- Deepfakeovi su audiovizualni sadržaj generiran umjetnom inteligencijom koji ugrožava privatnost, ugled i povjerenje javnosti.
- Njegov utjecaj se kreće od uznemiravanja i pornografije bez pristanka do korporativnih prevara i političkih manipulacija.
- Španski i evropski pravni okvir već nude alate za krivično gonjenje štetne upotrebe, iako tehnologija napreduje vrlo brzo.
- Odbrana zahtijeva kombinovanje tehničke detekcije, organizacijskih protokola i obuke u kritičkom mišljenju i sajber sigurnosti.
Deepfakeovi su od internet kurioziteta postali jedan od najozbiljnijih izazova digitalnog doba. Videozapisi, audiozapisi i slike manipulirani umjetnom inteligencijom mogu nas natjerati da vidimo nekoga kako kaže ili radi nešto što se nikada nije dogodilo, s realizmom koji u mnogim slučajevima zavarava čak i stručne oči. I to ne pogađa samo poznate ličnosti ili političare: svako ko je prisutan na društvenim mrežama može postati meta.
Ovaj fenomen kombinuje tri vrlo opasna sastojka: moćnu tehnologiju, jednostavnost korištenja i ogroman doseg . Rezultat je savršen recept za dezinformacije, finansijske prevare, uznemiravanje i široko rasprostranjeno narušavanje povjerenja u ono što vidimo i čujemo. Hajde da smireno i detaljno analiziramo šta su tačno deepfakeovi, kako nastaju, koje rizike predstavljaju za pojedince, kompanije i institucije, šta zakon kaže i koje stvarne korake možemo preduzeti da se odbranimo.
Šta su deepfakeovi i zašto su važni?
Termin deepfake potiče od kombinacije riječi deep learning (duboko učenje) i fake (false) . Odnosi se na bilo koji audiovizuelni sadržaj - video, sliku ili audio - generiran ili manipuliran generativnim algoritmima umjetne inteligencije kako bi izgledao autentično. Ne govorimo o pukim filterima ili retuširanju, već o potpunim rekonstrukcijama lica, gestova ili glasova koji vrlo precizno imitiraju stvarnu osobu.
Pomoću lako dostupnih, čak i besplatnih, alata, moguće je preklopiti nečije lice na tijelo druge osobe, klonirati njen glas ili rekreirati scene koje se nikada nisu dogodile . Napredak u neuronskim mrežama i GAN-ovima (generativnim adverzarnim mrežama) dramatično je povećao nivo realizma, što znatno otežava razlikovanje originalnog i manipulisanog sadržaja.
Deepfakeovi se sada smatraju evolucijom lažnih vijesti : dok su se ranije manipulisali tekstom ili fotografijama, sada se generiše lažni video ili vjerodostojan audio snimak koji ima mnogo veći emocionalni i kognitivni uticaj. Naš mozak ima tendenciju da više vjeruje onome što "vidi i čuje" nego jednostavnom naslovu, što umnožava njihovu moć uvjeravanja.
Iako ova tehnologija postoji od kraja 90-ih, postala je istaknuta 2017. godine kada je korisnik Reddita počeo objavljivati lažni pornografski sadržaj s licima poznatih glumica. Od tada se njena upotreba enormno proširila, kako u zabavi, tako i u očigledno zlonamjernim kontekstima.
Kako se kreiraju deepfakeovi: tehnička strana bez tehničkog žargona
Iza deepfake-a stoje sistemi mašinskog učenja koji analiziraju hiljade slika, kadrova ili audio isječaka . Tipičan proces s licima slijedi dva glavna koraka: kodiranje i dekodiranje. Prvo, algoritam za kodiranje proučava sličnosti između dva lica i izdvaja skup zajedničkih karakteristika. Zatim, dekoder rekonstruiše ciljnu sliku koristeći izraze lica druge osobe.
U praksi se obučavaju dva odvojena dekodera, po jedan za svako lice. Kada se podaci jedne osobe unesu u dekoder druge osobe , dobijamo video u kojem subjekt A izgleda kao da izvodi geste i pokrete subjekta B. Ako se uradi ispravno, rezultat izgleda kao originalni snimak.
Druga uobičajena tehnika je korištenje generativnih adversarnih mreža (GAN) . Ovo uključuje dvije mreže: generator, koji stvara lažne slike ili video klipove, i diskriminator, koji pokušava razlikovati lažno od stvarnog. One se međusobno takmiče hiljadama puta, kontinuirano se poboljšavajući sve dok diskriminator više ne može lako otkriti obmanu i rezultat ne bude što više sličan stvarnosti.
Većina video deepfakeova se kreira tako što se algoritmu dostavljaju veliki skupovi slika osobe koja se imitira . Što više uglova, gestikulacija i uslova osvjetljenja model ima, to će konačni rezultat biti uvjerljiviji. Stoga su tradicionalno žrtve obično bile osobe s visokom medijskom izloženošću, iako je danas jedna fotografija ili nekoliko sekundi glasovnih snimaka dovoljno za generiranje pristojnog klona.
U slučaju glasa, sistemi za kloniranje omogućavaju, nakon samo nekoliko sekundi snimanja, reprodukciju boje glasa, akcenta i ritma govora . Kombinacijom sinteze govora sa skriptama generiranim umjetnom inteligencijom, moguće je proizvesti zvuk u kojem žrtva "govori" sve što napadač želi staviti u usta.
Vrste deepfakeova: slika, video i glas
Unutar pojma deepfakes, možemo razlikovati nekoliko vrsta, ovisno o vrsti manipuliranog sadržaja i korištenoj tehnici. Dvije kategorije su postale posebno popularne: deepfaces i deepvoices.
Deepfaces su videozapisi u kojima se generira ili potpuno zamjenjuje lice osobe . Koristeći više fotografija, sistem stvara statična lica toliko realistična da izgledaju kao pravi portreti, a zatim ih povezuje u nizu kako bi stvorio glatki videozapis. Cilj je da, prilikom gledanja, niko ne posumnja da gleda vještački kompozitni prikaz.
U međuvremenu, deepvoice-i se fokusiraju na imitaciju glasa . Algoritam uči vokalne karakteristike osobe (frekvenciju, intonaciju, pauze, riječi za popunjavanje itd.) i zatim može pročitati bilo koji tekst, predstavljajući ga kao tu osobu. Ova vrsta deepfake-a je posebno opasna u korporativnom i finansijskom sektoru.
Odličan primjer dogodio se 2019. godine: sajberkriminalci su klonirali glas generalnog direktora kako bi pozvali višeg rukovodioca u njegovoj kompaniji i naredili hitan transfer preko 250.000 dolara. Direktor je postupio u skladu s tim jer je glas zvučao potpuno isto kao glas njegovog nadređenog, a osjećaj hitnosti je bio uvjerljiv.
Pored ove dvije kategorije, postoje i hibridni deepfakeovi koji kombinuju video, audio i tekst generisan vještačkom inteligencijom , tako da je sav sadržaj - ono što vidite i ono što čujete - sintetički, ali koherentan. Kako tehnologija sazrijeva, granice između ovih tipova se zamagljuju.
Legitimne upotrebe i pozitivne primjene
Iako često povezujemo deepfakeove s prevarama i cyberbullyingom, ista tehnologija ima potpuno legitimne i vrijedne primjene kada se koristi transparentno i uz pristanak. U filmskoj industriji, na primjer, koristi se za odmrzavanje glumaca, ponovno stvaranje preminulih likova ili sinkronizaciju dijaloga bez gubitka playbacka.
U obrazovnom području, generativni modeli omogućavaju prilagođavanje audiovizuelnog sadržaja više jezika uz očuvanje originalnih gestova govornika. To poboljšava razumijevanje, izbjegava osjećaj "niskobudžetnog sinkroniziranja" i olakšava globalnu dostupnost kurseva i konferencija.
Istražuju se i aplikacije za pristupačnost, kao što je kreiranje avatara koji personaliziraju znakovni jezik ili prilagođeni sintetički glasovi za ljude koji ne mogu govoriti. Uz pravi etički pristup, ista tehnologija koja nas danas brine može otvoriti važna vrata za digitalnu inkluziju.
Najveći izazov nije toliko sam alat, već kontekst, svrha i transparentnost s kojom se koristi. Zato nedavni evropski propisi naglašavaju obavezu jasnog označavanja sadržaja generiranog umjetnom inteligencijom kako bi javnost mogla razlikovati različite vrste.
Rizici i prijetnje deepfakeova za društvo
Negativan utjecaj deepfakeova kreće se od privatnog života pojedinca do političke, ekonomske i društvene stabilnosti . Jedna od najočitijih opasnosti su dezinformacije: lažni videozapisi koji prikazuju političke lidere kako daju zapaljive izjave ili priznaju zločine koji se nikada nisu dogodili.
Čak i ako se kasnije opovrgnu, šteta je već učinjena, jer emocionalni uticaj prvog gledanja često nadmašuje svaku naknadnu ispravku . To doprinosi polarizaciji javnog mnjenja, podsticanju teorija zavjere i slabljenju povjerenja u medije i demokratske institucije.
Još jedan izuzetno ozbiljan rizik je korištenje deepfakeova za uznemiravanje, klevetu i kršenje privatnosti . Stvaranje lažne pornografije korištenjem lica žena - posebno političarki, aktivistica i novinarki - postalo je oblik digitalnog nasilja s razornim posljedicama po njihov ugled, lični život i mentalno zdravlje.
Nedavne studije pokazuju da se oko 2,2% ljudi anketiranih u određenim akademskim radovima identificira kao žrtve intimnih deepfakeova, dok 1,8% priznaje da je kreiralo ili distribuiralo ovu vrstu sadržaja. Iako se ove brojke mogu činiti niskima, one odražavaju zabrinjavajući i rastući trend.
Nadalje, deepfakeovi doprinose „krizi istine“ : ako se bilo koji audiovizuelni dokaz može izmisliti, društvo rizikuje pretpostavku da ništa nije u potpunosti vjerodostojno. Ovo je možda najopasniji dugoročni uticaj, jer narušava osnovno povjerenje neophodno za digitalni suživot i informisanu javnu debatu.
Utjecaj na prevaru i korporativnu kibernetičku sigurnost
U poslovnom svijetu, deepfakeovi postaju vrlo efikasan alat za napad cyber kriminalaca. Ovo nije naučna fantastika: već postoje brojni slučajevi u kojima se rukovodioci lažno predstavljaju korištenjem videa ili zvuka za naređivanje transfera, traženje osjetljivih podataka ili davanje lažnih strateških uputa.
Jedan od najčešćih scenarija uključuje [ nejasno - moguće "e-mail adresa" ili "broj telefona"]. Pored klasične lažne e-mail poruke, napadač uključuje lažni video ili audio snimak generalnog direktora ili finansijskog direktora, pojačavajući hitnost zahtjeva. Nakon što vidi ili čuje svog "šefa", žrtva spušta gard i izvršava naredbu.
Deepfakeovi se također koriste u naprednom društvenom inženjeringu . Na primjer, naizgled rutinski video se šalje advokatskoj firmi u kojem partner zahtijeva hitno potpisivanje ugovora ili pristup određenim dokumentima. Kontekst je uvjerljiv, slika i glas se podudaraju, a sistem verifikacije se oslanja isključivo na prepoznavanje lica.
U sve češćim okruženjima za rad na daljinu, napadači se infiltriraju u videopozive lažnim predstavljanjem članova tima . Koristeći avatare generirane umjetnom inteligencijom, oni učestvuju u sastancima, traže pristup internim sistemima ili vrše pritisak za povjerljivim informacijama. Lažno predstavljanje može proći nezapaženo ako ponašanje ne izgleda previše neobično.
Sve ovo predstavlja direktan izazov za sigurnosne sisteme zasnovane na prepoznavanju lica ili glasa. Nedavne studije pokazuju da male prilagodbe sjenama, inteligentno zamućenje ili šum protivnika mogu drastično smanjiti efikasnost biometrijskih detektora, omogućavajući lažnom licu da zaobiđe kontrolu pristupa.
Izazovi detekcije: zašto sam antivirusni softver nije dovoljan
Detekcija deepfakeova nije tako jednostavna kao instaliranje softvera i zaboravljanje na njega. Trenutni modeli detekcije suočavaju se s ključnim problemom: njihova generalizacija je ograničena . Obično se obučavaju korištenjem specifičnih tehnika i stilova manipulacije, a kada se pojavi algoritam nove generacije, gube na efikasnosti.
Nadalje, napadači mogu uvesti neprijateljske poremećaje posebno dizajnirane da obmanu detektore . To jest, dodaju šum neprimjetan ljudskom oku, ali koji zbunjuje forenzičke sisteme i omogućava da manipulisani sadržaj prođe kroz filtere kao da je autentičan.
Ovome se dodaje i izazov skalabilnosti. Platforme i društvene mreže svakodnevno primaju ogromne količine videa i zvuka , što dubinsku analizu svakog dijela čini praktično nemogućom. Mnogi su prisiljeni pribjegavati uzorkovanju, površnoj analizi ili automatiziranim sistemima koji ponekad zakažu.
Stoga trenutno ne postoji "čarobno rješenje" protiv deepfakeova. Odbrana zahtijeva kombinaciju tehnika : analizu metapodataka, ispitivanje vizualnih ili audio artefakata, neuronske mreže obučene za otkrivanje suptilnih obrazaca i, što je vrlo važno, obuku korisnika i kritičko razmišljanje.
Sam napredak umjetne inteligencije zahtijeva kontinuirano ažuriranje modela detekcije . Svaka nova generacija generativnih alata zahtijeva pregled i prekvalifikaciju odbrambenih sistema, stvarajući stalnu igru mačke i miša između napadača i branilaca.
Pravni okvir: kako Španija i Evropska unija reaguju
Sa pravnog stanovišta, deepfakeovi se ne smatraju uvijek specifičnim zločinom, ali njihova štetna upotreba spada pod nekoliko postojećih krivičnih djela i propisa . U Španiji, Krivični zakonik nudi različite oblike zaštite od lažnog predstavljanja i kršenja privatnosti.
Član 197 i dalje štite pravo na privatnost i vlastitu sliku, kažnjavajući pribavljanje , korištenje ili širenje intimnih slika ili snimaka bez pristanka , čak i ako su digitalno manipulirani. Seksualni deepfake širen bez dozvole može se smatrati zločinom protiv privatnosti.
Član 401 kriminalizuje krađu identiteta , što se može primijeniti kada se deepfake koristi za lažno predstavljanje druge osobe, na primjer, za obmanjivanje trećih strana ili počinjenje prevare. Članovi 208-210 regulišu klevetu i uvredu, a primjenjuju se ako lažni sadržaj ozbiljno šteti časti ili ugledu žrtve.
Članovi 248 i 249, koji se odnose na prevaru, pokrivaju slučajeve u kojima se izmijenjeni glasovi ili lica koriste za sticanje nezakonite finansijske koristi . U tim slučajevima, deepfake tehnologija je sredstvo koje se koristi za izvršenje krivičnog djela, iako nije klasifikovana kao zasebno krivično djelo.
Paralelno s tim, Organski zakon 3/2018 (LOPDGDD) i Opća uredba o zaštiti podataka (GDPR) štite lične podatke, uključujući biometrijske podatke poput lica i glasa. Korištenje nečije slike ili glasa u deepfakeu bez njihovog pristanka može predstavljati ozbiljno kršenje zaštite podataka, s administrativnim kaznama i potencijalnom građanskom ili krivičnom odgovornošću.
Organski zakon 1/1982, o pravu na čast, privatnost i vlastiti imidž, omogućava žrtvi da podnese građansku tužbu protiv svakoga ko širi deepfake koji krši njeno dostojanstvo ili ugled , tražeći uklanjanje sadržaja, naknadu štete i hitne mjere predostrožnosti kako bi se zaustavilo njegovo širenje.
Na evropskom nivou, Zakon o vještačkoj inteligenciji (Uredba EU o vještačkoj inteligenciji) će zahtijevati da sadržaj generiran vještačkom inteligencijom, uključujući deepfakeove, bude jasno identifikovan kao takav. U međuvremenu, Zakon o digitalnim uslugama (DSA) obavezuje digitalne platforme i usluge da brzo reaguju na sadržaj koji je lažan, klevetnički ili krši temeljna prava.
Nadalje, neke vlade, uključujući i špansku, počele su preciznije definirati zločine povezane sa seksualnim deepfakeovima i dotjerivanjem djece, jačajući krivičnu zaštitu od pornografije generirane umjetnom inteligencijom bez pristanka i zlostavljanja maloljetnika putem audiovizuelne manipulacije.
Specifični rizici za djecu, žene i ranjive grupe
Deepfakeovi ne utiču na sve podjednako. Podaci ukazuju na to da žene, maloljetnici i određene javne grupe snose nesrazmjeran dio utjecaja, posebno kada je u pitanju intimni sadržaj koji se dijeli bez pristanka.
Nedavni izvještaji pokazuju da je značajan dio deepfakeova identificiranih na internetu pornografski i usmjeren na žene, od kojih su mnoge javne ličnosti. To se pretvara u kampanje uznemiravanja, ucjene i klevete, sa snažnom komponentom digitalnog nasilja zasnovanog na spolu.
Neke studije i izvještaji procjenjuju da jedna od pet mladih osoba u Španiji izvještava da je imala neku vrstu iskustva vezanog za deepfakeove tokom djetinjstva ili adolescencije, bilo kao direktna žrtva, posmatrač ili učesnik. Ovo rano izlaganje povećava rizik od normalizacije praksi uznemiravanja i seksualnog iznuđivanja.
Za kriminologiju i pravosudni sistem, deepfakeovi predstavljaju dodatnu glavobolju: mogli bi se predstaviti kao "dokazi" u pravnim postupcima , što otežava sudijama, tužiocima i stručnjacima da utvrde autentičnost materijala.
Situacija također pokreće ozbiljne probleme u području lične sigurnosti i javne kibernetičke sigurnosti, budući da bi biometrija za kontrolu pristupa zasnovana na licu ili glasu mogla postati sve nepouzdanija ako se paralelno ne razviju robusni mehanizmi za otkrivanje sintetičkog sadržaja.
Pored individualne štete, širenje deepfakeova doprinosi klimi široko rasprostranjenog nepovjerenja u digitalne informacije . Ako bilo koji video ili audio može biti lažan, ideja da "ništa nije sigurno" se učvršćuje i na kraju mnogi ljudi prestaju pokušavati razlikovati ono što je stvarno od onoga što je manipulirano.
Ovaj zamor informacijama je posebno opasan jer otvara put kampanjama dezinformacija i masovnim manipulacijama . Napadi dezinformacija koji kombiniraju lažne vijesti s audiovizuelnim deepfakeovima mogu utjecati na izbore, referendume, investicijske odluke i međunarodne odnose.
Društvene mreže djeluju kao akcelerator ovog procesa. Lažan, ali utjecajan sadržaj može postati viralan za nekoliko minuta , dok provjere i ispravke stižu mnogo kasnije i s manjim dosegom. Ovo kašnjenje očito ide u korist onima koji koriste generativnu umjetnu inteligenciju u zlonamjerne svrhe.
Glavne platforme - Facebook, X (ranije Twitter), Google itd. - najavile su mjere za ograničavanje širenja štetnih deepfakeova , od eksplicitnih zabrana do označavanja i sistema brzog uklanjanja. Međutim, obim problema i brzina kojom se tehnologija razvija znače da je odgovor uvijek djelimičan.
Najveći rizik je da ove pojave doprinose erodiranju kritičkog mišljenja među građanima . Ako „sve može biti laž“, postaje lakše sijati sumnju, širiti ekstremne teorije i potkopavati povjerenje u medije, institucije, pa čak i sam demokratski sistem.
Tehnološke i organizacijske strategije za odbranu
Suočeni s tako složenim problemom, odgovor mora biti podjednako višedimenzionalan. Na tehničkom nivou, razvijaju se algoritmi za detekciju zasnovani na vještačkoj inteligenciji koji traže suptilne nedosljednosti u videozapisima: greške u sinhronizaciji usana, neprirodno treptanje, artefakte kompresije, pretjerano glatku kožu ili zamućene ivice u području lica.
Drugi pristup uključuje zaštitu sadržaja "na izvoru" umetanjem nevidljivih vodenih žigova ili provjerljivih metapodataka koji potvrđuju autentičnost videa ili fotografije. Ovi znakovi zatim mogu pomoći u razlikovanju originalnih materijala od manipuliranih kopija, pod uvjetom da postoji prihvaćeni standard i alati za njihovu validaciju.
U korporativnim okruženjima, poboljšana višefaktorska autentifikacija dobija sve veću popularnost . To znači da se ne treba oslanjati isključivo na sliku ili glas osobe, već ih kombinovati s drugim faktorima: geolokacijom, tipičnim obrascima korištenja, potvrdama putem alternativnih kanala (SMS, sigurne aplikacije) ili jednokratnim kodovima.
Također se preporučuje implementacija jasnih protokola za osjetljive transakcije , kao što su bankovni transferi ili promjene akreditiva. Na primjer, utvrditi da se nijedan važan finansijski nalog ne izvršava isključivo putem e-pošte ili video poziva, već uvijek zahtijeva dodatnu verifikaciju putem drugog kanala.
Konačno, ključna je kontinuirana obuka. Organizacije koje provode vježbe protiv phishinga i deepfake-a – podučavajući svoje osoblje da otkriva suptilne znakove poput problema sa sinhronizacijom zvuka, neprirodnih gestova ili neobičnog ponašanja – razvijaju mnogo otporniju sigurnosnu kulturu.
Kako otkriti deepfake: praktični znakovi za svakodnevni život
Iz perspektive korisnika, postoji nekoliko tragova koji mogu pomoći u identifikaciji lažnog sadržaja, iako nisu uvijek konačni. Prva preporuka je tražiti očigledne vizualne nedostatke : zamućene rubove oko lica, neujednačeno osvjetljenje u odnosu na pozadinu, trzave pokrete ili "čudne" izraze lica.
Treptanje je još jedan koristan pokazatelj. Mnogi deepfakeovi i dalje pokazuju neprirodne obrasce treptanja : oči koje ostaju previše otvorene duži period ili treptanje u neobičnom ritmu. Iako se noviji modeli poboljšavaju u ovom području, u mnogim slučajevima to ostaje slaba tačka.
Također je važno pogledati tijelo, vrat i ramena osobe. Većina manipulacija fokusira se na lice , tako da ostatak tijela može odati krivotvorinu ako proporcije, držanje ili geste ne odgovaraju onome što se očekuje od te osobe.
Dužina videa može biti još jedan pokazatelj. Generisanje dugog deepfake-a zahtijeva više resursa i povećava vjerovatnoću grešaka, tako da je mnogo manipulisanog sadržaja relativno kratko i fokusira se na jednu, uticajnu frazu ili scenu. Vrlo kratak isječak sa eksplozivnom porukom trebao bi da podigne crvenu zastavicu.
Konačno, ključno je analizirati kontekst i porijeklo snimka . Ko ga je prvi podijelio? Da li se pojavljuje u uglednim medijima ili samo na anonimnim profilima? Postoje li drugi nezavisni izvori koji potvrđuju ono što vidite? Usporavanje reprodukcije ili gledanje videa kadar po kadar može pomoći u otkrivanju naglih promjena u pozadini, poravnanju lica ili unutrašnjosti usta (jezik, zubi) - područja gdje mnogi algoritmi i dalje ne uspijevaju.
Medijska pismenost i kultura verifikacije
Nijedna tehnologija detekcije neće biti dovoljna bez građana koji posjeduju vještine kritičkog mišljenja i osnovne sposobnosti provjere . Organizacije poput INCIBE-a i Ureda za sigurnost korisnika interneta naglašavaju potrebu da budemo oprezni u vezi s informacijama koje primamo, detaljno analiziramo sadržaj i uvijek ga provjeravamo s pouzdanim izvorima.
Razvijanje navike da se ništa ne dijeli impulsivno , posebno ako to izaziva snažne emocije (strah, ljutnju, ogorčenje), jedna je od najboljih odbrana od širenja deepfakeova i lažnih vijesti. Odvojite nekoliko sekundi da se zapitate: "Ko ima koristi od toga što ja u ovo vjerujem?" može napraviti veliku razliku.
Obuka o kibernetičkoj sigurnosti, online istraživanje i kibernetička inteligencija nisu samo za stručnjake. Razumijevanje načina na koji funkcionišu phishing, društveni inženjering i napadi dezinformacijama pomaže svima da značajno smanje svoju ranjivost, kako u privatnom tako i u profesionalnom životu.
Za djecu i tinejdžere je posebno važno integrirati ove teme u digitalno i emocionalno obrazovanje , objašnjavajući rizike sajber-maltretiranja, seksualnog iznuđivanja i dijeljenja intimnih slika. Saznanje da video može biti lažan, ali da njegove posljedice mogu biti vrlo stvarne, čini ogromnu razliku.
Za preduzeća i institucije, ulaganje u programe podizanja svijesti koji idu dalje od generičkih savjeta o kibernetičkoj sigurnosti sada je strateška neophodnost. Oni koji ne razumiju deepfakeove, njihov utjecaj i kako reagirati na njih bit će u očiglednom nepovoljnom položaju u novom digitalnom okruženju.
Svi pokazatelji ukazuju na to da će se deepfakeovi nastaviti množiti u obimu i sofisticiranosti , utičući na sigurnost, ekonomiju, politiku i privatne živote miliona ljudi. Prihvatanje da su dio digitalnog pejzaža, zahtijevanje jasnih pravnih okvira, ulaganje u robusne tehnologije detekcije i, prije svega, njegovanje kulture verifikacije i zajedničke odgovornosti najbolji su načini da se spriječi da ovaj moćni alat postane oružje koje potpuno potkopava povjerenje u naše online živote.