Новосибирские ученые учат алгоритм отличать реальность от ИИ-генерации
В Новосибирском государственном техническом университете «НЭТИ» разработали систему, которая должна отличать реальные фотографии от изображений, созданных генеративными нейросетями.
Сегодня принцип «увидеть – значит, поверить» окончательно устарел. В феврале 2026 года Банк России официально признал дипфейки одной из главных угроз для граждан и бизнеса. Злоумышленники используют ИИ, чтобы красть личности, обходить биометрию и вымогать деньги. На этом фоне ответный удар наносит академическая наука. Новосибирский государственный технический университет (НГТУ НЭТИ) представил методику автоматического распознавания синтетических изображений.
Частотный «отпечаток» и зоркий «Трансформер»
Суть решения – в том, что нейросети, генерирующие картинки, оставляют невидимые глазу артефакты в виде скрытых частотных «отпечатков». Задача детектора – их считать.
Новация НГТУ НЭТИ – использование архитектуры Vision Transformer (ViT). В отличие от классических алгоритмов, сканирующих изображение по локальным фрагментам, ViT анализирует картинку целиком, выстраивая сложные математические связи между пикселями. Тестирование компактной модели ViTTiny показало точность 89%.
Важно понимать: это пока исследовательский прототип, а не готовый коммерческий продукт. Но сама методология ценна тем, что для обучения модели не требуются гигантские массивы размеченных данных, что критически важно в условиях дефицита качественных датасетов.
Гонка вооружений: кто кого обманет?
Разработка новосибирцев вписывается в глобальный тренд. Рынок антифрод-решений и фактчекинга переживает бум. Еще в 2024 году компания Honor начала встраивать детекторы дипфейков прямо в смартфоны. В 2025-м эстафету подхватили российские IT-гиганты: «Контур.Толк» внедрил анализ видеопотока, РВБ запустила сервис для пользователей с заявленной точностью 95%, а МТС Web Services отчиталась о 98% распознавания.
Однако эксперты предупреждают: сравнивать проценты точности некорректно. Все компании тестируют алгоритмы на разных выборках и против разных генеративных моделей.
Параллельно идет работа над «превентивной медициной» для интернета. Институт системного программирования РАН трудится над маркировкой ИИ-контента цифровыми водяными знаками. В идеале будущее – за симбиозом: невидимые метки при генерации и независимые детекторы на стороне потребителя.
От криминалистики до экспорта в БРИКС
Где найдет применение сибирская разработка? В первую очередь в цифровой криминалистике и антифрод-системах банков. Представьте: вам звонит «начальник» и просит срочно перевести деньги, присылая фото документа или селфи. Гибридный детектор, который планируют создать в НГТУ, сможет за доли секунды распознать подделку.
Технология необходима СМИ для верификации кадров, соцсетям для автоматической модерации и сервисам для защиты авторских прав.
Вопрос об экспортном потенциале пока открыт. Прямых контрактов НГТУ не анонсировал, но ниша востребована. Российская компания Smart Engines уже успешно продвигает свои решения по антифроду в странах СНГ, БРИКС и MENA. Сибирская технология, пройдя стадию независимого аудита, вполне может стать частью этого экспортируемого щита.
Вечное противостояние щита и меча
Главный вывод, который делают эксперты, прост: это бесконечная гонка. Генеративные модели совершенствуются ровно с той же скоростью, с какой создаются инструменты их разоблачения.
Ценность разработки НГТУ НЭТИ - не в заветных 89%, а в заложенном фундаменте. Следующий шаг ученых – создание гибридных детекторов, устойчивых к сжатию, кропу и постобработке в мессенджерах. Победу в этой войне одержит не тот, кто создаст детектор под одну конкретную нейросеть, а тот, кто научит алгоритм быстро адаптироваться к новым угрозам.
Пока наука дает обществу новый щит. Вопрос лишь в том, как быстро он перейдет из университетских лабораторий в наши смартфоны и банковские приложения.
