Deepfakes com anti-forense: detector resiste a manipulações que apagam vestígios
Pesquisa apresenta um detector de mídia sintética que se mantém confiável mesmo quando o atacante pós-processa o vídeo para destruir os resíduos da falsificação, combinando treino adversarial e defesa aleatória na inferência — e ainda aponta no mapa de calor onde a imagem foi adulterada.
Detectores de deepfake costumam ser avaliados contra falsificações "ingênuas" — geradas e publicadas sem pós-processamento. Este trabalho parte do cenário realista: o adversário sabe que a mídia será examinada e aplica manipulações anti-forenses (compressão, ruído, filtragem) para apagar os resíduos estatísticos que denunciam a síntese.
A resposta proposta é uma arquitetura de dois fluxos — um codifica o conteúdo semântico da imagem, o outro extrai resíduos forenses — treinada de forma adversarial contra ataques agressivos e protegida, na inferência, por perturbações defensivas aleatórias que dificultam a evasão dirigida. O detector ainda produz mapas de calor localizando as regiões adulteradas, o que interessa diretamente a quem precisa explicar a conclusão num laudo.
O recado para a perícia de mídia é que a corrida armamentista chegou à fase anti-anti-forense: não basta detectar a falsificação, é preciso detectá-la depois que alguém tentou esconder os vestígios. Ferramentas que não foram avaliadas sob ataque devem ser tratadas com ceticismo em casos contestados.