Deepfake đã từ một sự tò mò nhỏ trên internet trở thành vấn đề gian lận gần 900 triệu đô la trong vài năm. BitMind Forensics, một hệ thống phát hiện được xây dựng trên mạng AI phi tập trung của Bittensor, hiện đang đạt điểm chuẩn vượt trội so với các giải pháp thương mại và mã nguồn mở khác.
Theo một bài báo arXiv tháng 7 năm 2026, BMF đạt diện tích dưới đường cong (AUC) là 0,915 trên bộ dữ liệu hình ảnh Deepfake-Eval-2024. Mô hình thương mại tốt nhất trong cùng đánh giá này đạt 0,90. Trong phát hiện video, BMF đạt 0,822, vượt qua kết quả thương mại hàng đầu là 0,79.
AUC về cơ bản là bảng điểm đánh giá khả năng của mô hình phân loại trong việc phân biệt giữa nội dung thật và giả, trong đó 1.0 là hoàn hảo và 0.5 là như tung đồng xu.
Cách một subnet tiền mã hóa trở thành thợ săn deepfake
BitMind đã xây dựng công cụ điều tra của mình trên Bittensor Subnet 34, có tên hơi kịch tính là GAS, viết tắt của Generative Adversarial Subnet. Khái niệm này rất đơn giản khi loại bỏ các thuật ngữ chuyên môn: các thợ mỏ trên mạng cạnh tranh với nhau trong một vòng lặp đối kháng, liên tục tạo ra và phát hiện phương tiện tổng hợp.
Nhịp độ này quan trọng vì các công cụ phát hiện deepfake truyền thống được huấn luyện trên một bộ dữ liệu cố định và được triển khai dưới dạng mô hình tĩnh. Chúng hoạt động rất tốt trên các bản giả mà chúng đã từng thấy trước đó. Tuy nhiên, chúng thường thất bại khi đối mặt với đầu ra từ các trình tạo mới hơn. Kiến trúc của BitMind tránh được vấn đề này bằng cách coi việc phát hiện là một cuộc cạnh tranh sống động và liên tục phát triển, thay vì một bài kiểm tra một lần duy nhất. Việc làm mới này xảy ra khoảng mỗi bốn giờ.
Hệ thống được ra mắt vào ngày 15 tháng 1 năm 2025, với ứng dụng di động được thiết kế để cung cấp khả năng phát hiện deepfake theo thời gian thực với thời gian phản hồi dưới một giây. BitMind tuyên bố công cụ này đạt độ chính xác 95% trên các nội dung thực tế, ngoài thực địa, một con số được đồng sáng lập và CEO Ken Jon Miyachi trích dẫn.
Các công cụ phát hiện deepfake trước đây trung bình đạt khoảng 69% độ chính xác trong các tình huống thực tế.
Các con số trong ngữ cảnh
Ngoài các tiêu chuẩn chính, hiệu suất của BMF trong các bài kiểm tra quy mô lớn là đáng chú ý. Hệ thống đạt AUC 0,936 trên các hình ảnh gốc từ Sumsub, một nhà cung cấp xác minh danh tính nổi tiếng. Ấn tượng hơn nữa, nó đạt AUC gộp 0,872 trên một bộ bài kiểm tra vượt quá 1,4 triệu thao tác hình ảnh.
BitMind cũng đã bắt đầu các tích hợp thương mại. CysecOnline tại Nam Phi là một trong những công ty đã áp dụng công nghệ này, cho thấy sự tăng trưởng ban đầu vượt ra ngoài hệ sinh thái Bittensor và tiến vào các kênh an ninh mạng truyền thống.
Tổn thất do gian lận liên quan đến deepfake đạt gần 900 triệu USD vào năm 2025, một con số có khả năng còn thấp hơn thực tế do nhiều vụ việc không được báo cáo hoặc được phân loại sai.