Technologijos

Generatyvaus DI vaizdo ir garso klastotės realiu laiku

Kaip generatyvus dirbtinis intelektas leidžia kurti vaizdo ir garso klastotes realiu laiku, kodėl tai pavojinga verslui, politikai ir kiekvienam iš mūsų, bei kokias apsaugos priemones jau galime taikyti šiandien.
2026 7 birželio

Generatyvaus DI vaizdo ir garso klastotės realiu laiku

Generatyvus dirbtinis intelektas (DI) per kelerius metus iš nišinės technologijos tapo masine priemone, kurią gali išbandyti bet kas. 2024–2025 m. pažanga tokia greita, kad vaizdo ir garso klastotes realiu laiku jau galima kurti paprastu nešiojamu kompiuteriu ir interneto kamera. Tai atveria kūrybos galimybes, bet kartu – naują sukčiavimo ir dezinformacijos erą.

Kas yra generatyvaus DI klastotės realiu laiku?

Generatyvus DI – tai modeliai (pvz., GAN, diffusion, pažangūs kalbos ir garso modeliai), kurie ne tik atpažįsta, bet ir kuria naują turinį: tekstą, vaizdus, balsą, muziką, video. Kai šios technologijos sujungiamos su greitu vaizdo apdorojimu, gauname realaus laiko klastotes.

Realaus laiko deepfake – tai sistema, kuri:

  • gauna gyvą vaizdo srautą (pvz., iš kameros ar vaizdo skambučio),
  • akimirksniu pakeičia veidą, mimiką, kartais ir foną,
  • sinchronizuoja balso klastotę su lūpų judesiais,
  • grąžina „suklastotą“ vaizdą kitam pokalbio dalyviui.

Toks vartotojas gali atrodyti ir skambėti kaip visiškai kitas žmogus – nuo kolegos iki žinomo politiko ar įmonės vadovo.

Kaip veikia vaizdo klastotės realiu laiku?

Technologiškai realaus laiko vaizdo klastotė – tai kelių DI blokų derinys:

1. Veido atpažinimas ir sekimas

Algoritmai realiu laiku aptinka veidą kadre, pažymi veido taškus (akis, lūpas, nosį, žandikaulį), seka mimiką ir galvos judesius. Tai leidžia „uždėti“ kitą veidą kaip dinaminę kaukę.

2. Veido keitimas (face swap)

Generatyvus DI iš anksto „išmokomas“ konkretaus žmogaus veido bruožų iš nuotraukų ar video. Vėliau kiekviename kadre:

  • sukuriamas naujas veidas su reikiama emocija ir kampu,
  • veidas pritaikomas prie apšvietimo, spalvų, šešėlių,
  • sklandžiai suliejamas su kaklu, plaukais, fonu.

3. Lūpų sinchronizacija

Specialūs modeliai generuoja lūpų judesius pagal garsą. Tai leidžia suderinti:

  • gyvą kalbą (kai žmogus kalba su savo balsu),
  • arba jau suklastotą balsą, kuris atkartoja kito žmogaus kalbą.

Rezultatas – natūraliai atrodantis žmogus, kuris kalba „savo“ (iš tikrųjų – svetimu) balsu ir tariamai dalyvauja pokalbyje čia ir dabar.

Garso klastotės: balsų klonavimas per kelias sekundes

Jei prieš kelerius metus balsui klonuoti reikėjo kelių valandų įrašo, šiandien daugeliui viešų asmenų pakanka 30–60 sekundžių kokybiško garso. Yra ir įrankių, kurie priimtino lygio imitaciją sukuria iš vos kelių sakinių.

Kaip klonuojamas balsas?

Modernūs garso modeliai atlieka kelis žingsnius:

  1. Balso „parašo“ išgavimas – modelis išmoksta balso tembro, ritmo, akcento, pauzių.
  2. Teksto į garsą (TTS) – bet koks įrašytas tekstas paverčiamas balsu.
  3. Stiliaus imitacija – galima imituoti emocijas (ramus, susijaudinęs, piktas), kalbėjimo manierą.

Taip sukuriamas skaitmeninis balso dvynys, kuris gali „perskaityti“ bet kokį tekstą – nuo įmonės nurodymų iki melagingų politinių pareiškimų.

Pavojingiausi realaus laiko klastočių scenarijai

Generatyvaus DI klastotės realiu laiku jau daro įtaką saugumui, finansams ir politinei sistemai. Štai keli pavojingiausi scenarijai.

1. Sukčiavimas prieš verslą (CEO fraud 2.0)

Klasikinis scenarijus, kai aferistai apsimeta vadovu el. paštu, jau evoliucionuoja. Dabar jie gali:

  • surengti vaizdo skambutį su finansų skyriumi, kur „vadovas“ realiu laiku prašo skubaus pervedimo,
  • naudoti klonuotą balsą skambindami telefonu ir tiksliai atkartodami vadovo kalbėjimo manierą,
  • siųsti balso žinutes, kurios atrodo kaip tikro žmogaus įrašai.

Tokie išpuoliai jau fiksuojami JAV, ES ir Jungtinėje Karalystėje – nuostoliai skaičiuojami milijonais eurų. Kuo daugiau vadovų pasirodo viešuose renginiuose ir interviu, tuo daugiau medžiagos turi sukčiai.

2. Politinė dezinformacija ir rinkimų manipuliacijos

Rinkimų laikotarpiais vis daugiau šalių susiduria su deepfake klipais, kuriuose politikai tariamai sako tai, ko niekada nesakė. Realaus laiko klastotės riziką dar labiau padidina:

  • tiesioginės transliacijos, kur galima „įsilieti“ su suklastotu vaizdu ir garsu,
  • momentinis turinio plitimas socialiniuose tinkluose,
  • faktas, kad paneigimas visada atsilieka – emocinis efektas išlieka net po to, kai klastotė demaskuojama.

2024–2025 m. daug valstybių (ES, JAV, Indija ir kt.) jau svarsto ar priima teisės aktus, reikalaujančius aiškiai žymėti DI generuotą politinį turinį, tačiau technologiškai tai ne visada lengva įgyvendinti.

3. Privatumo ir reputacijos atakos

Realaus laiko generatyvus DI leidžia:

  • kurti šmeižiančius video, kuriuose žmogus „prisipažįsta“ nusikaltimu ar nederamu elgesiu,
  • gaminti netikrus intymius įrašus (ypač pavojinga moterims ir viešiems asmenims),
  • naudoti klastotes šantažui („sumokėk, kitaip paviešinsime“).

Net jei vėliau įrodoma, kad įrašas netikras, reputacinė žala ir emocinis poveikis gali būti milžiniški.

Kodėl realaus laiko klastotes tampa taip lengva kurti?

Yra keli veiksniai, dėl kurių generatyvaus DI klastotės tampa masiškai prieinamos.

1. Atviri modeliai ir pigesni resursai

Internete gausu atvirų arba pusiau atvirų modelių ir įrankių, kuriuos galima:

  • parsisiųsti ir paleisti savo kompiuteryje,
  • nuomotis kaip debesų paslaugą už kelis eurus per mėnesį,
  • naudoti per naršyklės sąsają be jokio programavimo.

2. Socialinių tinklų ir video platformų duomenys

Kiekvienas mūsų paliekame milžinišką kiekį:

  • nuotraukų ir video (veido medžiaga),
  • istorijų, „reels“, „shorts“ (mimikos ir gestų),
  • podcastų, interviu, „live“ įrašų (balso medžiaga).

Visa tai – puiki treniravimo bazė generatyviam DI, kurią nusikaltėliai gali panaudoti be mūsų žinios.

3. Vartotojui draugiškos sąsajos

Daugelis įrankių jau siūlo:

  • drag-and-drop principu veikiančias platformas,
  • realiojo laiko peržiūrą („preview“),
  • paruoštus šablonus („būk šiuo įžymiuoju asmeniu per vaizdo skambutį“).

Tokiai klastotei sukurti nebereikia būti nei programuotoju, nei DI tyrėju – užtenka bazinių kompiuterinių įgūdžių.

Kaip atpažinti vaizdo ir garso klastotes?

Nors generatyvus DI sparčiai tobulėja, dauguma klastočių vis dar palieka pėdsakų. Svarbiausia – derinti techninius ir žmogiškus ženklus.

Vaizdo klastočių požymiai

  • Keistas mirksėjimas – per retas, per dažnas arba nenatūralus.
  • Netikslūs kontūrai aplink plaukus, ausis, akinius.
  • Šviesos neatitikimai – veidas apšviestas kitaip nei kaklas ar fonas.
  • Dirbtinai glotni oda – tarsi „filtras“, ypač prie žemo apšvietimo.
  • Lūpų ir balso nesinchronas – ypač matomas sulėtinus vaizdą.

Garso klastočių požymiai

  • Per tobulas garsas – be foninio triukšmo, net kai pokalbis vyksta „gatvėje“ ar „biure“.
  • Keistos pauzės – balsas kartais stabteli neįprastose vietose.
  • Emocijų neatitikimas – žodžiai skamba dramatiškai, bet intonacija monotoniška.
  • Staigūs tono šuoliai – balsas akimirksniu pasidaro aukštesnis ar žemesnis.

Elgesio ir konteksto požymiai

  • Skubos spaudimas – „reikia dabar“, „neturim laiko tikrinti“.
  • Netipiniai prašymai – pinigų pervedimai, slaptos informacijos siuntimas.
  • Neįprastas kanalas – vadovas prašo per asmeninį „Telegram“, „WhatsApp“ ar naują paskyrą.
  • Atsisakymas pereiti į kitą kanalą – vengia skambučio, kamerą įjungia tik trumpam ir pan.

Apsaugos priemonės verslui ir organizacijoms

Vien technologinių filtrų nepakanka – būtinas procesų ir kultūros pokytis. Keli praktiniai žingsniai:

1. Daugiafaktė tapatybės patikra

  • Dideliems mokėjimams – dviejų žmonių patvirtinimas.
  • Jautriems sprendimams – kitas kanalas (pvz., patvirtinimas SMS arba vidine sistema).
  • Vadovų nurodymai – patvirtinami per oficialius el. pašto adresus ar specialias vidines platformas.

2. Aiškios vidaus taisyklės

  • Rašytinės procedūros: kada ir kokiais kanalais galima duoti finansinius nurodymus.
  • Draudimas remtis vien žodiniais ar vaizdo nurodymais esant didelėms sumoms.
  • Reguliarūs mokymai darbuotojams apie deepfake rizikas ir realius pavyzdžius.

3. Technologiniai filtrai ir monitoringas

  • Naudoti el. pašto ir skambučių apsaugos sistemas, kurios atpažįsta anomalijas.
  • Diegti vaizdo ir garso analizės įrankius, galinčius pažymėti įtartiną turinį.
  • Turėti incidentų reagavimo planą – kas daroma, jei įtariama klastotė.

Asmeninė apsauga: ką gali padaryti kiekvienas?

Nors generatyvus DI atrodo galingas, paprasti įpročiai gali gerokai sumažinti riziką.

1. Ribokite jautrių duomenų dalijimąsi

  • Neviešinkite asmens dokumentų, bilietų, sutarčių nuotraukų.
  • Atsargiai su balso įrašais – ypač ten, kur kalbate apie finansus, prisijungimus ir pan.
  • Peržiūrėkite socialinių tinklų privatumo nustatymus.

2. Visada tikrinkite netikėtus prašymus

  • Jei gaunate skubų prašymą pervesti pinigus ar pasidalyti duomenimis – perskambinkite kitu kanalu.
  • Užduokite kontrolinį klausimą, kurį žinote tik jūs ir tas žmogus.
  • Nesutikite su „tik dabar“ spaudimu – laikas patikrai yra jūsų sąjungininkas.

3. Fiksuokite įtartinus atvejus

  • Padarykite ekrano nuotraukas ar įrašus.
  • Praneškite darbdaviui, bankui ar policijai, jei įtariate sukčiavimą.
  • Pasidalykite informacija su artimaisiais – ypač vyresnio amžiaus žmonėmis.

Teisinis reguliavimas ir naujos taisyklės

ES, įskaitant Lietuvą, artimiausiais metais diegia griežtesnį DI reguliavimą. Svarbiausios kryptys:

  • DI žymėjimas – reikalavimas aiškiai nurodyti, kad turinys generuotas DI, ypač politinėje reklamoje.
  • Atsakomybė platformoms – nuo socialinių tinklų tikimasi aktyvesnės kovos su deepfake plitimu.
  • Baudžiamoji atsakomybė – už generatyvaus DI naudojimą šantažui, sukčiavimui, šmeižtui.

Tačiau net ir geriausi įstatymai negali visiškai užkirsti kelio technologijai, kuri vystosi globaliai. Todėl skaitmeninis raštingumas tampa tokia pat svarbia apsaugos priemone, kaip ir antivirusinė programa.

Ateitis: ar galėsime pasitikėti tuo, ką matome ir girdime?

Generatyvaus DI vaizdo ir garso klastotės realiu laiku keičia pagrindinį interneto principą – „pamatyti reiškia patikėti“. Vis dažniau teks remtis ne vien įrašu, o:

  • šaltinio reputacija,
  • kontekstu ir papildomais įrodymais,
  • techniniais patikros įrankiais.

Geros naujienos – lygiagrečiai su klastotėmis kuriami ir aptikimo algoritmai, standartai, skaitmeniniai „vandens ženklai“. Blogos – ši „ginklavimosi varžybos“ greičiausiai niekada nesibaigs.

Todėl svarbiausias įgūdis artimiausiems metams – nebijoti naudotis DI, bet išlikti kritiškiems ir mokėti atpažinti, kada realybę bandoma pakeisti skaitmenine iliuzija.

Dažniausiai užduodami klausimai (FAQ)

Kaip paprastas žmogus gali atskirti deepfake nuo tikro video?

Atkreipkite dėmesį į veido detales (akis, lūpas, plaukus), apšvietimo nuoseklumą ir balso sinchroną su lūpomis. Įtartinus įrašus palyginkite su kitais šaltiniais – oficialiomis paskyromis, žiniasklaida. Jei turinys sukelia stiprias emocijas ir skatina skubiai reaguoti, verta sustoti ir patikrinti papildomai.

Ar įmanoma visiškai apsisaugoti nuo balso klonavimo?

Visiškai apsisaugoti sudėtinga, nes balsas dažnai viešai skamba telefonu, susitikimuose, renginiuose. Tačiau galima riboti kokybiškų įrašų skelbimą viešai, nenaudoti balso pranešimų jautriai informacijai ir įvesti slaptus kontrolinius klausimus šeimoje ar įmonėje, kurių neįmanoma atspėti iš viešų šaltinių.

Ką daryti, jei manau, kad apie mane sukurtas deepfake?

Pirmiausia surinkite įrodymus – ekrano nuotraukas, nuorodas, įrašus. Tuomet kreipkitės į platformą (socialinį tinklą ar svetainę) su prašymu pašalinti turinį ir nurodykite, kad tai klastotė. Jei klastotė kelia grėsmę jūsų reputacijai, darbui ar saugumui, verta pasitarti su teisininku ir informuoti policiją. Apie situaciją taip pat praneškite artimiesiems ir darbdaviui, kad jie žinotų apie galimą manipuliaciją.