Come riconoscere un DeepNude fake

Un modello che rifà una porzione di immagine non copia: ricostruisce una zona plausibile a partire da quello che le sta intorno. Sbaglia dove la forma è rigida e ripetitiva — una catenina, la montatura di un orecchino, una cucitura, una scritta — perché lì un millimetro fuori posto si vede, su una spalla nuda no. Perché ricostruisca invece di copiare lo spiega il riempimento dell'area cancellata, passo per passo.

La regola pratica è guardare i punti di contatto, non le superfici: dove una mano poggia sul fianco, dove una spallina incontra la clavicola, dove i capelli passano davanti alla pelle. È lì che una parte vera e una ricostruita devono combaciare, ed è lì che di solito non combaciano. Secondo controllo, gli elementi doppi: due orecchini che non sono lo stesso orecchino, due unghie di lunghezza diversa sulla stessa mano. Tutto questo funziona solo a dimensione piena — e vale il rovescio di quello che si crede: trovare un difetto è un indizio, non trovarne non è una prova.

Questa famiglia di strumenti non genera un'immagine intera: sostituisce una regione e lascia intatto il resto. Da qui il controllo più specifico che si possa fare su un finto nudo — confrontare la zona rifatta con quella originale, che nella stessa foto è ancora lì. Se la luce arriva da sinistra sullo sfondo e le ombre del corpo cadono verso il basso, le due metà non sono state illuminate dalla stessa lampada. Chi produce l'immagine intera non lascia questo tipo di cucitura: cosa distingue un generatore da un servizio che modifica una foto.

Il secondo segnale è la ripetizione: la pelle ricostruita diventa una superficie uniforme, senza la grana irregolare dei pori, e un tessuto ricostruito ripete lo stesso motivo a intervalli regolari. Il terzo è il bordo — intorno alla zona rifatta capita di vedere un alone più morbido o più nitido del resto. Su un fermo immagine questi segnali sono deboli; su un filmato diventano leggibili, perché l'incoerenza si ripete fotogramma dopo fotogramma: è una delle ragioni per cui un falso in movimento costa molto più di uno statico.

Ogni scatto uscito da una fotocamera porta con sé una scheda tecnica: apparecchio, obiettivo, tempo di posa, data, a volte le coordinate. Sono i dati EXIF e si leggono dalle proprietà del file, senza installare niente. Un ritratto che dichiara una reflex, un diaframma e un orario coerente ha una storia; un file che non dichiara nulla è solo un file — e qui sta il punto delicato.

L'assenza di metadati non prova nessuna manipolazione, perché a toglierli basta un passaggio qualsiasi. Lo abbiamo misurato su un caso pulito: il file di prova distribuito con l'implementazione di riferimento dello standard C2PA, 166 864 byte con dentro il manifesto firmato dell'origine, riaperto e risalvato con il convertitore già presente nel sistema operativo, senza toccare un pixel. È sceso a 68 044 byte e del manifesto non è rimasto niente. Vale anche per noi: le illustrazioni di questo sito sono prodotte con l'intelligenza artificiale e nessuna porta una marcatura leggibile da una macchina, perché la conversione in WebP l'ha rimossa. Resta la dichiarazione scritta, nel modo in cui segnaliamo le immagini prodotte con l'IA.

È il controllo che dà la risposta più netta, perché non riguarda l'immagine sospetta ma la sua gemella. Un finto nudo nasce quasi sempre da un ritratto esistente e lo lascia riconoscibile: stessa posa, stesso sfondo, stessa inquadratura. Se quel ritratto era pubblico — una foto profilo, uno scatto in un album condiviso — la ricerca inversa lo riporta a galla vestito, e il confronto chiude la questione senza ingrandire niente.

Si fa caricando l'immagine, non scrivendo parole: la guida di Google spiega come cercare partendo da un file, e lo stesso meccanismo esiste sugli altri motori. Conviene provarne più di uno: gli indici sono diversi. I limiti sono due. Uno tecnico: un ritaglio stretto, un'immagine specchiata o un forte cambio di colore bastano a far fallire la corrispondenza. L'altro è più duro — se la foto di partenza non è mai stata pubblica, non c'è nessun indice in cui cercarla.

Uno standard pensato proprio per questo esiste: le Content Credentials della coalizione C2PA, un blocco firmato dentro il file che dice con cosa è stato creato e cosa è stato fatto dopo. Si legge trascinando il file nel lettore pubblicato dallo standard stesso. Dal 2 agosto 2026 non è più solo una buona pratica: l'articolo 50 del regolamento europeo sull'intelligenza artificiale obbliga chi fornisce sistemi che generano immagini sintetiche a marcare gli output «in un formato leggibile meccanicamente», e chi usa il sistema in un'attività professionale a rendere noto che un deep fake è artificiale; per i sistemi già sul mercato il termine è il 2 dicembre 2026.

In pratica la marcatura si trova di rado, per un motivo che lo standard stesso mette nero su bianco: il manifesto è incorporato nel file, ma «può esserne separato», tanto che C2PA ha dovuto affiancargli filigrane invisibili e impronte per ritrovarlo quando viene rimosso per errore o di proposito. Ogni chat, piattaforma o schermata lungo la catena è un'occasione perché sparisca. Una marcatura presente è una prova forte; la sua assenza non è una prova di niente. Una foto passata da un contatto automatico in chat ne è l'esempio più comune: dove finisce l'immagine inviata a un bot.