Исследователи Калифорнийского университета в Лос-Анджелесе (UCLA) под руководством профессора Айдогана Озджана создали систему для распознавания дипфейков, в которой часть «вычислений» выполняет не процессор, а сам свет. Работа опубликована в научном журнале eLight.
Как это работает
Обычные детекторы проверяют видео по очереди на цифровых чипах, и при огромном потоке роликов это дорого и медленно. В UCLA сделали гибрид:
- Небольшая цифровая нейросеть извлекает из видео признаки и превращает их в световые узоры на программируемом модуляторе света.
- Свет проходит через пассивный оптический декодер — специально рассчитанную систему, которая не потребляет энергию на вычисления.
- Пары фотодетекторов на выходе выдают оценку: настоящее видео или поддельное.
Главное преимущество — параллельность: за один проход света система проверяет 15 и больше видеопотоков сразу.
Точность
| Тест | Результат |
|---|---|
| 15 видео одновременно (база Celeb-DF) | 97,79% точности |
| Поймано подделок (чувствительность) | 99,86% |
| Верно распознано настоящих видео | 95,72% |
| 18 видео одновременно | 96,13% |
| Видео, созданные Google Veo 3 | 94,80% |
Отдельно авторы отмечают устойчивость к атакам: подделки, специально «заточенные» под обман детекторов, на эту систему действуют хуже, потому что часть её параметров физически зашита в оптику. Сжатие JPEG, шум и размытие тоже почти не мешают.
Когда это пригодится
Это пока лабораторная разработка, а не приложение для смартфона. Авторы видят её как «первую линию обороны» для соцсетей и видеоплатформ: оптика быстро и дёшево отсеивает подозрительные ролики, а окончательное решение принимают более тяжёлые цифровые модели. Учитывая, сколько сгенерированных видео появляется каждый день, такой фильтр может стать очень востребованным.
А пока подобные системы не встроены в каждую платформу, полагаться приходится на собственную внимательность. Признаки, по которым можно распознать сгенерированные фото и видео, мы собрали в отдельной инструкции.
Источники: ScienceDaily, The Neuron, arXiv.
