I ricercatori della UCLA hanno sviluppato un nuovo processore ottico-neurale che utilizza la luce per individuare in modo rapido e accurato i video deepfake. Mentre i sistemi digitali tradizionali esaminano generalmente i video in sequenza, questa tecnologia è in grado di analizzare simultaneamente 15 o più flussi video in un unico passaggio ottico. Lo studio è stato pubblicato su eLight con il titolo “Scalable, Energy-Efficient Optical-Neural Architecture for Multiplexed Deepfake Video Detection”.
Nel sistema, un leggero codificatore digitale converte le caratteristiche spaziali, spettrali e temporali dei video in informazioni compatte. Queste informazioni vengono trasformate in un modello di fase mediante un modulatore spaziale della luce programmabile. Successivamente, il fronte d’onda ottico attraversa un decodificatore ottico passivo basato sullo spazio libero, mentre i rilevatori ottici abbinati producono direttamente un punteggio di autenticità per ciascun video. In questo modo, una parte del processo di decodifica, che richiede un’intensa elaborazione digitale, viene eseguita attraverso la diffrazione della luce.
Negli esperimenti condotti con luce visibile, il processore ha esaminato contemporaneamente 15 video Celeb-DF a ogni passaggio ottico. L’accuratezza media è stata del 97,79%, la sensibilità del 99,86% e la specificità del 95,72%. In corrispondenza del risultato relativo alla sensibilità, il tasso di falsi negativi è stato calcolato in circa 0,14%. Quando la capacità è stata portata a 18 video, l’accuratezza è rimasta al livello del 96,13%. Nelle manipolazioni deepfake più difficili, l’aggiunta di due strati diffrattivi ottimizzati al decodificatore ottico passivo ha aumentato l’accuratezza di circa il 6,8%. Queste strutture passive eseguono calcoli ottici senza richiedere energia elettrica aggiuntiva.
I ricercatori hanno testato il sistema anche su video mai visti in precedenza, generati con il modello VEO-3 di Google. Con una messa a punto limitata, l’accuratezza è stata del 94,80% e la sensibilità del 97,61%. Il processore ha inoltre dimostrato resistenza agli attacchi avversari black-box e ha fornito una protezione hardware contro gli attacchi white-box. Ha continuato a funzionare anche in presenza di rumore dell’immagine, sfocatura, compressione JPEG ed errori sperimentali di allineamento.
Il team della UCLA ha progettato il sistema più come un primo livello di difesa per la scansione di grandi volumi di video che come uno strumento destinato a sostituire i rilevatori digitali avanzati. I contenuti sospetti potranno essere trasferiti a modelli digitali più dettagliati. È stato riferito che l’approccio potrebbe essere utilizzato nella moderazione dei contenuti, nella verifica dei media, nella sorveglianza e nelle applicazioni di intelligenza artificiale incentrate sulla sicurezza. Al lavoro hanno contribuito Parnian Ghapandar Kashani, Dr. Shiqi Chen e Professor Aydogan Ozcan.
Contesto
Nearly non è un nome nuovo nell’archivio di FikirPilot: negli ultimi 90 giorni abbiamo pubblicato 4 notizie in cui compare questo nome; la più recente è datata 29 settembre 2026.