Att upptäcka deepfakes har länge varit en kapplöpning där förfalskningarna blivit bättre snabbare än detekteringsverktygen. Nu har forskare vid UCLA presenterat en teknik som vänder på spelplanen: ett ljusbaserat AI-system som kan upptäcka deepfakes med nästan 98 procents träffsäkerhet, samtidigt som det analyserar ett dussintal videor parallellt.
Genombrottet är globalt, men konsekvenserna känns extra aktuella i Sverige, där AI-drivna bedrägerier med röstkloning och manipulerat videomaterial redan är ett växande problem. I den här artikeln går vi igenom hur tekniken fungerar, varför den är ett skifte jämfört med tidigare metoder att upptäcka deepfakes, och vad du konkret kan göra redan idag.
Vad är problemet med dagens deepfake-detektering?
De flesta verktyg som används för att upptäcka deepfakes idag bygger helt på digital databehandling. Ett neuralt nätverk analyserar varje bildruta i en video, letar efter inkonsekvenser i ansiktsrörelser, ljussättning och pixelmönster, och beräknar en sannolikhet för manipulation.
Problemet är att den här typen av digital analys är beräkningsintensiv och energikrävande, särskilt när den ska skalas upp till att granska enorma mängder videomaterial i realtid, till exempel på sociala medier eller inom banksäkerhet. Dessutom har traditionella digitala detektorer visat sig sårbara för så kallade adversariella attacker, där förfalskningen medvetet designas för att lura just detekteringsmodellen.
Så fungerar den nya ljusbaserade AI-tekniken för att upptäcka deepfakes
Forskarna bakom studien, publicerad i den vetenskapliga tidskriften eLight, har byggt något de kallar en hybrid optisk-neural arkitektur. Istället för att låta all beräkning ske digitalt, flyttas en del av analysen till fysisk ljusutbredning.
Hybrid mellan digital och optisk beräkning
Systemet kombinerar en lättviktig digital frontend med en optisk avkodningsdel. Videodata kodas digitalt och skickas sedan genom en optisk uppsättning där själva analysen delvis sker genom hur ljuset fysiskt rör sig och interagerar, snarare än genom traditionella digitala beräkningar i en processor.
Spatial ljusmodulator och parallell analys
Nyckelkomponenten är en programmerbar spatial ljusmodulator, en SLM, som gör det möjligt att multiplexa, det vill säga analysera flera videoströmmar samtidigt i en enda optisk passage. I experimenten kunde systemet granska 15 videor parallellt i en och samma optiska analys, något som skulle krävt betydligt mer beräkningskraft med en renodlat digital metod.
Resultaten: Nästan 98 procents träffsäkerhet
På testdatasetet Celeb-DF, en vedertagen referenspunkt inom deepfake-forskning, nådde systemet en genomsnittlig träffsäkerhet på 97,79 procent, med en sensitivitet på 99,86 procent och en specificitet på 95,72 procent. När forskarna la till två extra optiska lager för att testa mot svårare manipulationstyper förbättrades träffsäkerheten ytterligare med cirka 6,8 procentenheter. Du kan läsa mer om studien i ScienceDaily, eller ta del av den fullständiga forskningsartikeln via den vetenskapliga preprinten.
Varför spelar det roll att kunna upptäcka deepfakes snabbare och säkrare?
Att upptäcka deepfakes handlar inte längre bara om träffsäkerhet i en labbmiljö. För att vara användbar i verkligheten, till exempel för att granska videoflöden på sociala medier eller verifiera identitet vid en bankkontakt, behöver ett system samtidigt vara snabbt, energieffektivt och svårt att lura. Det är just den kombinationen som forskarna lyfter fram som den verkliga innovationen: tidigare har det varit svårt att uppnå hög hastighet, låg energiförbrukning och motståndskraft mot attacker samtidigt i rent digitala system.
Hur jämför sig tekniken med traditionell deepfake-detektering?
| Egenskap | Traditionell digital AI-detektering | Ny optisk-hybrid teknik (UCLA) |
|---|---|---|
| Träffsäkerhet | Varierar, ofta 90–95 procent | Upp till cirka 98 procent |
| Antal videor per analys | Vanligtvis en i taget | 15 videor parallellt i en optisk passage |
| Energiförbrukning | Hög vid storskalig användning | Betydligt lägre tack vare optisk parallellisering |
| Motståndskraft mot attacker | Sårbar för riktade adversariella angrepp | Visad motståndskraft i tester |
| Mognadsgrad | Delvis i kommersiellt bruk | Fortfarande på forskningsstadiet |
Deepfakes och Sverige – ett växande problem
Sverige är inget undantag från den globala ökningen av AI-manipulerat material. Röstkloning och deepfake-video används redan idag i riktade bedrägeriförsök mot både privatpersoner och företag, något vi har gått igenom mer utförligt i vår genomgång av AI-bedrägerier och BankID, se länk längre ner i artikeln. Ett snabbare och mer tillförlitligt sätt att upptäcka deepfakes skulle därför kunna få direkt betydelse för svenska banker, myndigheter och plattformar som idag kämpar med att hinna granska stora mängder material.
När kommer tekniken att användas i praktiken?
Det är viktigt att vara tydlig med var tekniken faktiskt befinner sig just nu. Det handlar om ett forskningsresultat, publicerat i en vetenskaplig tidskrift, inte en färdig kommersiell produkt. Innan ett system som detta kan användas i stor skala, till exempel inbyggt i en banks säkerhetsinfrastruktur eller en social medieplattforms granskningsflöde, krävs sannolikt ytterligare utveckling kring hårdvara, tillverkning i större skala och integration med befintliga system. Realistiskt sett handlar det snarare om flera år innan den här typen av optisk-hybrid teknik når vanliga användare, även om forskningsresultaten är lovande.
Så kan du skydda dig mot deepfakes redan idag
I väntan på att den här typen av avancerad detektering blir allmänt tillgänglig finns några praktiska vanor som fortfarande är din bästa försvarslinje. Var extra uppmärksam på videosamtal eller klipp som skapar tidspress eller ber om snabba beslut, eftersom det är en klassisk varningssignal oavsett hur äkta materialet ser ut. Titta efter små inkonsekvenser i ljussättning, skuggor och reflektioner, särskilt kring ögon och tänder, där dagens deepfakes fortfarande ofta brister något. Verifiera alltid via en annan, redan känd kanal om en video eller ett samtal ber dig agera finansiellt, snarare än att lita på det visuella intrycket i stunden.
Vanliga frågor om att upptäcka deepfakes
Vad gör den nya tekniken annorlunda jämfört med tidigare metoder att upptäcka deepfakes?
Den kombinerar digital och optisk beräkning, vilket gör att delar av analysen sker genom fysisk ljusutbredning istället för enbart digital databehandling, vilket ger högre hastighet och lägre energiförbrukning.
Hur hög är träffsäkerheten för den nya metoden?
I studien uppmättes en genomsnittlig träffsäkerhet på 97,79 procent på testdatasetet Celeb-DF.
Är tekniken tillgänglig för vanliga användare redan nu?
Nej, det är i dagsläget ett forskningsresultat, publicerat i tidskriften eLight, och inte en färdig kommersiell produkt.
Kan tekniken analysera flera videor samtidigt?
Ja, i experimenten analyserades 15 videor parallellt i en och samma optiska passage.
Varför är deepfakes särskilt relevant i Sverige just nu?
Eftersom AI-driven röstkloning och videomanipulation redan används i riktade bedrägeriförsök mot svenska privatpersoner och företag, kopplat bland annat till BankID-relaterade bedrägerier.
Hur kan jag själv upptäcka en deepfake utan avancerade verktyg?
Titta efter inkonsekvenser i ljussättning och ansiktsdetaljer, var vaksam vid tidspress i samtalet, och verifiera alltid via en separat, känd kanal innan du agerar.
Sammanfattning
Att upptäcka deepfakes med hög träffsäkerhet, låg energiförbrukning och motståndskraft mot attacker samtidigt har länge varit svårt att uppnå. UCLA:s nya optisk-hybrida AI-teknik visar att det är möjligt, med nästan 98 procents träffsäkerhet i kontrollerade tester. Även om tekniken fortfarande befinner sig på forskningsstadiet, pekar den mot en framtid där verktygen för att upptäcka deepfakes blir snabbare och svårare att lura, något som kan få särskild betydelse i ett Sverige där AI-bedrägerier redan är ett verkligt och växande problem.
Nu när du vet hur man kan avslöja falska videor och skydda sig mot digital manipulation, kanske du vill lära dig mer om hur denna teknik faktiskt skapas. Läs vår djupgående guide om AI-genererad video, hur tekniken fungerar och dess användningsområden 2026 här: https://indianewslive24.online/ai-genererad-video-sa-fungerar-tekniken-anvandningsomraden-och-vad-du-bor-tanka-pa-2026/