Nova metodologia de segurança digital analisa imperfeições microscópicas para atestar a autenticidade de arquivos de vídeo
(Imagem: Canva)
Até mesmo os usuários mais conectados e habituados ao ambiente digital já se depararam com a incerteza de validar se um conteúdo audiovisual nas redes sociais é legítimo ou se foi forjado por sistemas de inteligência artificial. À medida que as ferramentas generativas se tornam mais refinadas, distinguir os chamados deepfakes vídeos que usam algoritmos avançados para clonar vozes, alterar discursos e substituir rostos de forma ultra-realista virou um desafio complexo.
Um dos maiores obstáculos no combate à desinformação visual é a velocidade da evolução tecnológica. Os softwares de detecção tradicionais costumam ficar obsoletos rapidamente, pois dependem de atualizações constantes para reconhecer as novas ferramentas de criação do mercado. Diante desse cenário alarmante, pesquisadores do laboratório internacional Recod.ai, composto por especialistas atuantes no Brasil, na China e em Singapura, uniram forças para criar uma solução de vanguarda: o método Open-Set DeepFake Detection (OSDFD).
Como o OSDFD rastreia as falsificações
Diferente das abordagens convencionais de segurança digital, o modelo OSDFD adota uma lógica invertida de aprendizado. Em vez de ser exaustivamente treinado para decodificar cada nova técnica de manipulação criada pela comunidade cibernética, o sistema se especializou em mapear com precisão cirúrgica a anatomia e a textura de mídias puras e autênticas.
O diferencial revolucionário da ferramenta reside na sua capacidade de identificar fraudes audiovisuais mesmo quando concebidas por tecnologias inéditas ou secretas:
-
Foco no real: O algoritmo assimila perfeitamente as propriedades e os atributos naturais típicos de uma captura de câmera real.
-
Análise de anomalias sutis: Quando um vídeo passa por adulteração digital profunda, ele invariavelmente viola micro-padrões e texturas orgânicas imperceptíveis ao olho humano.
-
Garantia de atualização: Usando a fidelidade da imagem real como régua de comparação fixa, a ferramenta consegue apontar o que é falso sem precisar conhecer de antemão qual software gerador foi empregado.
“Como as falsificações frequentemente violam esses padrões sutis, o modelo usa essa base como uma referência para identificar o que é real, mesmo diante de manipulações nunca vistas antes”, detalha a pesquisa.
O desenvolvimento do OSDFD representa um passo crucial para blindar ecossistemas digitais, fornecendo uma camada duradoura de proteção contra fraudes corporativas, crimes de difamação e a disseminação em massa de notícias falsas geradas por computador.
