Kao što znamo, s novim AI videoalatima moguće je stvoriti filmske scene koje je  često vrlo teško ili nemoguće razlikovati od autentičnih snimki. Također je moguće umetati ili mijenjati sadržaj autentičnih videa korištenjem ovakvih alata. Može li se naći načina za sprječavanje i otkrivanje lažnih snimki od pravih?

Prema radu autora sa Sveučilišta Cornell, oni koji žele varati pomoću lažnih videozapisa imaju temeljnu prednost: jednak pristup autentičnim video snimkama, kao i laku dostupnost naprednih, jeftinih alata za uređivanje koji mogu brzo učiti iz ogromnih količina podataka, čineći lažnjake gotovo nerazlučivima od autentičnog videa. Do sada je napredak na tom polju nadmašio razvoj novih forenzičkih tehnika osmišljenih za borbu protiv ovog problema. Ključna značajka je asimetrija informacija: učinkovita forenzička tehnika mora imati informacije koje nisu dostupne krivotvoriteljima i koje se ne mogu naučiti iz javno dostupnih podataka za obuku.

Doduše, postoje tehnike digitalnog vodenog žiga koje dobro koriste asimetriju informacija, ali autori napominju da većina tih alata ne zadovoljava druge željene atribute. Druge metode mogu zahtijevati kontrolu nad kamerom za snimanje ili pristup originalnom, nemanipuliranom videu. I dok, na primjer, checksum može utvrditi je li video datoteka promijenjena, ne može razlikovati standardnu kompresiju videa od nečeg zlonamjernog, poput umetanja virtualnih objekata.

Prethodno je tim s Cornella otkrio kako napraviti male promjene na određenim pikselima kako bi se utvrdilo je li video manipuliran ili stvoren pomoću umjetne inteligencije. Ali uspjeh te metode ovisio je o tome je li kreator videa koristio određenu kameru ili AI model. Njihova nova metoda, "osvjetljenje kodirano šumom" (NCI), rješava te i druge nedostatke skrivanjem vodenih žigova u prividnom šumu izvora svjetlosti.

Svaki vodeni žig nosi verziju nemanipuliranog videa niske vjernosti s vremenskim žigom pod malo drugačijim osvjetljenjem. Ti videozapisi zovu se kodnim videozapisi. Kada netko manipulira videom, manipulirani dijelovi počinju proturječiti onome što se vidi u tim kodnim videozapisima, što omogućuje uočiti gdje su napravljene promjene. A ako netko pokuša generirati lažni video pomoću umjetne inteligencije, rezultirajući kodni videozapisi izgledaju samo kao nasumične varijacije. Budući da je vodeni žig dizajniran da izgleda kao šum, teško ga je otkriti bez poznavanja tajnog koda.

Čak i ako protivnik zna da se tehnika koristi i nekako otkrije kodove, njegov je posao i dalje puno teži jer umjesto da lažira svjetlo za samo jedan video, mora lažirati svaki kodni video zasebno, a svi ti lažnjaci moraju se međusobno podudarati.

Usprkos ovom novom pristupu autentifikacije videa, autori rada smatraju da je ovo je važan i trajan problem koji će zapravo postati samo još teži.