Методология проверки

Документ описывает методику работы DeepVerify со звуковыми, видео- и графическими записями, а также с электронными документами. Публикуется открыто для всех сторон судебного процесса: адвокатов, противоположной стороны, суда и независимых специалистов.

Текст составлен с учётом требований Федерального закона от 01.06.2005 № 53-ФЗ «О государственном языке Российской Федерации» (в редакции Федерального закона от 28.02.2023 № 52-ФЗ) и Федерального закона от 24.06.2025 № 168-ФЗ «О защите русского языка». Каждый англоязычный профессиональный термин указывается в скобках после его русского описания, тем же шрифтом и того же размера. Это соответствует части 2 статьи 3 Закона № 53-ФЗ о равнозначности оформления.

Каждый поступающий в работу материал проходит единую процедуру вне зависимости от типа. Стандарт фиксирует следующие шаги.

Приём и фиксация

С поступившего файла снимается контрольная сумма по алгоритму SHA-256 (российский стандарт хеширования по ГОСТ Р 34.11-2012 применяется как альтернатива по запросу). Сумма фиксируется до любых операций с материалом и заносится в журнал. Оригинал файла перемещается в защищённое хранилище в режиме «только для чтения». Все дальнейшие исследования проводятся с рабочей копией.

Регистрация цепочки сохранности доказательства (chain of custody)

Каждое действие с файлом — приём, прогон через инструмент анализа, формирование промежуточного результата — записывается в журнал работ по делу. Производные копии (конвертация, вырезанный фрагмент) хранятся отдельно от оригинала и помечаются как производные. Ход исследования описывается в заключении, которое подписывает специалист.

Проведение анализа

Материал последовательно проходит автоматическую обработку через программный комплекс DeepVerify и ручную проверку специалистом по утверждённому внутреннему стандарту обработки.

Формирование заключения

По результатам исследования формируется письменное заключение специалиста, оформленное по требованиям статьи 58 Уголовно-процессуального кодекса РФ, статьи 188 Гражданского процессуального кодекса РФ или статьи 55.1 Арбитражного процессуального кодекса РФ. Заключение подписывается квалифицированной электронной подписью по ГОСТ Р 34.10-2012 через сертифицированное средство криптографической защиты КриптоПро.

Звуковая запись проверяется на признаки синтетической речи (искусственно сгенерированной программами клонирования голоса) и признаки монтажа (склейки фрагментов разных записей).

Применяемые методы

Извлечение служебной информации файла через инструмент чтения метаданных (ExifTool, MediaInfo). Анализируются: программа-источник записи, кодек сжатия звука, частота дискретизации, дата создания, наличие следов постобработки.

Структурный анализ потока через стандартные инструменты разбора мультимедиа-контейнеров (FFmpeg, ffprobe). Проверяется регулярность звуковых пакетов, наличие следов склейки, соответствие контейнера заявленному источнику.

Прогон через ансамбль из пяти моделей машинного обучения:

• графовая нейронная сеть с самовниманием для обнаружения артефактов синтеза речи (методика AASIST). Метод выявляет следы работы голосовых вокодеров — программных компонентов, которые генерируют звуковую волну из спектральных представлений в системах синтеза речи;
• самообучаемая модель оценки естественности речевого сигнала (методика WavLM). Модель отличает естественные речевые признаки человеческого голоса от артефактов искусственной генерации;
• многоязычная модель самообучения на речевых признаках (методика XLSR). Используется как независимый источник оценки;
• детектор микро-склеек на необработанной звуковой волне (методика RawNet, расширенная контуром микро-сплайс анализа собственной разработки). Выявляет склейки длительностью от 50 миллисекунд;
• цифровая обработка сигналов (DSP-контур): анализ фазовых аномалий, оценка естественности пауз и дыхания, отношение энергии в высокочастотной полосе, спектральная плоскостность, обнаружение голосовой активности.

Результаты ансамбля агрегируются в итоговую вероятность через калиброванную модель-арбитратор (методика градиентного бустинга с изотонической калибровкой).

Идентификация семейства генератора через векторную базу референсных «отпечатков» известных систем синтеза речи (метод поиска ближайшего соседа в эмбеддинговом пространстве, реализованный через ChromaDB).

Голосовая верификация при наличии эталонного образца голоса того же человека (методика speaker verification на основе ECAPA-TDNN). Применяется для проверки утверждений типа «голос принадлежит конкретному лицу».

Поиск водяных знаков в звуковой волне (контур обнаружения SynthID-подобных маркеров от Google, OpenAI Voice Mark и аналогичных).

Ручная фоноскопическая проверка специалистом:

• спектрограмма звуковой волны просматривается в инструменте редактирования звука (Audacity). Анализируются: верхняя граница спектра, регулярность формантных полос, шумовой пол;
• фонетический анализ через специализированный инструмент (Praat). Измеряются: высота основного тона, формантные траектории, показатели нестабильности голоса (jitter, shimmer), отношение гармоник к шуму (HNR);
• прослушивание полной записи в наушниках мониторного класса с фиксацией субъективно-слышимых признаков синтеза.

Что метод позволяет установить

• наличие признаков синтетической речи с указанием уровня уверенности (высокий, средний, низкий);
• приблизительную идентификацию семейства программного обеспечения, использованного для генерации (если есть совпадение с базой референсов);
• наличие признаков монтажа (склеек) с указанием их предполагаемой локализации во временной шкале;
• соответствие или несоответствие голоса эталонному образцу (при наличии эталона).

Что метод не позволяет установить

• невозможно с абсолютной достоверностью утверждать, что запись является синтетической или подлинной — методы дают вероятностную оценку;
• на записях длительностью менее 5 секунд надёжность анализа существенно снижается;
• записи, прошедшие через мессенджеры с низкобитрейтным сжатием, теряют часть признаков, что снижает чувствительность к синтезу.

Видеозапись проверяется на признаки замены лица (face-swap), синхронизации губ с подменённой звуковой дорожкой (lip-sync deepfake), полной генерации видео нейронной сетью, а также на наличие монтажа.

Применяемые методы

Извлечение служебной информации файла через инструменты чтения метаданных (ExifTool, MediaInfo) и инструменты разбора мультимедиа-контейнеров (mp4dump из пакета Bento4, MKVToolNix). Анализируется: программа-источник, кодек, профиль кодирования, программа постобработки, расположение служебных блоков в контейнере.

Покадровый структурный анализ потока через стандартный инструмент анализа мультимедиа (FFmpeg ffprobe). Проверяется регулярность опорных кадров (GOP-структура), наличие скачков во временной шкале, признаки склейки.

Покадровый прогон через программный комплекс собственной разработки (DeepVerify Visioner v2). Используется ансамбль из:

• классификатора на основе свёрточной нейронной сети (EfficientNet) для покадровой оценки признаков подделки;
• временной свёрточной сети (TCN) для оценки временной согласованности;
• детектора универсальных признаков синтеза изображения (методика UnivFD на базе модели CLIP);
• детектора лицевых дипфейков (методика Deep-Fake-Detector-v2);
• детектора артефактов смешивания границ лица (метод Self-Blended Images, реализованный как обучающая аугментация).

Совместно ансамбль строит временной ряд вероятностей по трём классам: натуральное видео, искусственно сгенерированное видео, видео с заменённым лицом.

Анализ согласованности эмбеддингов лица между соседними кадрами (методика InsightFace embeddings consistency). Резкие скачки в косинусной близости эмбеддингов соседних кадров на одном персонаже указывают на возможную замену лица.

Анализ синхронности движения губ и звука (методика на основе SyncNet). Натуральная видеозапись имеет рассинхронизацию аудио и видео в пределах ±20 миллисекунд. Видео с подменённой звуковой дорожкой часто демонстрирует рассинхронизацию 60–150 миллисекунд.

Анализ звуковой дорожки видеозаписи проводится по стандарту анализа звуковых записей (см. предыдущий раздел).

Ручная экспертиза специалиста:

• полный просмотр записи в стандартном видеоплеере (VLC Media Player) с фиксацией визуально-различимых признаков подделки;
• покадровый просмотр подозрительных эпизодов через инструмент видеомонтажа (Avidemux). Подозрительные кадры дополнительно проверяются по методологии анализа изображений;
• контекстный анализ соответствия видеозаписи заявленному происхождению: время суток, освещение, фоновые звуки, видимые в кадре часы и иные временные метки.

Что метод позволяет установить

• наличие признаков замены лица или генерации видео нейронной сетью с указанием уровня уверенности;
• приблизительную локализацию подозрительных эпизодов во временной шкале;
• наличие или отсутствие признаков склейки и монтажа;
• соответствие звуковой дорожки видеоряду.

Что метод не позволяет установить

• на видеозаписях с разрешением ниже 480p чувствительность к замене лица существенно снижается;
• современные системы полной генерации видео (Sora, Veo, Runway Gen-4) создают физически согласованную динамику, на которой классические признаки подделки могут не проявляться;
• видео, прошедшее через мессенджеры с агрессивным сжатием, теряет большинство пиксельных признаков подделки.

Изображение проверяется на признаки полной генерации нейронной сетью, замены лица, локального монтажа и ретуши.

Применяемые методы

Извлечение служебной информации файла через инструмент чтения метаданных (ExifTool). Анализируются: программа-источник, модель устройства съёмки, дата создания, признаки постобработки. Особое внимание уделяется наличию криптографически подписанной информации о происхождении (стандарт Content Credentials, спецификация C2PA), которую с 2024 года добавляют программы Adobe, OpenAI, ряд производителей фотокамер.

Структурный анализ файла формата JPEG через инструмент разбора JPEG-файлов (JPEGsnoop). Анализируются таблицы квантования, таблицы Хаффмана, служебные маркеры. Несоответствие таблиц квантования заявленной модели камеры — признак пересохранения файла в стороннем редакторе.

Анализ через программный комплекс собственной разработки (DeepVerify Visioner v1.2 + ансамбль из четырёх дополнительных моделей):

• классификатор на основе свёрточной нейронной сети для определения признаков подделки (Visioner);
• детектор универсальных признаков синтеза изображения (методика UnivFD на базе модели CLIP с многоисточниковой калибровкой);
• детектор лицевых дипфейков (методика Deep-Fake-Detector-v2);
• анализатор водяных знаков (контур обнаружения маркеров SynthID, Stable Signature и аналогичных);
• детектор артефактов смешивания границ лица (методика Self-Blended Images).

Ручная экспертиза специалиста через специализированный инструмент анализа изображений (Sherloq):

• анализ уровня сжатия (методика Error Level Analysis, ELA) — выявление зон, повторно сохранённых с другим коэффициентом сжатия. Локально вставленные фрагменты проявляются как зоны с отличным от фона уровнем шума;
• анализ шума (методика Noise Analysis: медианный, вейвлет-анализ, дисперсионный). Натуральная фотография имеет неравномерный шум сенсора; синтетическое изображение и качественный монтаж имеют отличающийся шумовой паттерн;
• анализ призраков пересохранения (методика JPEG Ghosts) — выявление зон, сохранённых с разной степенью сжатия;
• анализ массива цветовых фильтров (методика CFA Analysis) — проверка наличия отпечатка матрицы Байера, характерного для цифровой фотографии;
• поиск дублирующихся блоков (методика Clone Detection) — выявление операций «штампа» или копирования участков для маскировки удалённых элементов;
• частотный анализ (методика FFT) — выявление периодических искусственных паттернов, характерных для увеличения изображения нейронными сетями (super-resolution).

При наличии эталонных снимков того же фотоустройства дополнительно применяется анализ шумового отпечатка матрицы (методика Photo Response Non-Uniformity, PRNU). Метод даёт вероятностную оценку соответствия изображения эталонному отпечатку.

Что метод позволяет установить

• наличие признаков полной генерации изображения нейронной сетью;
• наличие признаков замены лица или локального монтажа с приблизительной локализацией зоны изменений;
• соответствие или несоответствие изображения заявленному фотоустройству (при наличии эталонных снимков).

Что метод не позволяет установить

• изображения, многократно пересохранённые при пересылке через социальные сети и мессенджеры, теряют большинство пиксельных признаков подделки;
• современные модели генерации изображений (FLUX 1.1 Pro, Imagen 3, GPT-4o image generation) на портретных снимках достигают качества, на котором автоматические детекторы дают повышенную долю ошибок;
• отсутствие криптографически подписанного происхождения (Content Credentials) не доказывает синтетическую природу изображения, поскольку метка может быть удалена.

Электронный документ (формат PDF, формат документов Microsoft Office: DOCX, XLSX, PPTX) проверяется на признаки локального изменения содержимого, искусственной генерации текста, структурных подделок (манипуляций авторством, датами, скрытым содержимым), а также на наличие активного содержимого (макросов, встроенных файлов, внешних ссылок).

Применяемые методы

Универсальное извлечение метаданных через ExifTool: программа-источник, автор, дата создания, дата изменения, число правок, общее время редактирования.

Для PDF

• структурный анализ через инструменты Дидье Стивенса (PDFiD, pdf-parser): подсчёт служебных тегов, выявление активного содержимого (JavaScript, автоматических действий, встроенных файлов, форм), проверка количества таблиц перекрёстных ссылок (xref) — наличие нескольких таблиц указывает на инкрементальные обновления документа после первичного сохранения;
• анализ цифровых подписей (если присутствуют) через стандартные криптографические инструменты (OpenSSL, КриптоПро АРМ для подписей по российскому стандарту);
• анализ уровня сжатия (методика Error Level Analysis) применительно к PDF: каждая страница рендерится в растровое изображение, и применяется ELA для выявления локальных правок (характерно для подделанных сканов с заменёнными цифрами).

Для документов формата OOXML (DOCX, XLSX, PPTX)

• прямой структурный анализ через распаковку архива и разбор XML-частей: служебные свойства документа, настройки документа, основное содержимое, связи;
• поиск признаков скрытого содержимого: текст в режиме «отслеживание изменений», скрытые слои, встроенные объекты OLE, скрытые листы (для электронных таблиц: hidden, veryHidden);
• анализ макросов через специализированный инструмент (oletools, в частности olevba) с автоматическим выявлением подозрительных конструкций: автоматический запуск, обращения к командной оболочке, сетевые запросы, обфускация.

Для сканированных документов (PDF со сканом, изображения JPEG/TIFF) применяется методология анализа изображений применительно к каждой странице.

Ручная экспертиза специалиста:

• содержательная проверка документа: соответствие цифр, дат, имён, реквизитов внутренней логике документа и заявленным обстоятельствам;
• сверка стилистики текста с эталонными образцами того же автора (при наличии);
• анализ подозрительных мест на предмет локального шрифтового или форматного несоответствия (характерный признак замены отдельных слов или цифр).

Что метод позволяет установить

• наличие признаков редактирования документа после заявленной даты подписания;
• наличие признаков локального изменения содержимого (замены цифр, дат, имён);
• наличие активного содержимого (макросов), включая признаки вредоносной активности;
• наличие или отсутствие криптографически валидной электронной подписи и её соответствие содержимому документа.

Что метод не позволяет установить

• автоматические детекторы текста, сгенерированного большими языковыми моделями, для русского языка на апрель 2026 года остаются методологически слабыми; заключение по этому пункту формулируется с явным указанием неустойчивости методологии;
• отсутствие следов редактирования в метаданных не доказывает отсутствие правок — документ может быть пересохранён в новой программе с потерей истории;
• доказательная сила анализа сильно зависит от того, является ли поступивший документ оригиналом электронной формы или сканом бумажного.

Все исследования выполняются Степиным Иваном Геннадьевичем, индивидуальным предпринимателем (ИНН 772172955804, ОГРНИП 326774600292790).

Программный комплекс DeepVerify, используемый для автоматической части анализа, разработан автором. Описание методологии работы, рабочие процедуры и шаблоны выпускаемых документов публикуются открыто. Это позволяет любой стороне процесса самостоятельно ознакомиться с применяемыми методами анализа и при необходимости назначить повторную экспертизу с использованием тех же открытых инструментов.

Открытость инструментария и методологии — принципиальная позиция: добросовестное заключение специалиста должно быть проверяемым. Любая сторона процесса вправе самостоятельно ознакомиться с программным кодом, использованным для анализа, и при необходимости назначить повторную или дополнительную экспертизу в государственном экспертном учреждении.

Заключение специалиста (в уголовном деле — ст. 58, ч. 3 ст. 80 УПК РФ; в гражданском и арбитражном — письменное доказательство стороны, ст. 55, 71 ГПК РФ, ст. 75, 89 АПК РФ) суд оценивает наряду с другими доказательствами. Оно не подменяет судебную экспертизу: экспертизу назначает суд или следователь, и только тогда исполнитель получает процессуальный статус эксперта. Лицензия, сертификат или специальное разрешение для негосударственного эксперта законом не предусмотрены (разъяснение Минюста России); к нему применяются требования ст. 41 закона № 73-ФЗ.

По отдельному запросу клиента в рамках конкретного дела передаётся полный список инструментов с указанием версий, использованных при производстве заключения, и точные параметры их настройки.

Документ «Известные ограничения методологии» является неотъемлемой частью настоящей методологии и обновляется одновременно с ней.

Каждое выпущенное заключение специалиста содержит ссылку на конкретную версию настоящего документа и документа об ограничениях, действовавших на момент подписания заключения.