Advancing Reliable Synthetic Video Detection: Insights from the SAFE Challenge
تقدم هذه الورقة تحدي SAFE، وهو تقييم شامل لطرق كشف الفيديو الاصطناعي أُجري في مؤتمر ICCV 2025، والذي استخدم مجموعة بيانات واسعة النطاق تضم 6,000 فيديو ليكشف أنه على الرغم من تحسن التعميم عبر المولدات المختلفة، إلا أن نماذج الكشف الحالية تظل عرضة لعمليات المعالجة اللاحقة الشائعة.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالماً يمكن لأي شخص فيه أن يضغط على زر لإنشاء فيديو يبدو، ويتحرك، ويصدر أصواتاً تماماً مثل الحياة الواقعية. الأمر يشبه امتلاك فرشاة رسم سحرية لا تكتفي برسم الصور فحًاسب، بل تبعث فيها الحياة. وبينما يعد هذا أمراً مذهلاً للإبداع، فإنه يمثل كابوساً للحقيقة. كيف ستعرف ما إذا كان فيديو لسياسي يقول شيئاً غريباً هو حقيقي، أم أنه مجرد تزييف مقنع للغاية؟
تصف هذه الورقة البحثية "مسابقة" تسمى تحدي SAFE، نُظمت لاختبار مدى جودة "كواشف التزييف" الحالية لدينا في رصد هذه التزويرات الرقمية. فكر في الأمر كأنه لعبة "أوجد الفروق" عالية المخاطر، حيث تكون الفروق غير مرئية للعين المجردة.
إليك شرح مبسط لما حدث، وكيف تم ذلك، وماذا وجدوا.
الإعداد: اختبار تذوق أعمى
عادةً، عندما يختبر العلماء كاشفاً جديداً، فإنهم يعطونه قائمة من "المزيفات" و"الحقيقيات" لدراستها أولاً. الأمر يشبه السماح لمتذوق النبيذ بشم العنب قبل تذوق النبيذ. تجادل هذه الورقة بأن هذا ليس هو ما يحدث في العالم الحالي. في العالم الحقيقي، تتلقى فيديو وعليك أن تقرر فوراً: هل هذا حقيقي أم مزيف؟ لا تحصل على فرصة لإلقاء نظرة على الكود المصدري.
لذلك، قام المنظمون ببناء اختبار أعمى:
- المتسابقون: 12 فريقاً من الخبراء من الجامعات والشركات.
- الخلطة السرية: احتفظ المنظمون بـ "فيديوهات الاختبار" داخل خزنة. لم يرَ المتسابقون سوى عينة عامة صغيرة للتدريب عليها. كان عليهم تقديم "الكاشف" الخاص بهم (برنامج كمبيوتر) إلى خوادم المنظمين.
- القواعد: قام المنظمون بتشغيل برامج المتسابقين مقابل الفيديوهات السرية. لم يرَ المتسابقون الفيديوهات السرية أبداً، ولم يرَ المنظمون كود المتسابقين أبداً. لقد كان اختبار "الصندوق الأسود" الحقيقي.
التحديان
تضمن التحدي مستويين، يزدادان صعوبة تدريجياً:
المستوى 1: التزييف الطازج
كان على المتسابقين رصد فيديوهات أنشئت بواسطة 13 نوعاً مختلفاً من مولدات الذكاء الاصطناعي الحديثة (مثل أدوات تحويل النص إلى فيديو الأحدث). كانت هذه الفيديوهات نقية، خارجة مباشرة من الذكاء الاصطناعي، دون أي تعديل.
- التشبيه: تخيل محاولة تمييز تفاحة بلاستيكية مثالية بجانب تفاحة حقيقية. تبدوان متطابقتين تقريباً، لكن البلاستيكية تفتقر إلى العيوب الصغيرة جداً.
المستوى 2: التزييف "المغسول"
هذا كان الجزء الأصعب حقاً. كان على المتسابقين رصد نفس الفيديوهات المزيفة، ولكن بعد أن تعرضت لعمليات معالجة مثل المحتوى الحقيقي على الإنترنت. قام المنظمون بتمريرها عبر 14 عملية "غسيل" مختلفة:
- تصغير الحجم (تقليل الدقة).
- جعلها ضبابية (ضبابية الحركة).
- ضغطها (كما يحدث عند الرفع على وسائل التواصل الاجتماعي).
- حتى تشغيل الفيديو على شاشة وتسجيله بكاميرا هاتف (حلقة "من رقمي إلى تناظري ثم إلى رقمي").
- التشبيه: تخيل أنك تأخذ تلك التفاحة البلاستيكية المثالية، وتجعدها، وتضعها في حقيبة، وتهزها، ثم تسأل: "هل لا تزال بلاستيكية؟". الهدف هو معرفة ما إذا كان بإمكان الكواشف لا تزال رصد التزييف عندما يبدو مشوهاً وواقعياً.
النتائج: أخبار جيدة وأخبار سيئة
الأخبار الجيدة: نحن نتحسن في رصد التزييف الطازج.
في المستوى 1 (الفيديوهات النقية)، حققت الفرق المتصدرة عملاً مذهلاً. استطاعوا التمييز بين الحقيقي والمزيف بدقة عالية جداً. اتضح أنه رغم تحسن الذكاء الاصطناعي في التزييف، فإن كواشفنا تتحسن أيضاً في العث_ور على "الخلل" الصغير وغير المرئي الذي يتركه الذكاء الاصطنا_ي خلفه.
- العقبة: كانت الكواشف جيدة بشكل مفاجئ في رصد التزييفات التي لم ترهَا من قبل. قام أحد الفرق بتدريب الكاشف الخاص به على نوع واحد فقط من مولدات الذكاء الاصطناعي، ومع ذلك عمل بشكل رائع على 12 نوعاً آخر. الأمر يشبه تعلم كيفية رصد ساعة رولكس مزيفة من خلال النظر إلى طراز واحد، ثم القدرة على رصد ساعة باتيك فيليب أو أوميغا مزيفة بمجرد النظر إلى "الشعور" العام للساعة.
الأخبار السيئة: "الغسيل" يكسر الكواشف.
في المستوى 2، انخفض الأداء بشكل كبير. بمجرد ضغط الفيديوهات، أو تغيير حجمها، أو إعادة تسجيلها، ارتبكت الكواشف.
- التشبيه: فكر في الكواشف كحارس أمن بارع في رصد نوع معين من الهويات المزيفة. لكن إذا قمت بتصوير تلك الهوية المزيفة، وتجعيدها، وتمريرها عبر آلة صنع القهوة، فلن يستطيع الحارس معرفة أنها مزيفة بعد الآن.
- الضغط هو العدو: عندما يتم ضغط الفيديوهات (كما هو الحال في يوتيوب أو تيك توك)، يتم مسح "البصمات الجنائية" التي تبحث عنها الكواشف.
- خدعة "الكاميرا" كانت الأصعب: عندما قاموا بتشغيل فيديو على شاشة وتصويره بكاميرا أخرى، واجهت الكواشف أكبر صعوبة. الفيديو الواقعي "المغسول" بدا تماماً مثل فيديو واقعي حقيقي، لدرجة أن الكواشف لم تستطع التمييز بينهما.
ما الذي يجعل الكاشف جيداً؟
نظرت الورقة البحثية في كيفية بناء الفرق الفائزة لبرامجها ووجدت بعض الحيل المشتركة:
- استخدام "عمود فقري" ذو عقل كبير: استخدمت أفضل الفرق "دماغًا" مدرباً مسبقاً (نموذج ذكاء اصطناعي ضخم يعرف بالفعل رؤية الأشياء في الصور الفوتوغرافية الحقيقية) وعلموه كيفية البحث عن التزييف. الأمر يشبه توظيف طاهٍ ماهر يعرف بالفعل كيفية الطبخ، وتعليمه وصفة واحدة جديدة فقط.
- خدعة "المشفر التلقائي" (Auto-Encoder): استخدمت بعض الفرق طريقة تدريب ذكية حيث أخذوا فيديو حقيقياً، وحولوه إلى نسخة "اصطناعية" باستخدام أداة خاصة، ثم علموا الكاشف كيفية رصد الفرق بين النسخة الحقيقية ونسختهم المزيفة. الأمر يشبه معلماً يصنع اختباراً تجريبياً يختلف قليلاً عن الامتحان الحقيقي لتحضير الطالب.
الخلا الخلاصة
تخلص الورقة إلى أنه بينما حققنا تقدماً كبيراً في رصد فيديوهات الذكاء الاصطناعي عالية الجودة وغير المعدلة، إلا أننا لا نزال معرضين للخطر بشدة عندما يتم مشاركة تلك الفيديوهات عبر الإنترنت. في اللحظة التي يتم فيها ضغط الفيديو، أو تغيير حجمه، أو إعادة تسجيله، غالباً ما تفشل تقنياتنا الحالية في كشفه.
أثبت التحدي أنه بينما نحن نربح المعركة ضد التزييفات "الطازجة"، فإن الحرب ضد التزييفات "المغسولة" (تلك التي يتم تداولها فعلياً على الإنترنت) لا تزال بعيدة عن النهاية. نحن بحاجة إلى كواشف أكثر صلابة وأقل عرضة للخداع من قبل الواقع الفوضوي لكيفية مشاركتنا للفيديوهات اليوم.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.