Base de conhecimento forense de IA

Mergulhe profundamente na ciência da verificação digital. Saiba como o SUS IT detecta manipulação de áudio, vídeo, imagens e documentos usando tecnologia forense de última geração.

Análise forense de música e áudio

Análise forense de música e áudio

Os modelos de clonagem de música e voz de IA operam prevendo formas de onda de áudio com base em vastos conjuntos de dados. Embora estejam se tornando incrivelmente convincentes para o ouvido humano, muitas vezes deixam para trás "impressões digitais" microscópicas no espectro de frequência que o SUS IT foi projetado para detectar.

Como detectamos isso:

  • Cortes de alta frequência: Muitos modelos de IA lutam para gerar dados consistentes acima de 16kHz-20kHz, criando uma prateleira rígida ou "vazio" não natural no espectrograma que raramente existe em gravações naturais.
  • Incoerência de fase: O som natural tem uma relação física entre frequências. A geração de IA muitas vezes trata as frequências matematicamente, mas ignora seu alinhamento de fase, levando a uma qualidade sutil “metálica” ou “manchada”, conhecida como artefatos de vocoder de fase.
  • Manchas transitórias: O ataque inicial de um som (como uma caixa ou uma consoante 't') é nítido e definido em áudio real. Na geração de IA, esses transientes são frequentemente mais suaves ou "mais pastosos" devido ao processo de difusão.
Detecção de vídeo e deepfake

Detecção de vídeo e deepfake

Deepfakes usam redes neurais para mapear uma face em outra. SUS IT olha além da imagem superficial para a física do próprio vídeo. Analisamos a consistência quadro a quadro para detectar falhas que ocorrem quando a IA perde o controle.

Indicadores-chave:

  • Cintilação Temporal: A IA muitas vezes regenera o rosto de maneira ligeiramente diferente em cada quadro, fazendo com que a textura da pele “brilha” ou tremeluza imperceptivelmente (instabilidade temporal).
  • Sinais Biológicos (rPPG): Rostos reais apresentam mudanças sutis de cor devido aos batimentos cardíacos (fotopletismografia remota). Atualmente, os deepfakes lutam para replicar esse sinal biológico invisível com precisão ao longo de uma linha do tempo.
  • Incompatibilidades de sincronização labial: Comparamos os fonemas (sons) na trilha de áudio com os visemas (formatos de boca) no vídeo para detectar desalinhamentos que ocorrem em conteúdo dublado por IA.
Análise de imagem

Análise de imagem

Redes Adversariais Gerativas (GANs) e modelos de difusão criam imagens a partir do ruído. Esse processo deixa para trás um padrão de ruído regular em forma de grade que é distinto do ruído aleatório encontrado nos sensores da câmera (grão ISO).

Indicações visuais:

  • Lógica Anatômica: Embora os modelos estejam melhorando, a IA ainda enfrenta dificuldades com geometrias complexas e conectadas – mãos que se fundem em objetos, joias absurdas ou pupilas que não são perfeitamente circulares (reflexo da íris não circular).
  • Física da Iluminação: A IA muitas vezes aproxima a iluminação em vez de simulá-la. Procuramos sombras que não se alinham com as fontes de luz ou reflexos nos olhos que não combinam com o ambiente.
  • Aumentando a escala de artefatos: Muitas imagens de IA são geradas em baixa resolução e ampliadas. Isso geralmente deixa um padrão distinto de "tabuleiro de xadrez" visível em altos níveis de ampliação.
Verificação de documentos e textos

Verificação de documentos e textos

AI Large Language Models (LLMs) são mecanismos de previsão estatística. Eles tendem a escolher a próxima palavra mais “provável”, resultando em um texto gramaticalmente perfeito, mas estatisticamente “plano” em comparação com a escrita humana.

Nossas métricas:

  • Perplexidade: Uma medida de quão “surpreso” um modelo fica com o texto. A baixa perplexidade sugere que o texto segue padrões padrão de IA; alta perplexidade sugere idiossincrasia humana.
  • Explosão: Os humanos variam a estrutura e o comprimento das frases dinamicamente (alta explosão). Escrevemos frases curtas. E então escrevemos frases longas e complexas que serpenteiam por processos de pensamento. A IA tende a ser mais monótona e uniforme em ritmo.

⚡Otimizando Sua Análise

Como obter os resultados forenses mais precisos e ver o que acontece nos bastidores.

Carregar práticas recomendadas

1

Evite MP3s e compactação

A compressão MP3 corta as altas frequências (>16kHz) de uma forma que parece idêntica aos primeiros modelos de IA. Para obter 100% de precisão, sempre carregue arquivos WAV ou FLAC.

2

Arquivos originais > Gravações de tela

A gravação de um vídeo na tela introduz artefatos de "combinação de quadros" e recodificação que podem mascarar as falhas de IA originais ou criar falsos positivos. Sempre carregue o arquivo de origem quando possível.

3

Cru vs. Processado

Mídia muito editada (filtros, ajuste automático, gradação de cores) é mais difícil de analisar. Se você é um criador que prova autenticidade, carregue as hastes brutas ou as imagens brutas da câmera.

Aprofundamento técnico: o mecanismo de "pensamento"

SUS IT não é apenas um simples classificador. Utilizamos modelos de raciocínio de última geração configurados com um orçamento ampliado de pensamento forense.

Por que “pensar” é importante

Os detectores de IA padrão adivinham instantaneamente com base em padrões. Nosso sistema se envolve em um processo forense Chain-of-Thought. Ele debate explicitamente as evidências: "Este artefato é um erro de compressão ou uma falha geradora?" ou "Esta falha visual é um erro de renderização ou apenas um efeito de obturador?" antes de emitir um veredicto final.

  • ●Análise Multimodal: Analisamos espectrogramas de áudio (frequência), vetores de quadros de vídeo (movimento) e grades de pixels (textura) simultaneamente.
  • ●Filtragem de falso positivo: Solicitamos explicitamente ao modelo que identifique e ignore técnicas comuns de edição humana, como Warp Stabilizer, Redução de ruído ou Auto-Tune.

Precisão em constante evolução

Os modelos de IA evoluem diariamente, e o SUS IT também. Nossos algoritmos de detecção são continuamente atualizados para reconhecer as técnicas de última geração, desde geradores de imagens baseados em Flux até os mais novos modelos de clonagem de voz como ElevenLabs e Suno.

Não verificamos apenas artefatos conhecidos; analisamos as propriedades estatísticas fundamentais da mídia para nos mantermos à frente da curva. Nossa equipe está constantemente refinando nossas ferramentas para fornecer resultados mais precisos, confiáveis ​​e granulares a cada atualização.