StyleGAN fingerprint: Upsampling bằng transposed convolution với stride 2 tạo "checkerboard " artifact — đỉnh đều đặn tại các tần số f=k⋅fs/2 với k = 1, 2, 3... Khi log-FFT, ta thấy "dots" đối xứng qua tâm.
Diffusion fingerprint: Khác với GAN, diffusion sinh ảnh qua nhiều step denoising — artifact phân tán đều hơn ở mid-freq (10-30% Nyquist). Phổ có "halo" quanh trung tâm thay vì peak riêng lẻ.
Universal detector: Wang et al. (2023) "CNN-generated images are surprisingly easy to spot" chỉ ra rằng detector train trên ProGAN có thể generalize sang nhiều GAN khác với augmentation đúng (Gaussian blur + JPEG). Nhưng generalization sang diffusion vẫn là vấn đề mở.
Phản công: Generator mới (StyleGAN3) dùng alias-free upsampling để XÓA fingerprint tần số — nhưng tạo ra fingerprint khác (equivariance pattern). Đây chính là arms race ở tầng thuật toán.
FaceForensics++ (FF++): 1000 video thật + 4000 video giả (4 phương pháp: DeepFakes, Face2Face, FaceSwap, NeuralTextures). Benchmark chuẩn từ 2019. Xception đạt ~95% trên FF++ uncompressed, ~78% trên compressed.
Celeb-DF v2: 590 video thật của celebrity + 5639 video giả chất lượng cao. Khó hơn FF++ nhiều — detector FF++ tụt xuống ~65% accuracy.
DeepFake Detection Challenge (DFDC): Facebook 2020, 124k video, nhiều augmentation. Winner đạt 82% accuracy trên private test.
DeeperForensics-1.0: 60k video với 7 loại degradation (blur, noise, compression, lighting...). Focus vào real-world robustness.
Metrics: AUC-ROC (chuẩn nhất vì class balance), Accuracy, EER (Equal Error Rate). Thực tế nên báo cáo AUC riêng cho từng manipulation type, không gộp.