativa de fraude num seguro de vida utilizando um vídeo deepfake do suposto subscritor. A análise temporal do vídeo revela microdistorções típicas dos modelos generativos entre fotogramas sucessivos.