Верификация видео в OSINT: как проверить подлинность ролика и распознать признаки манипуляции

Видео — самый убедительный формат дезинформации. Ролик с «очевидцем» распространяется быстрее любого опровержения, а современные генеративные модели способны создавать реалистичные подделки, которые ещё два года назад были невозможны. Верификация видео в OSINT — это не один инструмент, а последовательность проверок: от установления первоисточника до анализа артефактов синтеза.

Установление первоисточника и хронологии​

Первый вопрос — не «подлинное ли видео», а «когда и где оно впервые появилось». Если ролик выдаётся за свежий, но его ранняя версия датируется месяцами ранее, это уже красный флаг.

Поиск по ключевым кадрам. Извлеките несколько кадров из разных моментов видео и прогоните через обратный поиск изображений. Если кадр встречается в публикациях с более ранней датой — ролик переиспользован.

Проверка метаданных. Контейнер видеофайла (MP4, WebM, MKV) может содержать метаданные: дату создания, модель устройства, геотеги. Однако при загрузке на платформы (YouTube, Telegram, Twitter/X) метаданные обычно удаляются. Если файл получен напрямую — проверьте его через exiftool:

exiftool -a -G1 video.mp4

Обратите внимание на поля CreateDate, ModifyDate, Make, Model, GPSPosition. Отсутствие метаданных не означает подделку — большинство мессенджеров и соцсетей их вычищают.

Архивные сервисы. Wayback Machine, archive.today и специализированные инструменты вроде Bellingcat's Auto Archiver позволяют зафиксировать страницу с видео до того, как её удалят.

Геолокация и верификация контекста​

Если ролик претендует на привязку к конкретному месту, проверьте визуальные ориентиры: вывески, архитектуру, растительность, направление теней.

Тени и время суток. По длине и направлению тени можно оценить время суток и сопоставить с заявленным. Для этого достаточно знать широту места и дату — калькуляторы солнечной позиции доступны онлайн.

Погодные данные. Если на видео идёт дождь, а метеослужбы фиксируют ясную погоду в заявленном месте и времени — это противоречие.

Сопоставление с другими источниками. Ищите видео того же события с других ракурсов. Если событие реальное, обычно существуют независимые записи.

Признаки манипуляции без deepfake​

Не всякое поддельное видео создано нейросетью. Классические приёмы манипуляции остаются распространёнными:

• Вырывание из контекста. Реальное видео подаётся с ложной подписью: другое место, другая дата, другое событие.
  
• Монтаж и склейка. Два разных ролика соединены так, чтобы создать ложную причинно-следственную связь. Признаки: резкая смена освещения, скачок в позиции объектов, несоответствие фоновой аудиодорожки.
  
• Изменение скорости. Замедление или ускорение меняет восприятие события.
  
• Дублирование. Одно и то же видео выдаётся за разные события.
  

Для выявления склеек покадровый просмотр в замедленном режиме остаётся эффективным методом.

Распознавание признаков deepfake​

Генеративные модели оставляют артефакты, которые постепенно становятся менее заметными, но в большинстве случаев всё ещё обнаруживаются при внимательном анализе.

Визуальные артефакты лица и тела​

• Несовпадение мимики и речи. Губы двигаются не синхронно со звуком, особенно заметна рассинхронизация на согласных звуках.
  
• Размытие границ. Область вокруг линии волос, ушей, шеи часто имеет неестественное размытие или «мерцание» — это следы маски, через которую накладывается сгенерированное лицо.
  
• Аномалии глаз. Зрачки разного размера, неестественные блики, отсутствие моргания или моргание с неправильной частотой.
  
• Несоответствие освещения. Тени на лице не совпадают с направлением света в сцене. Это один из наиболее устойчивых признаков, потому что генеративные модели плохо справляются с физически корректным освещением.
  
• Артефакты зубов и языка. Область рта — слабое место большинства моделей синтеза.
  
• Нестабильность фона. При покадровом анализе фон может «плыть» или мерцать в зонах, где модель перерисовывает пиксели.
  

Аудио-признаки​

• Металлический или «плоский» тембр. Синтезированный голос часто лишён естественных микропауз и вариаций интонации.
  
• Несоответствие акустики помещения. Голос звучит как записанный в студии, хотя по видеоряду человек находится на улице или в большом зале.
  
• Рассинхронизация губ и звука. Особенно заметна на неанглийских языках, где модели обучения хуже покрывают фонетику.
  

Поведенческие маркеры​

• Человек на видео не делает естественных микропауз, не меняет позу, не отводит взгляд.
  
• Жесты не соответствуют ритму речи.
  
• Эмоциональная реакция не совпадает с содержанием сказанного.
  

Инструменты для автоматического анализа​

Полностью автоматизированного детектора deepfake, которому можно доверять безоговорочно, не существует. Однако ряд инструментов помогает сузить круг подозрений:

Инструмент	Что делает	Ограничения
Intel FakeCatcher	Анализирует фотоплетизмографию (пульсацию кожи)	Не публичный доступ, работает не со всеми форматами
Microsoft Video Authenticator	Оценивает вероятность манипуляции	Ограниченная доступность
Deepware Scanner	Агрегирует несколько моделей детекции	Результаты зависят от качества входного видео
Hive Moderation	Классификация AI-generated контента	Коммерческий API, есть порог ложных срабатываний
FotoForensics	Анализ ошибок сжатия (ELA) для изображений	Не предназначен для видео напрямую, но работает с кадрами

Ни один из этих инструментов не даёт окончательного вердикта. Их результаты — повод для углублённого анализа, а не замена его.

Покадровый анализ и ELA​

Error Level Analysis (ELA) показывает разницу в уровне сжатия между областями изображения. Если часть кадра была заменена или дорисована, она может иметь другой уровень сжатия.

Для видео: извлеките ключевые кадры через ffmpeg и проанализируйте каждый:

ffmpeg -i input.mp4 -vf "select='eq(pict_type,I)'" -vsync vfr frame_%04d.png

Эта команда извлекает только I-frames (ключевые кадры), что даёт репрезентативную выборку без избыточности.

Затем загрузите кадры в FotoForensics или аналогичный инструмент. Области с аномально высоким или низким уровнем сжатия относительно остального кадра — потенциальные зоны манипуляции.

Проверка через метаданные платформы​

Если видео размещено на платформе, обратите внимание на:

• Дату загрузки и дату публикации. Разрыв между ними может указывать на предзагрузку.
  
• Историю аккаунта. Новый аккаунт с единственным вирусным видео — маркер.
  
• Описание и теги. Иногда автор сам указывает источник, который противоречит заявленному контексту.
  
• Комментарии. Другие пользователи могли уже указать на несоответствия.
  

Ограничения верификации​

Важно понимать, что отсутствие признаков подделки не доказывает подлинность. Современные модели генерации (особенно диффузионные) быстро устраняют артефакты, которые были заметны в ранних версиях. Кроме того:

• Качественный монтаж без deepfake невозможно отличить от оригинала автоматическими средствами.
  
• Вырывание из контекста не оставляет технических следов в самом файле.
  
• Сжатие при загрузке на платформы уничтожает метаданные и часть артефактов.
  

Верификация видео — это оценка вероятности на основе совокупности признаков, а не бинарный ответ.

Рабочий чек-лист верификации​

1. Зафиксировать ролик: скачать, сохранить в архив, записать URL и дату обнаружения.
   
2. Извлечь ключевые кадры, прогнать через обратный поиск изображений.
   
3. Проверить метаданные файла (если доступен оригинал).
   
4. Определить заявленное место и время, сопоставить с погодой, тенями, новостными сводками.
   
5. Искать независимые записи того же события.
   
6. Покадровый просмотр: склейки, артефакты лица, рассинхронизация звука.
   
7. Прогнать кадры через ELA и доступные детекторы.
   
8. Проверить аккаунт-источник и историю распространения.
   
9. Сформулировать вывод с указанием уровня уверенности и оставшихся неопределённостей.
   

Каждый шаг может как подтвердить, так и опровергнуть подлинность. Если хотя бы один пункт даёт противоречие — ролик требует дополнительной проверки перед любым использованием в качестве доказательства.

Источники​

• Resources - bellingcat
  
• Registration Data Access Protocol (RDAP)
  

 

[zer0coder]

А какие знаешь сервисы для проверки подлинности ролика ?

 

[Qwen]

Сервисы для верификации видео делятся на несколько категорий: детекция AI-генерации, анализ метаданных, обратный поиск и покадровый криминалистический анализ. Ни один из них не даёт бинарного вердикта, поэтому в работе их комбинируют.

Детекция deepfake и AI-синтеза

• Deepware Scanner — бесплатный веб-сервис и API. Прогоняет видео через несколько моделей детекции (включая EfficientNet и др.) и выдаёт оценку вероятности подделки. Хорош для быстрой первичной проверки, но чувствителен к пережатию и ресайзу.
• Hive Moderation — коммерческий API, ориентирован на модерацию контента. Хорошо ловит сгенерированные лица и голоса, но имеет порог ложных срабатываний на низкобитрейтных видео.
• Sensity — коммерческая платформа для детекции deepfake и синтетических медиа. Используется в enterprise-сегменте, есть API.
• Intel FakeCatcher — технология на основе фотоплетизмографии (анализ пульсации крови в пикселях кожи). Публичного доступа нет, но упоминается как эталонный подход.
• Microsoft Video Authenticator — исследовательский прототип, доступ ограничен. Анализирует артефакты на уровне пикселей и границ.

Анализ метаданных и структуры файла

• ExifTool — локальная утилита для чтения всех метаданных контейнера (MP4, MOV, WebM). Показывает CreateDate, Model, GPS, но помни: соцсети и мессенджеры вычищают эти поля.
• MediaInfo — бесплатная утилита для анализа кодеков, битрейта, разрешения, профиля H.264/H.265. Несоответствие заявленного устройства и реального кодека — косвенный признак перекодирования.
• Amped FIVE — профессиональный криминалистический пакет (платный). Позволяет анализировать целостность GOP, ошибки сжатия, источники шума, определять модель камеры по паттернам сенсора (PRNU).

Обратный поиск видео и кадров

• InVID — расширение для браузера (Chrome/Firefox), стандарт в OSINT-сообществе. Извлекает ключевые кадры, проверяет метаданные, ищет дубликаты на YouTube, Google, Bing, Yandex. Поддерживает проверку по хэшу и фрагменту.
• Google Lens и Yandex Images — обратный поиск по извлечённым кадрам. Позволяет найти ранние публикации и первоисточник.
• YouTube DataViewer (от Amnesty International) — проверка точной даты загрузки видео на YouTube по ID ролика, даже если дата скрыта.

Покадровый и криминалистический анализ

• FotoForensics — веб-сервис для ELA (Error Level Analysis). Работает с изображениями, поэтому кадры извлекаются через ffmpeg и загружаются по отдельности.
• Forensically — бесплатный веб-инструмент для анализа изображений: ELA, уровни шума, клонирование областей. Полезен для поиска склеек и вставок.
• FFmpeg — не сервис, но обязательный инструмент для извлечения I-frames и покадрового просмотра:

ffmpeg -i input.mp4 -vf "select='eq(pict_type,I)'" -vsync vfr frame_%04d.png

Платформенные и архивные сервисы

• Wayback Machine и archive.today — фиксация страницы с видео до удаления.
• Bellingcat Auto Archiver — телеграм-бот и API для автоматического сохранения видео, фото и страниц в архив.
• Telegram Bot API — через ботов вроде @vid_dl_bot можно скачать оригинал из Telegram, минуя сжатие превью.

Практический совет: начинай с InVID (быстрый поиск дубликатов и метаданных), затем Deepware Scanner (AI-детекция), при подозрении на монтаж — извлечение кадров и ELA через FotoForensics. Если нужен юридически значимый вывод — только Amped FIVE или аналогичный криминалистический софт с документированной цепочкой хранения.