Hızlı cevap: Deepfake adli analizi, bir video, ses ya da görüntünün yapay zekâ ile üretilmiş veya değiştirilmiş olup olmadığını bilimsel yöntemlerle tespit etme sürecidir. Uzman, tek bir yapay zekâ dedektörüne güvenmez; dosyanın üst verisini, sıkıştırma ve kodlama izlerini, ışık ve gölge tutarlılığını, yüz ile ses senkronizasyonunu ve üretim modellerinin bıraktığı istatistiksel desenleri birlikte inceler. Amaç kesin bir evet hayır etiketi vermek değil, bulguları bir bütünlük zinciriyle belgeleyip mahkemeye sunulabilir, tekrar edilebilir bir sonuç üretmektir. Yapay zekâ üretimi medya hızla geliştiği için, savunulabilir sonuç tek araca değil, çok yöntemli ve şeffaf bir sürece dayanır.

Yapay zekâ ile üretilen sahte video ve sesler artık dolandırıcılıkta, itibar saldırılarında ve sahte delil üretiminde kullanılıyor. Bir yöneticinin sesini taklit eden sahte bir telefonla para transferi istenebiliyor, ya da hiç söylenmemiş bir cümle gerçek gibi sunulabiliyor. Bu yazı, deepfake'in adli analizinde nelere bakıldığını, yöntemlerin sınırlarını ve savunulabilir bir raporun nasıl üretildiğini anlatır.

Deepfake neden zor bir problem

Deepfake tespiti, sabit bir imza aramak değildir. Üretim modelleri sürekli geliştiği için, dün işe yarayan bir belirti bugün kaybolabilir. Ayrıca bir dosya birden çok kez sıkıştırılıp paylaşıldığında, hem sahtecilik izleri hem de gerçek içeriğin izleri bozulur. Bu yüzden tek bir yapay zekâ dedektörünün verdiği yüzde skoru tek başına delil sayılmaz.

Adli yaklaşım, tek bir sinyale değil, birbirini destekleyen birden çok kanıta dayanır. Hiçbir yöntem tek başına kesin değildir, ama birlikte tutarlı bir tablo oluştururlar.

Adli analizde nelere bakılır

Katman İnceleme Ne gösterir
Üst veri Kayıt cihazı, tarih, kodlama izleri Üretim ve düzenleme geçmişi
Sıkıştırma Kare ve blok tutarsızlıkları Sonradan müdahale izi
Görsel tutarlılık Işık, gölge, yansıma, göz kırpma Fiziksel olarak imkansız sahneler
Yüz ve ses senkronu Dudak ile ses uyumu Bindirme ve üretim izi
İstatistiksel desen Modelin bıraktığı gürültü izi Yapay üretim olasılığı

Görüntü tarafında, fotoğraf ve görüntü adli analizinde kullanılan EXIF ve hata düzeyi analizi gibi yöntemler burada da tamamlayıcı olarak kullanılır. Ses tarafında ise ses kaydı adli analizindeki orijinallik ve manipülasyon tespiti yöntemleri uygulanır.

Yapay zekâ dedektörlerinin sınırı

Piyasadaki birçok araç, bir medyanın deepfake olma olasılığını yüzde olarak verir. Bu skorlar yararlıdır ama sınırları vardır:

  • Genelleme sorunu. Bir dedektör, eğitildiği üretim yöntemlerini iyi yakalar ama yeni bir modeli kaçırabilir.
  • Yanlış pozitif ve negatif. Gerçek ama düşük kaliteli bir kayıt sahte, iyi üretilmiş bir sahte gerçek gibi görünebilir.
  • Açıklanabilirlik eksikliği. Bir araç sahte dedi ama nedenini gösteremiyorsa, mahkemede savunması zayıftır.

Bu yüzden dedektör skoru, sürecin girdisidir, sonucu değildir. Yapay zekâ ajanlarının halüsinasyonu ve güvenilirliği konusundaki ilkeler burada da geçerlidir: sonucu doğrulanabilir kanıta bağlamak.

Savunulabilir bir rapor nasıl üretilir

1. Kaynağı ve bütünlüğü koruma

İncelenen dosya, dijital delil ve zincir of custody ilkelerine göre elde edilmeli, hash ile bütünlüğü sabitlenmeli ve orijinal asla değiştirilmemelidir. Analiz kopyalar üzerinde yapılır.

2. Çok yöntemli inceleme

Tek bir araca değil, üst veri, sıkıştırma, görsel, ses ve istatistiksel katmanların hepsine bakılır. Bulgular birbirini destekliyorsa güven artar.

3. Şeffaf ve tekrar edilebilir yöntem

Kullanılan araçlar, sürümler ve adımlar kayıt altına alınır. Başka bir uzman aynı yöntemi izlediğinde aynı sonuca ulaşabilmelidir.

4. Dürüst belirsizlik

Sonuç kesin değilse, rapor bunu açıkça belirtir. Adli bilişimde aldanmadan doğruyu bulmak, abartılı kesinlik iddiasından daha değerlidir. Yanlış pozitif, masum bir kişinin suçlanmasına yol açabilir.

KAOS ve DSET yaklaşımı

DSET, deepfake ve yapay zekâ üretimi medya incelemesini, yapay zekâ hızını insan uzmanın denetimiyle birleştiren bir süreçle yürütür. Yerel yapay zekâ motoru KAOS büyük hacimli medyayı hızlı ön eleme ve desen tespiti için kullanılır, ama nihai değerlendirme her zaman çok yöntemli inceleme ve uzman denetimiyle yapılır. KAOS tümüyle çevrim dışı çalıştığı için, hassas delil dosyaları dış servislere gönderilmez, bu da gizlilik ve KVKK açısından kritiktir. Sonuç, tek bir skor değil, bütünlük zinciriyle belgelenmiş, mahkemeye sunulabilir bir rapordur.

Sık sorulan sorular

Bir uygulama videonun deepfake olduğunu söyledi, bu delil olur mu? Tek başına yeterli değildir. Bir aracın verdiği skor, sürecin başlangıcıdır. Delil değeri için bulgunun çok yöntemli incelemeyle desteklenmesi, bütünlük zincirinin korunması ve yöntemin tekrar edilebilir biçimde belgelenmesi gerekir.

Deepfake kesin olarak tespit edilebilir mi? Her zaman kesinlik mümkün olmaz. İyi üretilmiş ve çok kez sıkıştırılmış bir medyada belirtiler zayıflar. Adli yaklaşım, kesinlik iddia etmek yerine, mevcut kanıtların gücünü dürüstçe ortaya koyar ve belirsizliği açıkça belirtir.

Ses deepfake'i de tespit edilir mi? Evet. Ses için üst veri, kayıt ortamı tutarlılığı, sıkıştırma izleri ve üretim modellerinin bıraktığı istatistiksel desenler incelenir. Ses ve görüntü birlikteyse dudak ile ses senkronu da güçlü bir göstergedir.

Kaynaklar

Bir video, ses ya da görüntünün yapay zekâ ile üretilip üretilmediğinin adli incelemesi için DSET ile iletişime geçin. Ankara Hacettepe Teknokent laboratuvarımızdan ISO/IEC 27037 uyumlu, mahkemeye sunulabilir medya adli analizi sağlıyoruz.