Il lavoro si concentra sulla consistenza delle riflessioni della luce in ciascun occhio. Tradizionalmente, in astronomia, le tecniche di analisi della luce sono impiegate per studiare le galassie; similmente, queste metodologie possono essere adattate per esaminare le riflessioni negli occhi nelle immagini. Kevin Pimbblet, professore di astrofisica e direttore del Centro di Eccellenza per la Data Science, l’Intelligenza Artificiale e la Modellazione presso l’Università di Hull, ha sottolineato come nelle immagini reali le riflessioni siano coerenti, mentre nelle immagini generate da AI presentino anomalie dal punto di vista fisico.
Per quantificare e confrontare queste riflessioni, i ricercatori hanno applicato metodi astronomici, analizzando la distribuzione della luce e verificando la consistenza tra le riflessioni degli occhi sinistro e destro. Le immagini autentiche tendono a mostrare riflessioni simili in entrambi gli occhi, mentre quelle false mostrano spesso incongruenze.
Durante l’analisi, sono stati utilizzati gli indici CAS (concentrazione, asimmetria, levigatezza) e l’indice di Gini, quest’ultimo comunemente impiegato in astronomia per misurare la distribuzione della luce in una galassia. Un valore di Gini pari a 0 indica una distribuzione uniforme della luce, mentre un valore di 1 indica una concentrazione della luce in un singolo pixel. Tuttavia, si è osservato che i parametri CAS non sono stati predittivi nel rilevamento delle deepfake oculari.
Pimbblet ha evidenziato che, nonostante l’efficacia del metodo, esso non rappresenta una soluzione definitiva per l’identificazione delle immagini false. La tecnica presenta infatti una certa percentuale di falsi positivi e falsi negativi, e non è in grado di identificare tutte le immagini manipolate. Nonostante ciò, l’approccio offre una base solida e un punto di partenza nella lotta contro la proliferazione delle deepfake.