Deepfake ngày càng khó phát hiện khi AI tạo sinh có thể tạo ra khuôn mặt, giọng nói và chuyển động gần giống video thật.

Trong nghiên cứu của Đại học California, Los Angeles (UCLA), một bộ xử lý số nhẹ phân tích video và rút gọn thông tin thành các đặc trưng không gian, phổ và thời gian. Những thông tin này được chuyển thành một mẫu pha rồi hiển thị trên thiết bị có thể điều khiển dạng của mặt sóng ánh sáng.

Sau đó, ánh sáng truyền qua một bộ giải mã quang học thụ động. Thay vì thực hiện toàn bộ phép tính bằng hàng tỷ hoặc hàng trăm tỷ phép toán số, hệ thống tận dụng quá trình truyền và nhiễu xạ vật lý của ánh sáng để thực hiện một phần quá trình nhận dạng.

Ở đầu ra, các cảm biến quang học tạo ra điểm số cho biết video có khả năng là thật hay bị thao túng. Điểm quan trọng là nhiều video có thể được đưa vào cùng một quá trình truyền ánh sáng.

Trong thử nghiệm với bộ dữ liệu Celeb-DF, hệ thống phân tích 15 video trong cùng một lượt truyền ánh sáng. Độ chính xác trung bình đạt 97,79%. Độ nhạy đạt 99,86%, còn độ đặc hiệu là 95,72%.

Nhóm nghiên cứu sau đó tăng số lượng lên 18 video trong một lượt. Độ chính xác trung bình vẫn đạt 96,13%.

Hệ thống cũng được thử với các dạng video tạo bởi mô hình VEO-3 của Google. Sau một quá trình tinh chỉnh tối thiểu, nó đạt độ chính xác 94,80% và độ nhạy 97,61% trên những video VEO-3 chưa được sử dụng trong quá trình huấn luyện ban đầu.

Đây là điểm quan trọng bởi các mô hình tạo video mới có thể tạo ra những lỗi hình ảnh rất khác so với deepfake thế hệ cũ.

Nhóm nghiên cứu còn thử tăng số lớp nhiễu xạ thụ động trong bộ giải mã. Khi thêm hai lớp được tối ưu hóa, độ chính xác trong các thử nghiệm khó hơn tăng khoảng 6,8%.

Các lớp này là những cấu trúc quang học thụ động thực hiện phép biến đổi thông tin thông qua sự nhiễu xạ ánh sáng.

Điều này tạo ra một khả năng hấp dẫn: tăng độ phức tạp của phép xử lý bằng cách thay đổi cấu trúc vật lý thay vì liên tục bổ sung thêm năng lượng điện cho các phép tính.

Theo các nhà nghiên cứu, hệ thống quang học không thay thế toàn bộ AI phát hiện deepfake mà đóng vai trò lớp kiểm tra đầu tiên.

Hàng nghìn hoặc hàng triệu video có thể được sàng lọc nhanh bằng bộ xử lý quang học. Những video bị đánh dấu nghi ngờ mới được chuyển sang các mô hình số lớn hơn để kiểm tra sâu.

Một đặc điểm khác của hệ thống là khả năng chống một số kiểu tấn công đối kháng. Vì một phần mô hình được “nhúng” trực tiếp vào cấu trúc quang học, việc đo đạc và tái tạo chính xác toàn bộ bộ giải mã có thể khó hơn so với một mô hình AI thuần số.

Tuy nhiên, 97,79% cũng không có nghĩa hệ thống có thể xác định mọi deepfake. Các mô hình tạo video thay đổi rất nhanh, trong khi dữ liệu huấn luyện luôn có giới hạn. Một hệ thống thực tế còn phải được thử nghiệm trên nhiều nguồn video, nhiều điều kiện ánh sáng, nén, nhiễu và các thế hệ mô hình tạo sinh mới.

Nếu tiếp tục được phát triển, cách tiếp cận này có thể đặc biệt hữu ích trong những hệ thống phải kiểm tra lượng video khổng lồ với mức tiêu thụ năng lượng thấp.