Pulsen avslöjar bluffen – ny teknik spårar hjärtrytmen för att avslöja falska videor
Ditt hjärtslag avslöjar deepfakes – ny teknik läser pulsen i ansiktet.
När kroppen inte ljuger – men videon gör det
Det finns något nästan poetiskt med idén: för att avslöja en fejkad video letar man inte efter pixelfel eller konstiga skuggor – man lyssnar efter hjärtslagen.
Forskare har presenterat en ny metod för att detektera så kallade talking-face-deepfakes – en specifik typ av syntetisk video där ett stillbildsansikte animeras med hjälp av ett ljudspår. Tänk dig en bild på en känd politiker vars mun börjar röra sig och säga saker personen aldrig sagt. Den typen av manipulation har blivit alltmer tillgänglig och trovärdig, och traditionella detektionsmetoder som letar efter visuella artefakter har svårt att hänga med.
Men det nya systemet, beskrivet i en studie publicerad på arXiv, tar en helt annan ingång.
Fjärrfotoplethysmografi – eller: hur man mäter puls via kameran
Tekniken heter fjärrfotoplethysmografi, förkortat rPPG, och bygger på ett fascinerande faktum: när blodet pulserar genom kärlen i ansiktets hud förändras hudens färg helt subtilt, i takt med hjärtrytmen. Förändringen är omärklig för det mänskliga ögat, men en algoritm tränad på tillräckligt många videorutor kan faktiskt plocka upp den.
Det är alltså inte kameran som spelar in pulsen direkt – den räknar ut den utifrån mikroskopiska färgvariationer i ansiktshuden, bild för bild.
Vad gör det relevant för deepfake-detektion? Jo, en talking-face-deepfake utgår från ett stillbild. Det finns ingen levande människa bakom kameran vars blod faktiskt pulserar. Den fysiologiska signalen saknas helt enkelt – eller ser onaturlig ut.
Forskarna tränade ett klassificeringssystem på just detta: att känna igen skillnaden mellan äkta och förfalskade rPPG-kurvor. Resultatet var ett AUC-värde på 0,806 – ett mått som säger att systemet i drygt 80 procent av fallen korrekt skiljer en äkta video från en fejkad. Det är anmärkningsvärt med tanke på att systemet enbart använder fysiologisk information, utan att titta på visuella mönster eller röstanalys.
För jämförelse: de bästa generella detektorsystemen som finns idag presterar i ungefär samma storleksordning, men de drar nytta av ett mycket bredare spektrum av signaler.
Inte alla deepfakes är lika lätta att genomskåda
En av de mer intressanta observationerna i studien är att detektionssvårigheten varierar kraftigt beroende på vilken teknik som använts för att skapa deepfaken. Vissa syntetiska videoformat lämnar tydligare fysiologiska avtryck – eller snarare, tydligare frånvaro av sådana – medan andra är svårare att fånga.
Detta är ett välkänt fenomen inom deepfake-forskningen: det är ett kapprustningsproblem. Varje ny detektionsmetod triggar förr eller senare en motreaktion där angriparna anpassar sina verktyg. Men det som gör rPPG-ansatsen intressant är att den angriper ett grundläggande problem: en stillbild har inga blodkärl. Att simulera en trovärdig, biologiskt konsekvent pulssignal i en syntetisk video är tekniskt sett ett betydligt svårare problem än att finslipa bildkvaliteten.
En pusselbit i ett större pussel
Det vore naivt att påstå att pulsanalys ensam löser deepfake-problemet. Det gör det inte. Men som ett kompletterande lager i ett detektionssystem är det lovande – och det illustrerar en bredare princip som jag tycker är viktig att hålla i minnet:
Bra AI-säkerhet bygger sällan på en enda metod. Det handlar om att stapla signaler – visuella, akustiska, fysiologiska – och låta dem samverka. Varje lager som läggs till höjer ribban för den som vill manipulera.
Att kroppen i sig kan bli ett vittne mot förfalskning är en påminnelse om att biologin är komplex på ett sätt som modeller ännu har svårt att fullt ut imitera.
Vår analys
Det som gör den här forskningen intressant är inte bara resultaten i sig – det är principen bakom dem. Att använda fysiologiska signaler som detektionsunderlag är ett metodologiskt skifte från att leta efter vad som ser fel ut till att leta efter vad som saknas.
Det är en smartare fråga att ställa.
I takt med att generativa modeller blir bättre på att producera övertygande ansiktsrörelser och naturlig ljussättning, kommer rena bildanalyssystem att få allt svårare. Men att simulera en biologiskt trovärdig pulssignal – konsekvent, dynamisk, synkroniserad med rörelser och ljusförhållanden – är ett problem av en helt annan svårighetsgrad.
Jag tror vi kommer se rPPG-baserade metoder integreras i bredare detektionsramverk snarare än stå ensamma. Kombinerat med röstanalys och metadataspårning kan det bli en del av en robust, flerlagers-arkitektur för innehållsautenticering – något som plattformar för video och nyheter kommer behöva ta på allvar inom de närmaste åren.