ディープフェイク検出の計算を、GPUではなく「光が板を通り抜けるときの回折」にやらせる。米UCLAの研究チームが、そんな仕組みの検出器を論文誌『eLight』で発表しました（2026年10月1日公開）。
実験では、顔をすり替えた偽動画のデータセット「Celeb-DF」から15本の動画を同時に流し、正解率97.79%を記録しています。GoogleのVeo 3で生成した動画に対しても、最小限の追加学習で94.80%でした。
ポイントは精度の数字そのものより、判定の後段を「電力を使わない受動的な光学部品」に置き換えたことです。大量の動画を安く一次ふるい分けし、怪しいものだけを重いデジタルモデルに回す。研究チーム自身も、この装置をそうした多段構成の「第一段」と位置づけています。
この記事の要点
- 軽いデジタル処理で動画の特徴を取り出し、光の位相パターンに変換。判定は電源不要の回折層と光検出器が担う
- 1回の光の通過で複数動画を並列処理。15本で正解率97.79%、18本でも平均96.13%
- 判定の重みが物理的な構造として焼き込まれるため、モデルを盗んで逆算する「ホワイトボックス攻撃」に強いと主張
- 単体で最終判定する装置ではなく、大量の動画を前段でふるい分ける用途を想定している
今日の重要ポイント早見表
今回は1本の研究発表を掘り下げます。数字は論文の発表資料に基づくものです。
| 項目 | 内容 |
|---|---|
| 発表 | UCLA（Aydogan Ozcan教授ら）／『eLight』2026年10月1日 |
| 方式 | デジタル符号化＋受動的な光学デコーダー |
| 同時処理 | 15本（最大18本）を1回の光の通過で判定 |
| 主な精度 | Celeb-DF 97.79%、Veo 3生成動画 94.80% |
| 想定用途 | 大量の動画を前段でふるい分けるスクリーニング |
仕組み：どこまでが電気で、どこからが光なのか
「光で動くAI」と聞くと全部が光学処理のように思えますが、実際は役割分担のあるハイブリッド構成です。
前段：軽量なデジタルエンコーダー
まず通常の電子回路上で、小さなデジタルモデルが動画から特徴を抜き出します。対象は次の3種類です。
- 空間的な特徴（1フレーム内の見た目）
- スペクトル的な特徴（周波数成分の偏り）
- 時間的な特徴（フレーム間の動きの不自然さ）
抜き出した特徴は「位相パターン」に変換され、プログラム可能な空間光変調器（SLM）に表示されます。SLMは、通り抜ける光の波面を画素ごとに操作できる素子です。
後段：電源のいらない回折層
SLMを通った光は、自由空間を進みながら位相だけを変える回折層を通過します。層の表面にある微細な凹凸のパターンが、学習済みニューラルネットワークの重みに相当します。
光は回折するだけで計算を終えるため、この部分は推論中に電力を消費しません。最後に2つ1組の光検出器が光の強さを受け取り、その出力が「本物か偽物か」のスコアになります。
研究チームによると、最適化した回折層を2枚加えると、判定が難しい改ざんでの正解率が約6.8%上がりました。光学部分は単なる受け皿ではなく、判定能力の一部を担っています。
並列処理：1回の通過で複数本
複数の動画の特徴を1つの光の波面にまとめて載せ、一度の通過で同時に判定します。可視光を使った標準的な実験で15本、容量としては18本まで確認しています。
ここがポイント: 重い計算をGPUで回すのではなく、学習済みの「重み」を物理的な回折パターンとして固定し、光が通るだけで計算が終わるようにしている。ここが省電力と攻撃耐性の両方の源泉になっている。
数字の読み方：97.79%の中身
正解率だけを見ると単純に「高精度」ですが、内訳を見ると設計の狙いがはっきりします。
| 条件 | 正解率 | 補足 |
|---|---|---|
| Celeb-DF・15本同時 | 97.79% | 感度99.86%／特異度95.72% |
| Celeb-DF・18本同時 | 96.13% | 平均値 |
| Veo 3生成動画 | 94.80% | 感度97.61%、最小限の追加学習 |
感度99.86%は、偽動画を見逃す割合（偽陰性）が約0.14%しかないことを意味します。一方、特異度95.72%は、本物の動画の4%強を誤って「怪しい」と判定することになります。
見逃しをほぼゼロに抑え、誤検知はある程度許容する。これは一次ふるい分けの装置としては筋の通った設計です。誤って弾いた本物は後段のデジタルモデルで救えますが、前段で見逃した偽物はそのまま通過してしまうからです。
Veo 3の結果が持つ意味
Celeb-DFは従来型の顔すり替え動画で、合成の継ぎ目などの痕跡が残りやすい素材です。これに対しVeo 3のような最新の動画生成モデルは、そうした痕跡を残しにくい。
その動画でも94.80%を出した点は、旧世代の偽動画専用の検出器ではないことを示しています。ただし「最小限の追加学習」を経た数値であり、新しい生成モデルが出るたびに再調整が要るかどうかは、今後の検証を見る必要があります。
攻撃耐性：重みが「盗めない」構造
ディープフェイク検出器には、精度とは別の弱点があります。検出モデルの中身を知った攻撃者が、検出をすり抜ける偽動画を作れてしまう点です。
この装置では、判定の重みが回折層の物理構造として埋め込まれています。研究チームは、その構造を計測・逆算・複製するのが難しいため、モデルの内部を前提にしたホワイトボックス攻撃を本質的に防ぎやすいと説明しています。
あわせて次の条件でも動作を確認したとしています。
- 内部を知らない前提のブラックボックス型の敵対的攻撃
- 画像ノイズやぼかし
- JPEG圧縮
- 実験装置の位置ずれ
SNSに流れる動画は再圧縮や縮小を繰り返していることが多く、圧縮やノイズへの耐性は実運用で効いてくる性質です。
限界：単体で最終判定する装置ではない
研究チームは、この装置が高度なデジタル検出器を置き換えるものではないと明言しています。想定しているのは次のような流れです。
- 大量の動画をまず光学プロセッサで並列にふるい分ける
- 怪しいと判定されたものだけを、計算コストの高いデジタルモデルに回す
- 後段で詳細な最終判定を行う
発表資料では「デコーダーの消費電力が小さい」とされていますが、従来のGPU処理と比べて何倍効率的かという具体的な数値は示されていません。前段のデジタルエンコーダーやSLMの駆動には電力が要るため、システム全体の電力効率は別途評価が必要です。
また、今回の数字は研究室の実験環境でのものです。配信プラットフォームや報道機関の現場に組み込める形になるかは、まだ見えていません。
日本の読者が見るべきポイント
立場によって、この研究から読み取るべき点が変わります。
動画プラットフォーム・メディアの担当者
投稿動画の真贋チェックを全件GPUで回すのはコストが重い、という課題に対する一つの解き方です。すぐ導入できる製品ではありませんが、「安い前段で絞り、高い後段で精査する」という多段構成の考え方は、既存のデジタル検出器の組み合わせでも今すぐ設計に取り入れられます。
AI・セキュリティの開発者
検出モデルが盗まれたり解析されたりすると、それを回避する偽動画が作られる。この問題に対し、重みを物理的に固定するという方向からの対策が示されました。ソフトウェアで検出器を配布する場合の防御設計を考える際の比較対象になります。
一般の利用者
この装置がスマートフォンに載って偽動画を自動で弾いてくれる、という段階の話ではありません。当面は、拡散している動画の出典を確かめる、公式アカウントの発信と照らし合わせる、といった基本的な確認が引き続き必要です。
継続ウォッチ
この研究が実用技術になるかどうかは、次の点で見えてきます。
- 新しい生成モデルへの追従：Veo 3以降の動画生成モデルに対して、どの程度の追加学習で精度を保てるか
- 電力効率の定量比較：エンコーダーやSLMを含めたシステム全体で、GPU処理と比べてどれだけ省電力か
- 並列数の拡張：18本を超える同時処理が可能になるか、精度の落ち方はどうか
- 音声を含む偽動画への対応：今回の評価は映像中心で、音声合成と組み合わせた偽動画への適用は示されていない
今日のまとめ
UCLAの光学検出器は、ディープフェイク判定の後段を「電源のいらない回折層」に置き換え、15本の動画を一度に97.79%の正解率で判定しました。
注目すべきは数字の高さより設計の割り切りです。見逃しを約0.14%に抑える代わりに誤検知は4%強を許容し、最終判定は後段のデジタルモデルに任せる。大量の動画を安くふるい分ける前段として、どこまで現場の処理コストを下げられるか。次に問われるのは、システム全体の電力の実測値と、次世代の動画生成モデルへの追従性です。