BrainPilot是11家机构联合提出的多Agent脑科学研究系统，由PI-Agent协调七个专家智能体，并引入Auditor Agent和Graph of Trace机制，实现全程可追溯与事实准确性审计。实验显示其性能与先进框架相当且成本更低，代码、知识库和技能库均已开源，为科研自动化提供了安全可靠的范式。

Hydaway Digital Corp.在其RealityChek平台推出流媒体音频检测功能，能够实时识别合成或篡改的音频，适用于实时电话和呼叫中心等场景，帮助企业在欺诈发生前进行检测，提升安全性。该系统通过分析频谱模式和韵律标记等特征，实时评估音频的真实性，符合Hydaway推动实时信任决策的战略目标。

iProov推出了Verified Meetings生物识别身份验证系统，旨在验证企业视频通话中的参与者身份，以应对深度伪造和合成身份的风险。该系统通过分析实时视频流和确认硬件完整性来检测伪造，提升视频会议的安全性。

YouTube将其AI面孔识别工具扩展至所有18岁以上用户，允许用户监控平台上的深度伪造内容。用户通过自拍扫描面部，若发现相似内容，YouTube会通知用户，用户可请求删除。这一功能帮助用户保护肖像权，尽管删除请求数量较少。

本文介绍了一种多频融合方法用于视频人脸伪造检测。研究表明，通过轻量级融合两个手工特征，可以在保持模型小巧的同时提高检测准确率。基于Xception模型，构建了LFWS和LFWL两个检测器，结合低频小波去噪特征和空间相位图，显著提升了检测性能。结果显示，该方法在多个基准测试中优于现有技术，表明在视频伪造检测中应重新评估设计选择。

印度宣布社交媒体平台需在2月20日前迅速删除非法AI生成内容，并清晰标记合成内容。新规要求平台采取技术措施防止用户分享深度伪造内容，并在三小时内删除违法材料，可能导致过度审查。

OpenAI的新深度伪造工具Sora能够生成逼真的视频，包括名人和版权角色。尽管嵌入了内容凭证（C2PA）元数据，用户仍难以识别AI生成的内容，导致观众受到误导。虽然Adobe等公司在推动透明度方面有所努力，但进展缓慢，立法保护创作者的工作也在进行中。

随着深度伪造技术的普及，识别真实与伪造内容变得至关重要。本文探讨了基于CoAtNet架构的卷积神经网络和注意力模型在深度伪造检测中的创新方法。通过面部提取、像素值归一化和数据增强等步骤，模型显著提高了准确性，CoAtNet-2模型达到了89%的准确率。

深度伪造视频在数字时代引发了对虚假信息的担忧。该项目利用Kaggle的DFDC数据集，开发实时检测深度伪造视频的系统，采用EfficientNet和Vision Transformers等高效模型架构，以提高检测准确性，维护媒体内容的真实性。尽管面临挑战，团队致力于优化模型，实现快速、可靠的检测。

AIxiv专栏促进了学术交流，报道了2000多篇深度伪造研究。近期综述分析了深度伪造检测模型的可靠性，提出迁移性、可解释性和鲁棒性三大挑战，强调模型在实际应用中的重要性。研究者需提升模型综合性能，以保护个人隐私。