Deepfake Hunter
Testet udviklingskandidat · live pilot afventerDokumenteret nu
Applikation og mødekonsol har bestået automatiserede softwaretests.
Næste milepæl
Modelpræcision, modelrettigheder, native installation og live pilotdrift.
Status er kontrolleret mod projektkilderne den 29. september 2026. Udviklingskode, beståede softwaretests og pilot-/produktionsklarhed vurderes hver for sig. De aktuelle GitHub-kandidater er åbne kladder; hjemmesidens offentliggørelse er ikke en softwarefrigivelse.
Applikation og mødekonsol har bestået automatiserede softwaretests.
Modelpræcision, modelrettigheder, native installation og live pilotdrift.
Liveanalyse, digital forensik og dokumenteret efterforskning — samlet i Kernesans Deepfake Hunter.
Vi udvikler en platform til at opdage og undersøge tegn på manipulerede billeder, videoer og stemmer. Fra det første signal i et onlinemøde til en sag, der kan efterprøves.
Video · lyd · originalfil
Modeller · kvalitet · kontekst
Evidens · modbeviser · review
Illustration af den planlagte arbejdsgang. Ingen liveanalyse kører på denne side.
Det er Europols vurdering i Internet Organised Crime Threat Assessment 2026. Rapporten fremhæver samtidig, at generativ AI gør kriminelles manipulation af mennesker mere personlig og overbevisende.
For virksomheder understreger det behovet for at kontrollere usædvanlige betalingsinstrukser og dokumentere mistænkeligt materiale. Det er den udfordring, Kernesans Deepfake Hunter udvikles til at understøtte.
Læs Europols vurdering · IOCTA 2026, side 8 ↗Vurderingen gælder svindelområdet samlet. Den dokumenterer ikke, at deepfakekriminalitet alene er nummer ét blandt alle kriminalitetsformer. Kilden beskriver truslen og er ikke en vurdering eller godkendelse af Kernesans Deepfake Hunter. Kilde kontrolleret 6. september 2026.
Et manipuleret møde eller en klonet stemme kan ramme dér, hvor store beslutninger træffes. Målet er at give virksomheden et bedre grundlag for at stoppe op, kontrollere og handle.
Beløbene er opdigtede regneeksempler på mulig økonomisk eksponering — ikke dokumenterede kundebesparelser eller løfter om effekt. Platformen er under udvikling. Gevinsten afhænger af detektion, menneskelig kontrol og rettidig handling.
En økonomimedarbejder bliver i et falsk videomøde bedt om at overføre 25 mio. kr. til en angivelig opkøbsaftale.
Liveanalyse af ansigt, stemme og synkronisering kan give anledning til at sætte betalingen på pause. Bekræft instruktionen via et kendt telefonnummer og separat godkendelse.
Den planlagte overførsel på 25 mio. kr. kan undgås, hvis svindlen opdages før betaling.
En person, der ligner leverandørens kontakt, bekræfter nye kontooplysninger under et møde før en stor betaling.
Live Capture og Voice Analysis kan understøtte en undersøgelse. Kontoskiftet verificeres uafhængigt hos leverandøren, og hændelsen bevares i sagen.
En fakturabetaling på 8 mio. kr. risikerer at ende hos en svindler.
En hastende lydoptagelse fra den formodede direktør kræver en fortrolig betaling inden for få minutter.
Voice Analysis og Audio Forensics kan belyse mistænkelige signaler. Medarbejderen bruger en kendt kontaktkanal og virksomhedens normale betalingskontrol.
En enkelt uberettiget overførsel på 3 mio. kr. kan afværges.
En kandidat anvender manipuleret video og stemme i en fjernsamtale for at opnå adgang til følsomme systemer.
Liveanalyse kan udløse supplerende identitetskontrol før onboarding. Fund vurderes af mennesker; en detektor afgør ikke alene en ansættelse.
Eksempel: 1 mio. kr. til hændelseshåndtering + 2 mio. kr. i driftstab + 1 mio. kr. til genetablering = 4 mio. kr. i mulig eksponering.
Et større erstatningskrav understøttes af billeder og video, som kan være genereret, redigeret eller taget fra en anden hændelse.
Image & Scene Analysis, metadata, versionssammenligning og kildesporing kan pege på behov for originalfiler og en fysisk besigtigelse.
Et uberettiget krav på 6 mio. kr. kan stoppes før udbetaling, hvis en samlet undersøgelse dokumenterer svindel.
En manipuleret video med en leder spreder sig og udløser kundehenvendelser, afbrudte kampagner og kriseberedskab.
Kildesporing, videoforensik og rapportering kan understøtte hurtig dokumentation og en faktabaseret reaktion. Det garanterer ikke fjernelse eller begrænset spredning.
Eksempel: 2 mio. kr. til krisehåndtering + 3 mio. kr. i tabt dækningsbidrag = 5 mio. kr. i mulig påvirkning.
30 moduler fordelt på seks områder. Tilgængelighed afhænger af udvikling, validering, hardware og integrationer. Åbn hvert område for at se modulerne.
Optag og analysér et valgt mødevindue samt understøttede lyd- og videokilder. Målet er understøttelse af Teams, Zoom og Google Meet med tydelig kontrol over capture og lagring.
Løbende analyse af videosegmenter for tegn på ansigtsudskiftning, syntetiske ansigter og digital manipulation. Analysegrundlaget vises, så dårlig billedkvalitet ikke forveksles med et sikkert resultat.
Undersøg samtalelyd og optagelser for tegn på syntetisk tale, stemmekloning og redigerede passager.
Sammenhold tale og mundbevægelser for mulige uoverensstemmelser. Analysen skal tage højde for netværksforsinkelser, dubbing og almindelige transmissionsfejl.
Diskrete advarsler om mistænkelige signaler. Udvalgte hændelser kan bevares med tidsangivelse og overføres til en sag til nærmere undersøgelse.
Undersøg ansigter, objekter, produkter og baggrunde for tegn på generering eller ændringer — også i materiale uden mennesker.
Gennemgå mistænkelige intervaller på en tidslinje med adgang til relevante frames, observationer og analyseresultater.
Fremhæv områder, som analysemodellerne vurderer som mistænkelige, og undersøg dem sammen med øvrige tekniske fund.
Undersøg lydklip for klipning, overgange og afvigelser i optageforhold. Kombinér observationerne med analyser af mulig syntetisk tale.
Analysér filstruktur, metadata, codecs og mulige redigeringsspor. Oplysningerne vurderes i sammenhæng med resten af materialet.
Sammenlign udgaver af samme billede, video eller lydoptagelse for at identificere beskæring, udskiftninger og andre ændringer.
Kontrollér tilgængelige signerede oprindelsesoplysninger og redigeringshistorik. Vis signaturstatus, tillidsgrundlag og eventuelle mangler.
Undersøg understøttede digitale vandmærker, hvor verificerbare integrationer er tilgængelige. Resultaterne angiver, hvilke systemer kontrollen dækker.
Brug udvalgte videoframes og billedsøgning til at finde tidligere offentliggørelser og mulige kildeversioner.
Sammenhold indholdets datoer, tekst, tale og stedoplysninger med eksterne kilder. Find også autentisk materiale, der bruges i en misvisende sammenhæng.
Saml filer, kilder, noter og vurderinger i én sag med et overskueligt undersøgelsesforløb.
Bevar originalmateriale med filhash og kildeoplysninger. Afledte filer og analyser registreres separat, så historikken kan følges.
Forbind materiale, offentliggørelser, domæner og relaterede sager i en graf. Dokumenterede relationer holdes adskilt fra mulige forbindelser.
Arbejd systematisk med alternative forklaringer og modbeviser — eksempelvis legitim redigering, komprimeringsfejl eller genbrug af ældre materiale.
Få hjælp til at gennemgå analyser, forklare tekniske fund og prioritere næste undersøgelsesskridt med henvisninger til sagens evidens.
Udarbejd rapporter med observationer, kildehenvisninger, metodebeskrivelser og begrænsninger. Menneskelig review og ændringshistorik understøtter efterprøvbare konklusioner.
Sammenhold flere detektorers resultater og se, hvor modellerne er enige eller uenige.
Få en tydelig vurdering af materialets kvalitet og analysens usikkerhed. Platformen skal kunne angive, når grundlaget er utilstrækkeligt.
Behandl større materialesamlinger med køstyring, deduplikering, pause og genoptagelse.
En planlagt Windows-udgave skal understøtte lokal behandling af fortroligt materiale. Funktioner afhænger af hardware og installerede modeller.
Styr adgang til sager, lagring og eksport. Registrér ændringer og analysehandlinger i en sammenhængende historik.
Genundersøg materiale med opdaterede analysemodeller og se, hvilke tidligere vurderinger der ændres — og hvorfor.
Undersøg mulige spor efter generative modelfamilier. Et forskningsspor med tydelig usikkerhed og mulighed for resultatet “ukendt”.
Et planlagt optagemodul til registrering og signering af materiale ved indsamlingen, så den efterfølgende filhistorik kan dokumenteres.
Kontrollér analysemodellernes modstandsdygtighed over for komprimering, beskæring, skærmoptagelser og nye generative teknologier.
Ud over de 30 beskrevne moduler prioriteres 12 yderligere udviklingsspor. Rækkefølgen er et oplæg til udvikling og pilotdialog — ikke en bindende leveranceplan. Integrationer kræver teknisk afprøvning, aftaler og finansiering.
Planlagte forbindelser til understøttede møde- og optagekilder. Teams, Zoom og Google Meet undersøges hver for sig med hensyn til adgang, lyd, deltagerinformation og tekniske vilkår.
Et planlagt arbejdsforløb til supplerende identitetskontrol via en kendt, uafhængig kontaktkanal. En deepfakealarm skal kunne føre til en dokumenteret kontrol før en følsom beslutning.
Tydelig start og stop af capture, valg af kilder og styring af lagring. Planlagt understøttelse af deltagerinformation, maskering og begrænset indsamling efter organisationens regler.
Planlagt deling af udvalgt materiale og rapporter med adgangsbegrænsning, udløb og historik. Originalmateriale skal kunne holdes adskilt fra redigerede kopier til ekstern brug.
Planlagt integration med virksomhedens identitetsstyring, flerfaktorgodkendelse og roller. De konkrete udbydere og protokoller vælges efter pilotkrav.
Planlagt overførsel af vurderede hændelser til sikkerhedsovervågning og hændelseshåndtering. Alarmer skal indeholde kildegrundlag og usikkerhed, så et modelsignal ikke alene udløser indgribende handlinger.
Et planlagt API til analysejob, sagsreferencer og status. Adgangsrettigheder, forbrugsgrænser, fejltilstande og sporbarhed skal indgå fra første integration.
Planlagt styring af opbevaringsperioder, sletning og eksport samt synlighed i, hvor behandling sker. Krav til lokal drift og eventuel hosting afklares pr. leverancemodel.
Planlagt overvågning af, om modellernes resultater ændrer sig på faste, versionsstyrede testsæt. Væsentlige ændringer skal kunne udløse review og genanalyse.
Undersøgelse af detektionskvalitet på tværs af sprog, accenter, mikrofoner og støjforhold. Dækning og kendte svagheder skal oplyses for hver valideret model.
Videreudvikling af kontrollen af signeret oprindelse: tillidskæder, redigeringshistorik og mulige brud skal forklares. En gyldig signatur er ikke i sig selv bevis for, at indholdets påstande er sande.
Planlagt sammenligning af modeller og menneskelige vurderinger med adskilte testsæt og dokumenteret metode. Målet er at synliggøre fejlalarmer, oversete fund og utilstrækkeligt analysegrundlag.
Dokumenteret testgrundlag, synlige begrænsninger, kontrol af sikkerhed og databrug samt en afprøvning af det konkrete arbejdsforløb. Understøttede versioner og integrationer skal fremgå af den enkelte leverance.
Platformen skal vise, hvad der er undersøgt, hvilke signaler der er fundet, og hvad der fortsat er usikkert.
Ingen detektor kan garantere at opdage alle deepfakes. Fravær af fund er ikke dokumentation for ægthed.
Originalmateriale, kildeoplysninger, alternative forklaringer og menneskelig review skal understøtte hver vurdering.
Capture, lagring, adgang og eksport skal være tydelige valg. Lokal behandling er planlagt til en Windows-udgave.
Platformen udvikles som støtte til kvalificeret vurdering. Et resultat skal altid læses sammen med materialets kvalitet, metode og øvrige evidens.
Denne hjemmeside præsenterer en platform under udvikling. Den udfører ikke analyse og dokumenterer ikke en færdig mødeintegration. Kontakt os for at afklare aktuel teknisk status og mulighederne for en afgrænset pilot.
Et detektorresultat er et teknisk fund, der skal efterprøves sammen med originalmateriale, kontekst og alternative forklaringer. Rapportering skal vise både støtte, modbeviser og usikkerhed.
Vi afgrænser formål, materiale, adgang, databehandling og succeskriterier. Før opstart afklares teknisk parathed, ansvar, tidsplan og eventuelle omkostninger.
Start med en kort beskrivelse af behovet. Send ikke fortrolige optagelser, personoplysninger eller originalt bevismateriale i den indledende mail. En egnet overførselsmetode aftales særskilt.
Kontakt os om udviklingen eller et muligt pilotforløb. Fortæl om jeres arbejdsgange, materiale og behov for dokumentation.
deepfake@kernesans.dk · Åbner dit mailprogram