Forense de Mídia Deepfake: Estado da Arte e Desafios Futuros

Mídia sintética gerada por IA, também chamada de Deepfakes, influenciou significativamente tantos domínios, desde entretenimento até cibersegurança. Redes Gerativas Adversariais (GANs) e Modelos de Difusão (DMs) são as principais estruturas utilizadas para criar Deepfakes, produzindo conteúdo altamente realista, mas fabricado. Embora essas tecnologias abram novas possibilidades criativas, também trazem riscos éticos e de segurança substanciais devido ao seu potencial uso indevido. O surgimento de mídias tão avançadas levou ao desenvolvimento de um viés cognitivo conhecido como Viés de Impostor, onde indivíduos duvidam da autenticidade da multimídia devido à consciência das capacidades da IA. Como resultado, a detecção de Deepfake tornou-se uma área vital de pesquisa, concentrando-se na identificação de inconsistências sutis e artefatos com técnicas de aprendizado de máquina, especialmente Redes Neurais Convolucionais (CNNs). A pesquisa em tecnologia forense de Deepfake abrange cinco áreas principais: detecção, atribuição e reconhecimento, autenticação passiva, detecção em cenários realistas e autenticação ativa. Cada área enfrenta desafios específicos, desde o rastreamento das origens da mídia sintética até a análise de suas características inerentes para autenticidade. Este artigo revisa os principais algoritmos que abordam esses desafios, examinando suas vantagens, limitações e perspectivas futuras.