Jak rozpoznać deepfake i nie stracić pieniędzy

Jak rozpoznać deepfake to dziś pytanie czysto praktyczne, nie akademickie. Sfałszowane nagranie wideo i sklonowany głos przestały być ciekawostką z konferencji technologicznych, a stały się zwykłym narzędziem pracy oszustów: trafiają do reklam inwestycyjnych w mediach społecznościowych, do telefonów “od wnuczka” i do firmowych rozmów wideo z rzekomym prezesem. Zła wiadomość jest taka, że samo oko i ucho przestały wystarczać. Dobra: prawie każde takie oszustwo ma ten sam szkielet, a jego rozbrojenie nie wymaga wiedzy technicznej.

Skala nie jest hipotetyczna. CERT Polska w raporcie za 2025 rok odnotował 260 783 unikalne incydenty bezpieczeństwa, o 152 procent więcej niż rok wcześniej, przy czym 97 procent z nich stanowiły oszustwa komputerowe. Zespół pisze wprost, że grafiki, zdjęcia i filmy typu deepfake stają się nieodłącznym elementem fałszywych inwestycji.

Jak rozpoznać deepfake w rozmowie wideo

Przez lata radzono szukać artefaktów: dziwnych dłoni, nienaturalnego mrugania, rozmytych krawędzi twarzy, źle dopasowanych ust. Ta lista starzeje się bardzo szybko, bo generatory wideo i klonowania głosu poprawiają się z kwartału na kwartał, co widać w każdym przeglądzie tego, co dzieje się w AI. Traktuj więc artefakty jako miły bonus, a nie metodę.

Skuteczniejsze jest wymuszenie czegoś, czego model nie ma w materiale źródłowym. Poproś rozmówcę, żeby obrócił głowę bokiem i przez chwilę tak został, przesunął dłoń przed twarzą, wstał albo podniósł do kamery dowolny przedmiot z biurka. Podmiany twarzy działające na żywo radzą sobie najgorzej właśnie z profilem, przesłonięciem twarzy i szybkim ruchem. Zadaj też pytanie spoza scenariusza, na przykład o coś, co wydarzyło się na ostatnim spotkaniu zespołu.

Najmocniejszym sygnałem nie jest jednak obraz, tylko układ sytuacji. Klasyczny schemat to: nietypowy kanał kontaktu, silna presja czasu, prośba o poufność (“nie mów o tym nikomu, to wrażliwa transakcja”) i finał w postaci przelewu. Dokładnie tak stracono pieniądze w brytyjskiej firmie inżynieryjnej Arup: pracownik hongkońskiego oddziału dołączył do wideokonferencji z rzekomym dyrektorem finansowym i innymi “kolegami”, po czym w styczniu 2024 roku wykonał 15 przelewów na łączną kwotę 200 milionów dolarów hongkońskich, czyli około 25 milionów dolarów amerykańskich. Wszystkie postacie na spotkaniu poza ofiarą były wygenerowane na podstawie publicznie dostępnych nagrań.

Sklonowany głos, czyli najsłabsze ogniwo

Wideo wciąż wymaga od oszusta trochę wysiłku. Głos nie wymaga prawie żadnego. Do stworzenia przekonującej kopii wystarczy krótka próbka z rolki w mediach społecznościowych, nagrania z konferencji albo powitania na poczcie głosowej, a rozmowa telefoniczna z natury pozbawia Cię wszystkich wizualnych wskazówek. W polskich realiach ten wariant jest najczęstszy: telefon od “córki po wypadku”, od “pracownika banku” albo od “prezesa” tuż przed końcem dnia roboczego.

Tutaj obowiązuje jedna zasada, prosta i nienegocjowalna: rozłącz się i oddzwoń na numer, który masz zapisany od dawna. Nie na numer wyświetlony przy połączeniu, bo prezentację numeru da się podszyć, i nie na numer podyktowany przez rozmówcę. Drugi sposób to uzgodnione wcześniej hasło rodzinne, czyli słowo, którego nie ma w żadnym poście ani zdjęciu, a które w takiej rozmowie po prostu padnie lub nie padnie.

W firmie odpowiednikiem hasła rodzinnego jest procedura: żaden przelew poza standardową ścieżką nie rusza bez potwierdzenia przez drugą osobę i przez inny kanał niż ten, którym przyszła prośba. To nudne i dlatego działa.

Co zmienia się od 2 sierpnia 2026

Od 2 sierpnia 2026 roku stosuje się obowiązki przejrzystości z artykułu 50 unijnego aktu o sztucznej inteligencji. Dostawcy systemów generatywnych muszą znakować treści syntetyczne w sposób odczytywalny maszynowo, a podmioty, które takich treści używają, muszą wyraźnie ujawniać, że dany materiał jest deepfakiem, i to zanim odbiorca się z nim zetknie. Systemy obecne na rynku przed tą datą mają czas na dostosowanie do 2 grudnia 2026 roku. Szczegóły opisuje oficjalne FAQ Komisji Europejskiej, a 10 czerwca 2026 roku Komisja opublikowała dobrowolny kodeks postępowania dotyczący znakowania i oznaczania treści generowanych przez AI.

Zachowaj jednak realizm. Przepis dotyczy legalnych dostawców i legalnych zastosowań. Grupa, która przygotowuje fałszywą wideokonferencję albo reklamę inwestycyjną z wizerunkiem znanego przedsiębiorcy, nie oznaczy niczego. Praktyczny efekt regulacji jest inny i też wartościowy: rośnie odsetek uczciwych treści, które da się zweryfikować, więc brak jakiegokolwiek śladu pochodzenia w materiale podającym się za nagranie z konferencji prasowej staje się sygnałem ostrzegawczym.

Znaki wodne i Content Credentials: czego realnie szukać

Branża postawiła na dwa uzupełniające się mechanizmy. Pierwszy to Content Credentials w standardzie C2PA, czyli podpisane kryptograficznie metadane o pochodzeniu pliku. Drugi to niewidoczne znaki wodne, takie jak SynthID od Google DeepMind, wplatane bezpośrednio w obraz, dźwięk lub wideo.

Najciekawsze jest to, że oznaczanie przestało dotyczyć wyłącznie treści z AI. Seria Pixel 10 to pierwsze telefony, które zapisują Content Credentials w każdym zdjęciu z natywnego aparatu, także w tym bez żadnej ingerencji AI. Klucze podpisujące są generowane i przechowywane w układzie bezpieczeństwa Titan M2 poprzez Android StrongBox, a aplikacja aparatu uzyskała poziom Assurance Level 2, najwyższy obecnie zdefiniowany w programie zgodności C2PA. Dane pochodzenia obejrzysz w Zdjęciach Google w sekcji “Informacje”.

Ograniczenia są równie ważne. Zrzut ekranu, kompresja i przepuszczenie pliku przez wiele platform potrafią usunąć metadane, a portal SynthID Detector Google udostępnia na razie w ograniczonym gronie, głównie dziennikarzom. Wniosek: obecność poprawnych Content Credentials jest mocnym argumentem za autentycznością, ale ich brak nie dowodzi niczego.

Trzy nawyki, które zatrzymują oszustwo

Po pierwsze, oddzielaj kanały. Każda prośba o pieniądze, dane logowania lub kod z SMS potwierdzana jest w innym kanale niż ten, w którym przyszła. To jedna reguła, która neutralizuje zarówno deepfake wideo, jak i sklonowany głos.

Po drugie, kupuj sobie czas. Presja to główny mechanizm tego oszustwa, wbudowany w nie celowo. Zdanie “oddzwonię za pięć minut” kosztuje nic i psuje cały scenariusz.

Po trzecie, zabezpiecz to, co deepfake ma otworzyć. Sfałszowany głos zwykle prowadzi do przejęcia konta lub przelewu, więc realną barierą jest logowanie odporne na wyłudzenie, czyli klucze dostępu zamiast haseł, oraz limity i podwójna akceptacja przelewów w bankowości firmowej. Warto też ograniczyć materiał źródłowy: publiczne, długie nagrania Twojego głosu i twarzy są dla oszusta darmowym zbiorem treningowym.

Deepfake nie jest magią. Jest tanim sposobem na uwiarygodnienie prośby, którą i tak trzeba by było zweryfikować.