Wykrywanie deepfake — metody i narzędzia
Wykrywanie deepfake to metody — od oględzin po klasyfikatory i metadane C2PA — oceniające, czy zdjęcie lub nagranie zmanipulowano przez AI. Omawiamy skuteczność i ograniczenia.
Czym jest wykrywanie deepfake?
Wykrywanie deepfake to proces ustalania, czy obraz, wideo lub nagranie dźwiękowe zostało wygenerowane albo zmanipulowane przez sztuczną inteligencję. Łączy trzy podejścia: ręczną analizę niespójności, klasyfikatory trenowane na zbiorach zmanipulowanych nagrań oraz weryfikację pochodzenia przez metadane C2PA i znaki wodne. Żadna metoda nie daje pewności — wynik jest oceną prawdopodobieństwa.
Skuteczność
65,18%. Tyle osiągnął najlepszy model konkursu Deepfake Detection Challenge na nieznanych wcześniej nagraniach (Meta AI, 2020).
Zbiór referencyjny
FaceForensics++. 1 000 nagrań źródłowych zmanipulowanych czterema metodami; podstawa treningu wielu detektorów (Rössler i in., 2019).
Pochodzenie
C2PA i SynthID. Podpisane metadane (Content Credentials) i niewidoczny znak wodny Google DeepMind uzupełniają detekcję, gdy są obecne.
Zasada
Brak dowodu ≠ autentyczność. Europol (2022): detektory nadążają za generatorami z opóźnieniem; ocena wymaga łączenia sygnałów i kontekstu.
| Metoda | Co analizuje | Ograniczenia | Źródło (rok) |
|---|---|---|---|
| Oględziny ręczne | granice twarzy, zęby, dłonie, odbicia | zawodne wobec modeli po 2024 r. | Europol (2022) |
| Klasyfikator obrazu / wideo | artefakty pikselowe, widmo, klatki | 65,18% na nieznanych danych (DFDC) | Meta AI (2020); FaceForensics++ (2019) |
| Sygnały biologiczne | mruganie, tętno z koloru skóry | wymaga dobrego wideo; już odtwarzane | Li i in., arXiv 1806.02877 (2018) |
| Metadane pochodzenia (C2PA) | podpisany manifest: narzędzie, edycje | łatwe do usunięcia; brak ≠ fałszerstwo | C2PA Specification 2.1 |
| Znak wodny (SynthID) | niewidoczny wzór w pikselach | tylko narzędzia, które go stosują | Google DeepMind (2023) |
| Wyszukiwanie wsteczne | wcześniejsze wystąpienia zdjęcia | nie działa dla prywatnych zdjęć | Google „About this image” (2023) |
Zalety: oględziny nie wymagają narzędzi; klasyfikatory są skalowalne; sygnały biologiczne były trudne do podrobienia dla wczesnych modeli; manifest C2PA daje kryptograficzną pewność, gdy istnieje; SynthID przetrwa kompresję i przycięcie; wyszukiwanie wsteczne ujawnia zdjęcie źródłowe. Skuteczność komercyjnych detektorów deklarowana przez producentów nie jest tu podawana.
Jak rozpoznać deepfake bez narzędzi?
Zacznij od granic: miejsce, gdzie twarz styka się z włosami, szyją i tłem, jest najczęstszym źródłem szwów, różnic odcienia skóry i rozmycia. Sprawdź detale, które modele odtwarzają najgorzej — zęby, uszy, biżuterię, dłonie i palce, napisy w tle. W wideo zwróć uwagę na synchronizację ust z dźwiękiem, sztywność głowy i nienaturalne mruganie.
Przy podejrzeniu podmiany ubrania (nudify) typowe ślady to niezgodna anatomia, rozmyta krawędź wokół dawnej maski, powtarzalna tekstura skóry i cień niezgodny z resztą kadru. Porównaj też oświetlenie twarzy i ciała — powinny pochodzić z tego samego źródła.
Te sygnały działają wobec starszych manipulacji i wyników tanich serwisów; najnowsze modele dyfuzyjne usuwają większość z nich. Traktuj oględziny jako pierwszy filtr, nie jako dowód — w obie strony.
Jak działają detektory i jaka jest ich skuteczność?
Detektory to klasyfikatory uczone na parach „oryginał — manipulacja”. Podstawowym zbiorem jest FaceForensics++ (2019): 1 000 nagrań źródłowych przetworzonych czterema metodami zamiany i animacji twarzy. Modele analizują artefakty pikselowe, widmo częstotliwości, niespójności między klatkami, a niektóre — sygnały biologiczne, jak mruganie (Li i in., 2018) czy tętno odczytane z koloru skóry.
Granice pokazał konkurs Deepfake Detection Challenge (2020): zwycięski model osiągnął 82,56% trafności na publicznym zbiorze, ale tylko 65,18% na zbiorze utajnionym z nieznanymi metodami. Detektor rozpoznaje to, co już widział; nowy generator wymaga nowych danych treningowych. Europol w raporcie z 2022 r. opisuje to jako wyścig, w którym detekcja jest stale krok za generacją.
Dlatego wynik detektora należy czytać jak wynik badania przesiewowego: wysokie prawdopodobieństwo to powód do dalszej weryfikacji, niskie — nie jest dowodem autentyczności. Klasyfikatory pokrewne, używane do moderacji, opisuje hasło klasyfikator NSFW.
Jaką rolę odgrywają metadane C2PA i SynthID?
Zamiast szukać śladów manipulacji, weryfikacja pochodzenia pyta: skąd pochodzi plik? Standard C2PA zapisuje w pliku podpisany kryptograficznie manifest z informacją o narzędziu, operacjach i — opcjonalnie — urządzeniu. Narzędzie Content Credentials Verify odczytuje go i pokazuje historię edycji. Jeśli manifest wskazuje generator AI, sprawa jest jasna.
SynthID Google DeepMind wpisuje w piksele lub próbki dźwięku niewidoczny znak wodny, który przetrwa kompresję, przycięcie i zmianę kolorów; detektor jest po stronie Google. Od 2 sierpnia 2026 r. art. 50 AI Act wymaga od dostawców generatorów takiego znakowania, co z czasem zwiększy odsetek oznaczonych treści.Ograniczenie jest zasadnicze: brak metadanych nic nie dowodzi. Można je usunąć przez zrzut ekranu lub ponowny zapis, a większość zdjęć w sieci nigdy ich nie miała. Obecność manifestu potwierdza pochodzenie; jego brak wraca nas do detekcji i kontekstu. Więcej o warstwach oznaczania — pod hasłem media syntetyczne.
Co zrobić po wykryciu przerobionego zdjęcia?
Zabezpiecz dowody: adres URL, datę, zrzuty ekranu z paskiem adresu, a jeśli to możliwe — oryginalny plik z metadanymi. Wynik detektora lub odczyt C2PA dołącz jako materiał pomocniczy, nie jako jedyny dowód. Zgłoś treść platformie przez procedurę notice and action (art. 16 DSA), wskazując kategorię „nagość bez zgody” lub „podszywanie się”.
Jeśli obraz przedstawia nagość, złóż wniosek o ściganie z art. 191a KK i rozważ blokadę prewencyjną przez StopNCII.org. Kolejność działań opisuje poradnik co zrobić, gdy ktoś opublikował przerobione zdjęcie; definicję zjawiska — hasło NCII.
Jak wykrywalność wyników wpływa na oceny narzędzi?
W recenzjach narzędzi do rozbierania zdjęć AI sprawdzamy, czy operator zapisuje metadane pochodzenia lub znak wodny — to element kryterium prywatności (waga 30%). Narzędzie, którego wyniki są oznaczone i wykrywalne, ogranicza szkody w razie nadużycia; narzędzie usuwające wszelkie ślady oceniamy niżej.
Testy prowadzimy wyłącznie na własnych zdjęciach kontrolnych redakcji; standard zgody opisuje strona Odpowiedzialna AI. Serwis nie oferuje własnego detektora i nie przyjmuje plików do analizy.
Powiązane narzędzia, które recenzujemy
Trzy narzędzia z katalogu, w których wykrywalność wyników wpływa na ocenę prywatności. Oceny nadajemy według wag z metodyki (prywatność 30% · jakość 25% · cena 20% · szybkość 15% · wsparcie 10%); serwis jest platformą recenzji i nie przetwarza zdjęć.
Ainudez
Ocena 9,3/10 · test 27.08.2026 · Partner. Sprawdzamy, czy wyniki zawierają metadane pochodzenia lub znak wodny; deklaracja usunięcia danych do 48 h.
SwapFaces.ai
Ocena 8,0/10 · test 20.08.2026 · Bez afiliacji. Zamiana twarzy — typ manipulacji, dla którego powstały zbiory FaceForensics++ i DFDC.
PornWorks
Ocena 9,2/10 · test 12.08.2026 · Partner. Plan darmowy nakłada widoczny znak wodny; oceniamy też oznaczenia niewidoczne.
Najczęstsze pytania
Pytania o metody, narzędzia i skuteczność.
Jak rozpoznać deepfake na zdjęciu?
Sprawdź granice twarzy z włosami i szyją, zęby, uszy, dłonie, odbicia w oczach i zgodność oświetlenia twarzy z resztą kadru. Przy podejrzeniu podmiany ubrania szukaj rozmytej krawędzi i niezgodnej anatomii. To tylko pierwszy filtr — nowe modele usuwają większość tych śladów.
Czy istnieje niezawodny detektor deepfake?
Nie. Najlepszy model konkursu Deepfake Detection Challenge (2020) osiągnął 65,18% trafności na nieznanych nagraniach. Detektory rozpoznają metody, które widziały w treningu; nowy generator wymaga nowych danych. Wynik należy traktować jak badanie przesiewowe, nie dowód.
Co to jest wykrywacz deepfake oparty na C2PA?
To narzędzie odczytujące podpisane metadane pochodzenia zapisane w pliku — np. Content Credentials Verify. Pokazuje, jakie narzędzie i operacje wytworzyły obraz. Jeśli manifest istnieje, daje kryptograficzną pewność; jeśli go brak, nie wiadomo nic — metadane można usunąć zrzutem ekranu.
Czy brak oznaczenia AI dowodzi, że zdjęcie jest prawdziwe?
Nie. Znak wodny i metadane zapisują tylko narzędzia, które je stosują, a oba można usunąć. Obowiązek znakowania z art. 50 AI Act obowiązuje dostawców od 2 sierpnia 2026 r., ale nie obejmuje starszych treści ani narzędzi spoza UE. Oceniaj obraz łącznie z kontekstem i źródłem.
Co zrobić, gdy wykryję przerobione zdjęcie z moim wizerunkiem?
Zabezpiecz dowody (URL, data, zrzuty ekranu), zgłoś treść platformie przez procedurę z art. 16 DSA, a przy nagości złóż wniosek o ściganie z art. 191a KK i rozważ StopNCII.org. Wynik detektora dołącz jako materiał pomocniczy. Kolejność kroków opisuje nasz poradnik.
Czy Clothoff AI oferuje detektor deepfake?
Nie. Serwis jest platformą recenzji i nie przyjmuje plików do analizy. W recenzjach narzędzi sprawdzamy natomiast, czy operator oznacza wyniki metadanymi C2PA lub znakiem wodnym — to element kryterium prywatności o wadze 30% w naszej metodyce.
Źródła
- Deepfake Detection Challenge Results: An open initiative to advance AI (06.2020) — Meta AI, dostęp 08.09.2026.
- FaceForensics++: Learning to Detect Manipulated Facial Images, Rössler i in., 2019 — arXiv, dostęp 08.09.2026.
- In Ictu Oculi: Exposing AI Generated Fake Face Videos by Detecting Eye Blinking, Li i in., 2018 — arXiv, dostęp 08.09.2026.
- Facing reality? Law enforcement and the challenge of deepfakes (2022) — Europol, dostęp 08.09.2026.
- C2PA Technical Specification 2.1 — Coalition for Content Provenance and Authenticity, dostęp 08.09.2026.
- Content Credentials Verify — Content Authenticity Initiative, dostęp 08.09.2026.
- SynthID — watermarking and identifying AI-generated content — Google DeepMind, dostęp 08.09.2026.
- Rozporządzenie (UE) 2024/1689 (AI Act) — art. 50 — EUR-Lex, dostęp 08.09.2026.
Hasło ma charakter informacyjny i nie stanowi porady prawnej. Stan na 08.09.2026. Poprawki: [email protected].