{"version":"https://jsonfeed.org/version/1.1","title":"Guide alla verifica di AI Fake Scan","home_page_url":"https://aifakescan.com/it/resources","feed_url":"https://aifakescan.com/it/resources/feed.json","description":"Guide in italiano sull’origine di immagini e video IA, sulle prove e sui limiti del rilevamento.","items":[{"id":"https://aifakescan.com/it/resources/how-to-check-if-a-photo-was-edited-with-ai","url":"https://aifakescan.com/it/resources/how-to-check-if-a-photo-was-edited-with-ai","title":"Come capire se una parte di una foto è stata modificata con l’IA","summary":"Sospetti una modifica con IA in una foto? Confronta immagini precedenti, verifica le Content Credentials e interpreta i rilevatori senza esagerarne i risultati.","date_published":"2026-11-17T05:50:44.481Z","date_modified":"2026-11-17T05:50:44.481Z","tags":["Verifica delle immagini","Content Credentials","Provenienza dei contenuti"],"content_text":"Se sospetti che una parte di una foto sia stata modificata con l’IA, inizia cercando una versione precedente e confrontando l’area rilevante. Esamina le eventuali Content Credentials firmate del file che hai ricevuto e usa i risultati dei rilevatori per orientare un’analisi più approfondita. Potresti riuscire a mostrare che due immagini differiscono in un punto, mentre la causa della differenza rimane sconosciuta. Cosa può cambiare l’IA in una foto? Ad Adobe MAX, il 10 novembre 2026, Adobe ha annunciato Edit Object per Firefly Image. L’azienda lo descrive come una funzione beta che permette di selezionare un oggetto già presente in una foto e modificarne proprietà come il colore. È progettata per lasciare invariato il resto dell’immagine. Una modifica a un oggetto può cambiare ciò che chi guarda ricava da una foto di una scena per il resto familiare. Annuncio di Adobe MAX · Documentazione Adobe Edit Object Immagina che la foto di un annuncio mostri una presa elettrica accanto a un lavandino. Una foto più vecchia della stessa stanza mostra una parete senza presa. La prima domanda è se la presa esista, perché è questo l’elemento su cui chi guarda potrebbe fare affidamento. La seconda è come sia cambiata l’immagine. Una ristrutturazione, un ritocco tradizionale e una modifica generativa sono tutte possibilità, finché ulteriori elementi non permettono di restringere il campo. Questo esempio illustra una modifica parziale e le sue alternative. Non raffigura un risultato di Edit Object né un test di un rilevatore. Come trovare una versione da confrontare? Salva l’immagine così come l’hai ricevuta e conserva l’URL e la didascalia della pagina. Chiedi a chi l’ha pubblicata il file alla massima qualità disponibile e, se possibile, un’esportazione precedente o fotogrammi vicini dello stesso servizio fotografico. Cerca prima l’immagine intera, poi un ritaglio di un elemento rimasto invariato, come un’insegna o una porta riconoscibile. La ricerca può far emergere versioni con ritagli o didascalie diversi. Come effettuare una ricerca con un’immagine in Google Lens Allinea le due versioni usando dettagli esterni all’area che sospetti sia stata modificata. Confronta l’oggetto, i suoi bordi, i riflessi, le ombre e tutto ciò che copre. Controlla date e angolazioni prima di considerare la differenza una modifica. Per l’esempio dell’annuncio, una prima annotazione utile sarebbe: «Le due immagini mostrano dettagli diversi nel punto della presa. Le date delle foto e la causa della differenza non sono confermate». Per verificare la situazione reale, chiedi una ripresa recente da un’altra angolazione o una visita in diretta video. Cosa indicano le Content Credentials su una modifica parziale? Se sono disponibili delle credenziali, esamina chi le ha firmate, lo stato di convalida e le azioni registrate. Le Content Credentials C2PA possono contenere informazioni firmate sull’origine e sulla cronologia delle modifiche di un determinato file. Il dettaglio utile è l’azione effettivamente registrata e quanto precisamente descrive la modifica. Una credenziale può identificare uno strumento senza indicare una regione specifica dell’immagine. Spiegazione di C2PA Adobe documenta credenziali automatiche per contenuti generati interamente con Firefly, come le immagini prodotte da testo. Per una modifica parziale, controlla l’esportazione effettiva e le azioni dichiarate. Se nella copia dell’annuncio non trovi credenziali, annota «Nessuna credenziale trovata nella copia dell’annuncio» e chiedi l’esportazione originale. Questo risultato non chiarisce il metodo di modifica. La guida ai risultati delle Content Credentials spiega come interpretare lo stato di convalida. Assistenza Adobe Firefly Come interpretare il risultato di un rilevatore? Inizia dalla copia di qualità più alta che possiedi e annota la versione inviata. Il rilevatore di immagini AIFakeScan non può localizzare in modo affidabile una modifica locale sulla base di un segnale visivo riferito all’intera immagine. Nella beta attuale, i soli segnali visivi restano inconcludenti. Se l’analisi della copia dell’annuncio risulta inconcludente, puoi riferire: «Questa analisi non ha determinato se l’area della presa sia stata modificata». Il risultato di un ritaglio si applica a quel ritaglio. Metodologia di AIFakeScan Un preprint di ricerca sulle immagini generate e modificate in circolazione online valuta materiale reale raccolto da fonti giornalistiche, di fact-checking e social. Il suo approccio è pertinente perché un test su immagini prodotte direttamente dai generatori e non alterate risponde a una domanda più circoscritta rispetto alla verifica di foto che potrebbero essere state parzialmente modificate e ripubblicate. Se un risultato è basato su elementi limitati, consulta la guida alle analisi inconcludenti delle immagini. Come descrivere ciò che è cambiato? Descrivi la parte della foto che incide sull’affermazione, identifica entrambe le versioni e indica gli elementi che sostengono la tua formulazione. Se i file sono diversi e il metodo di modifica non è stato chiarito, potresti scrivere: «La foto precedente mostra una parete senza presa nel punto in cui l’immagine dell’annuncio ne mostra una. Non siamo riusciti a stabilire se la differenza derivi da una modifica dell’immagine o da un cambiamento nella stanza». Se l’esportazione originale contiene una credenziale convalidata e attendibile che dichiara una sostituzione generativa, riferisci l’azione dichiarata e nomina l’area interessata solo se la registrazione la identifica. Domande frequenti Una foto scattata con una fotocamera può contenere pixel generati dall’IA? Sì. Una fotocamera può catturare la scena originale e una persona può in seguito usare l’IA generativa per sostituirne o estenderne una parte. Una foto di confronto o una cronologia documentata delle modifiche può aiutare a stabilire dove è avvenuto il cambiamento. Posso confermare una modifica parziale da uno screenshot? Uno screenshot può conservare ciò che mostrava un post e aiutarti a cercare versioni precedenti. Per esaminare la provenienza a livello di file e osservare l’immagine più da vicino, richiedi il file caricato originariamente o l’esportazione originale, se disponibile."},{"id":"https://aifakescan.com/it/resources/how-to-verify-a-viral-news-clip","url":"https://aifakescan.com/it/resources/how-to-verify-a-viral-news-clip","title":"Come verificare un video di notizie virale prima di condividerlo","summary":"Un video che imitava un notiziario di Sky News ha impersonato Yalda Hakim. Verifica i video virali nell’archivio dell’emittente e nelle dichiarazioni dirette.","date_published":"2026-11-17T05:50:44.481Z","date_modified":"2026-11-17T05:50:44.481Z","tags":["Verifica dei video","Deepfake","Provenienza dei contenuti"],"content_text":"Prima di condividere un video di notizie, scopri chi lo ha pubblicato e cosa ha effettivamente pubblicato l’emittente o la presentatrice. Cerca il programma completo, una trascrizione o una risposta diretta. Nel caso di Yalda Hakim, la sua dichiarazione risponde alla domanda se abbia riferito la notizia. Le questioni relative alle riprese usate e a come è stato realizzato il video richiedono prove diverse. Cos’è successo con il video che impersonava Yalda Hakim? Il 15 novembre 2026, la presentatrice di Sky News Yalda Hakim ha dichiarato su X che un video in circolazione usava l’IA per impersonarla e che lei non aveva mai riferito la notizia che le veniva attribuita. Sky News indica quell’account nel suo profilo ufficiale e Journalism Pakistan riproduce la sua dichiarazione. Feature Pakistan ha descritto il video come lungo quasi quattro minuti e realizzato nello stile di un notiziario di Sky News. Dichiarazione di Hakim su X · Profilo della presentatrice su Sky News · Journalism Pakistan · Feature Pakistan La sua risposta riguarda direttamente l’attribuzione. I resoconti citati descrivono la sua smentita e la presentazione del video. Non stabiliscono quali siano le riprese originali, lo strumento di produzione o l’entità delle modifiche al file. Cosa puoi verificare nell’archivio del programma? Sky News pubblica le edizioni complete di The World with Yalda Hakim nell’archivio del programma. Per verificare l’attribuzione di un video, cerca una frase caratteristica sul sito dell’emittente e controlla le puntate complete intorno alla data dichiarata. Se trovi una possibile corrispondenza, confronta le parole e le inquadrature circostanti, poi annota l’URL e il punto della puntata. Una corrispondenza in una pubblicazione ufficiale può stabilire cosa ha pubblicato l’emittente. Archivio del programma di Sky News Conserva l’URL della ripubblicazione e annota le date e i canali consultati. Se la ricerca nell’archivio non produce corrispondenze, riferiscilo come risultato della ricerca e cerca una risposta della presentatrice o dell’emittente. In questo caso, la dichiarazione confermata da Journalism Pakistan sostiene la smentita di Hakim. Non abbiamo verificato una corrispondenza fotogramma per fotogramma con un programma di origine. E se il video riutilizza vere riprese di studio? Esegui una ricerca inversa su alcuni fotogrammi nitidi, cercando un elemento grafico caratteristico o un dettaglio dello sfondo. Usa una possibile corrispondenza per trovare il programma completo e confrontare più momenti. Studi ed elementi grafici ricorrono in puntate diverse. Annota se la sequenza delle inquadrature corrisponde prima di indicare una puntata come fonte. Come effettuare una ricerca con un’immagine in Google Lens Controlla le parole e il loro ordine rispetto all’audio originale o a una trascrizione affidabile. Riporta separatamente le eventuali corrispondenze nelle immagini e nella voce, con i tempi di entrambe le versioni. Cosa può aggiungere un rilevatore all’indagine? Il video descritto dura quasi quattro minuti e supera il limite di due minuti per file del Basic Scan di AIFakeScan. Per un video che sei autorizzato a esaminare, conserva il file intero e il suo audio. Se invii un estratto più breve, mantieni l’audio intatto e annota i tempi di inizio e fine nel video completo. Riporta i risultati per quell’estratto. Basic Scan campiona fotogrammi video e controlla le informazioni disponibili sulla traccia audio. Non classifica gli scambi di volto né la voce clonata o sintetica. Se usi un verificatore di filigrane digitali separato, annota il fornitore e i media che copre. Un risultato senza filigrane rilevate lascia aperti altri metodi di produzione. Usa la lista di controllo per la verifica dei video per registrare la copertura e le verifiche ancora aperte. Annuncio di SynthID di Google Come presentare il risultato? Per questo caso, un riepilogo prudente sarebbe: «Yalda Hakim ha detto che il video usava l’IA per impersonarla e che lei non aveva mai riferito la notizia». Inserisci un link alla dichiarazione e a un resoconto accessibile. Se in seguito identifichi le riprese di origine, aggiungi il programma e i tempi e descrivi soltanto le modifiche stabilite dal confronto. Domande frequenti Un logo o un sottopancia di notizie può verificare un video? Un logo e un sottopancia identificano l’emittente che il video pretende di rappresentare. Verifica tale attribuzione trovando il materiale su un canale ufficiale di pubblicazione e confrontando la sezione pertinente con la versione in circolazione. Basta non trovare un risultato nell’archivio per definire un video un deepfake? Considera l’assenza di un risultato nell’archivio una lacuna nella ricerca. Controlla le date vicine e i canali video ufficiali, cerca una registrazione completa e una dichiarazione dell’emittente o della presentatrice. Registra se riesci a stabilire chi ha pubblicato le immagini e quale versione hai esaminato."},{"id":"https://aifakescan.com/it/resources/check-image-metadata-for-ai","url":"https://aifakescan.com/it/resources/check-image-metadata-for-ai","title":"Come controllare i metadati delle immagini per l’IA","summary":"Scopri come esaminare metadati, etichette del software e Content Credentials e cosa possono o non possono rivelare sulle immagini IA.","date_published":"2026-10-28T07:27:33.522Z","date_modified":"2026-10-28T07:27:33.522Z","tags":["Verifica delle immagini","Content Credentials","Provenienza dei contenuti"],"content_text":"Per controllare i metadati di un’immagine alla ricerca di indizi sull’IA, esamina i campi EXIF e XMP incorporati per trovare indizi su creazione e modifiche, poi cerca Content Credentials verificabili. Il nome di un software, il modello di una fotocamera o un campo assente sono piste, non verdetti. Combinali con la fonte dell’immagine, altre versioni e, se utile, un rilevatore di IA. I metadati sono informazioni conservate con un file. Possono includere modello della fotocamera, ora dello scatto, software di modifica o descrizione. Alcuni campi possono essere modificati o rimossi e una copia scaricata può differire dal file salvato inizialmente dal creatore. La domanda pratica è quindi: cosa ci dice questa copia specifica e cosa resta sconosciuto? Quale file dovresti esaminare per primo? Chiedi al mittente il file immagine originale, invece di una schermata o una foto incollata in una chat. Conserva una copia invariata e annota da dove proviene, quando l’hai ricevuta e se è stata scaricata, ridimensionata o esportata. Se l’originale non è disponibile, etichetta la copia che possiedi e lavora entro tale limite. Definisci il fatto da verificare prima di esaminare il file. Vuoi controllare se una fotocamera abbia ripreso la scena, se l’IA ne abbia modificato una parte o se l’immagine mostri il luogo indicato nella didascalia? Sono domande diverse. Una vera fotografia può essere modificata; anche un’immagine realistica può rappresentare un evento falso o immaginario. Per immagini sensibili, considera se i metadati rivelino posizione, nomi o altre informazioni private prima di caricare il file su un servizio terzo o condividere il report. Dove trovare i metadati delle immagini? Su computer o telefono Su computer esamina il pannello informazioni o proprietà del file e cerca dettagli come dimensioni, modello della fotocamera e data. Sul telefono apri l’originale nell’app delle foto e cerca la vista informazioni o dettagli. Le opzioni variano per dispositivo, tipo di file e app; un pannello che mostra pochi campi non dimostra che il file non contenga altri metadati. Distingui la data di modifica del file system dalla data dello scatto. Un file può ricevere una nuova data di modifica quando viene copiato o salvato; non è automaticamente la data in cui la scena è stata fotografata. Con ExifTool Per un’ispezione locale più dettagliata, installa ExifTool dal sito ufficiale, apri un terminale ed esegui questo comando di sola lettura, sostituendo il percorso tra virgolette con quello del tuo file: exiftool -G1 -a -s \"/path/to/image.jpg\" Le opzioni mostrano i nomi dei gruppi di metadati, includono nomi di tag duplicati e usano nomi più brevi. ExifTool supporta la lettura e la scrittura dei metadati; il comando sopra legge il file. Consulta la documentazione ExifTool per installazione sulle varie piattaforme e opzioni. Un visualizzatore può mostrare proprietà del file e del sistema accanto ai campi incorporati, quindi fai attenzione al nome del gruppo. Quali campi sono utili e cosa provano? Campo o segnale Una domanda utile Limite Marca e modello della fotocamera Il dispositivo dichiarato corrisponde alla fonte disponibile? Il valore può essere modificato o copiato; non autentica la scena. DateTimeOriginal L’ora di scatto indicata concorda con altre prove? Orologi e fusi orari possono essere errati e un campo può essere modificato. Software o cronologia di elaborazione È indicata un’applicazione di modifica? Il nome di un editor da solo non stabilisce che sia stata usata la generazione IA. Coordinate GPS La posizione registrata corrisponde a quanto dichiarato? Le coordinate possono mancare, essere errate o cambiate intenzionalmente; possono rivelare luoghi privati. EXIF o XMP assenti È una schermata, un’esportazione o una copia altrimenti alterata? I campi assenti non provano un’origine IA né spiegano esattamente cosa sia successo. EXIF e XMP sono formati di metadati, non certificati di verità. Un campo può essere utile quando concorda con informazioni ottenute in modo indipendente. È più debole quando non c’è il file originale o non si può stabilire chi l’abbia scritto. Nel nostro esperimento su schermate e compressione, i file originali del test non avevano EXIF visibile. L’esperimento non dovrebbe essere usato come prova che le schermate abbiano rimosso EXIF della fotocamera; il confronto non lo ha stabilito. Ricorda di controllare cosa contenesse davvero il file iniziale prima di descrivere una modifica. Come controllare Content Credentials? Content Credentials si basano sullo standard C2PA e possono contenere dichiarazioni firmate su un contenuto e sulla sua storia. Un verificatore compatibile controlla la credenziale disponibile e lo stato della sua validazione. La guida all’ispezione della Content Authenticity Initiative spiega come esaminare le credenziali disponibili. Usa il verificatore C2PA AIFakeScan o un altro verificatore compatibile per esaminare ciò che è disponibile e leggi la nostra guida ai risultati C2PA prima di trarre conclusioni. AIFakeScan carica il file e lo conserva privatamente finché non elimini il caricamento; il verificatore non recupera manifesti remoti. Una firma valida può sostenere che le informazioni firmate non siano state alterate dopo la firma, nei limiti delle verifiche svolte; non prova indipendentemente che ogni dichiarazione nella credenziale sia vera o che l’evento rappresentato sia avvenuto. Nessuna credenziale trovata significa assenza di provenienza disponibile, non prova di IA. Le credenziali possono mancare da una certa copia o non essere mai state create. Risultati non validi o incompleti meritano un esame più attento, non un’accusa automatica. Registra il risultato effettivo e il file testato. Come combinare i metadati con altre prove? Cerca copie precedenti o l’editore originale. Confronta l’affermazione con fonti indipendenti e chiedi contesto al creatore quando appropriato. Se usi un rilevatore di immagini IA, considera il risultato come segnale aggiuntivo e tieni presente l’incertezza dello strumento. La nostra guida al rilevamento delle immagini spiega perché nessuna singola verifica visiva o automatizzata sia sufficiente. Una semplice registrazione della revisione rende esplicita la distinzione: Identifica il file esatto, la fonte e l’affermazione da verificare. Registra i campi incorporati pertinenti e se era disponibile un originale. Annota il risultato della verifica delle credenziali e ogni controllo sulla fonte o sulla posizione. Formula una conclusione circoscritta, includendo prove contrastanti e domande senza risposta. Per esempio, «La copia non ha EXIF visibile della fotocamera; la sua origine resta non verificata» è più preciso di «Niente EXIF significa IA». Se l’affermazione riguarda una destinazione, segui la distinta guida alla verifica delle foto di viaggio. Domande frequenti I metadati possono dire se un’immagine è generata dall’IA? Possono contenere un’etichetta software pertinente o un registro di provenienza, ma i normali metadati da soli raramente stabiliscono come sia stata realizzata un’immagine. Controlla la fonte e le eventuali credenziali firmate, mantenendo visibili gli aspetti sconosciuti. L’assenza di EXIF significa che un’immagine è stata fatta con IA? No. Un file può non avere EXIF per diverse ragioni, incluso il modo in cui è stato salvato o condiviso. L’assenza di EXIF da sola non identifica il creatore o il metodo di produzione. Un modello di fotocamera in EXIF prova che l’immagine sia una vera fotografia? No. I normali campi dei metadati possono essere modificati o copiati. Considera il modello della fotocamera un indizio da verificare con il file originale e altre prove. Una Content Credential valida prova che la scena sia realmente avvenuta? No. La validazione riguarda la credenziale firmata e i controlli del verificatore; non conferma indipendentemente ogni affermazione o l’evento reale rappresentato. Posso esaminare i metadati senza caricare il file? Sì. Il pannello informazioni di un dispositivo o uno strumento locale come ExifTool può mostrare i metadati disponibili senza caricare l’immagine. Controlla cosa mostra ogni strumento e proteggi le informazioni sensibili."},{"id":"https://aifakescan.com/it/resources/how-to-spot-ai-generated-travel-photos","url":"https://aifakescan.com/it/resources/how-to-spot-ai-generated-travel-photos","title":"Come riconoscere foto di viaggio generate dall’IA","summary":"Scopri come controllare fonte, luogo e file originale di una foto di viaggio e distinguere gli indizi di IA dalle prove prima di fidarti di un’immagine di una destinazione.","date_published":"2026-10-28T07:27:33.522Z","date_modified":"2026-10-28T07:27:33.522Z","tags":["Verifica delle immagini","Immagini generate dall’IA","Provenienza dei contenuti"],"content_text":"Per riconoscere foto di viaggio generate dall’IA, inizia controllando la fonte, cercando versioni precedenti, confrontando il luogo dichiarato con riferimenti indipendenti e chiedendo il file originale. Stranezze visive e risultati dei rilevatori possono aiutare a decidere cosa indagare, ma da soli non stabiliscono la verità. Separa due domande: questa immagine rappresenta fedelmente la destinazione e come è stata creata? Una fotografia reale può avere una didascalia fuorviante, una data vecchia o uno sfondo modificato. Un’illustrazione IA potrebbe raffigurare un luogo reale senza mostrare una vista effettiva. La conclusione deve corrispondere alla domanda sostenuta dalle prove. Cosa afferma esattamente la foto di viaggio? Prima di cercare, annota il nome del luogo, il punto di vista dichiarato, la data e la fonte dell’affermazione. Un’immagine di un hotel, per esempio, può suggerire che una spiaggia sia visibile da una camera. È un’affermazione diversa dall’esistenza della spiaggia nelle vicinanze. Salva l’URL della pagina, la data di pubblicazione se disponibile e una copia dell’immagine per la tua revisione privata. Conserva anche la didascalia. Una ripubblicazione successiva può togliere il contesto o attribuire un nuovo luogo a una vecchia immagine. Eviterei una rapida etichetta «vero o falso»: la decisione pratica può riguardare se vista, periodo o alloggio corrispondano a quanto promesso nella prenotazione, anche se la foto originale proviene da una fotocamera. Come trovare la fonte originale? Usa la ricerca tramite immagini di Google per caricare una copia, incollare l’URL di un’immagine o cercare da una pagina web. I risultati possono includere immagini simili e pagine che la usano. Cerca sia un ritaglio caratteristico sia l’immagine intera, perché le ripubblicazioni possono essere ridimensionate o ritagliate. Apri i risultati promettenti e confronta date, didascalie e contesto dell’editore. La data mostrata nei risultati è un indizio, non una data di prima pubblicazione garantita. Anche il primo risultato trovato può essere una ripubblicazione. Cerca un creatore identificabile, una pagina sorgente con contesto o un account credibile che possa spiegare l’origine dell’immagine. Se l’immagine è stata fornita da un’azienda, chiedi l’immagine originale, il punto di vista e la data. L’impossibilità di fornirli lascia una domanda aperta; non prova un inganno. Prima di caricare l’immagine altrui su un servizio di ricerca, considera la privacy e le pratiche del servizio sui dati. Come controllare il luogo dichiarato? Cerca gli stessi elementi fissi in più fonti indipendenti: forma della costa, disposizione delle strade, posizione degli edifici, profilo delle montagne o ponte. Confronta angolo e distanza della fotocamera senza aspettarti immagini identiche. Usa mappe ufficiali della destinazione, immagini datate dal livello stradale quando disponibili e altre fotografie di provenienza indipendente. Considera cambiamenti di stagione, luce, meteo, costruzioni e modifiche. Un punto di riferimento diverso da un’altra vista pone una domanda da risolvere; non è automaticamente un artefatto IA. Controlla che l’immagine di riferimento provenga davvero dallo stesso luogo e periodo. Considera questo esempio immaginario: un resort pubblicizza una fotografia come vista da un balcone privato. La tua mappa e immagini stradali indipendenti mostrano la stessa costa, ma nessuna stabilisce cosa si veda da quel balcone. Puoi dire che la costa sembra coerente, mentre la vista dal balcone resta non verificata. Non dedurre un’origine IA né formulare accuse da questa lacuna. Cosa osservi Approfondimento utile Cosa resta incerto La stessa immagine appare con due nomi di luogo Controlla post precedenti, contesto e punti di riferimento identificabili Quale didascalia sia corretta senza altre prove Il paesaggio coincide ma il punto di vista non è chiaro Chiedi una vista datata dalla posizione dichiarata Se la vista promessa esista Un riflesso o una struttura appare insolito Confronta un originale e viste indipendenti Se sia dovuto a modifica, prospettiva o generazione Un rilevatore segnala IA Controlla fonte, file e provenienza La reale storia di produzione senza conferme Cosa possono dirti il file originale e le credenziali? Se ottieni un originale, esamina i campi EXIF e XMP disponibili per indizi su fotocamera, data, luogo e modifiche. La nostra guida ai metadati delle immagini offre una procedura pratica. I normali metadati sono modificabili e la loro assenza è comune nelle copie; né un’etichetta della fotocamera né campi assenti risolvono la questione. Poi cerca Content Credentials usando il verificatore C2PA AIFakeScan o un altro verificatore compatibile. AIFakeScan carica il file e lo conserva privatamente finché non elimini il caricamento; il verificatore non recupera manifesti remoti. La Content Authenticity Initiative descrive come esaminare le credenziali. Una credenziale validata può aiutarti a valutare informazioni firmate sulla provenienza, ma non prova indipendentemente l’affermazione sulla destinazione. Non trovare credenziali non prova una generazione IA. Se l’originale è privato o contiene dati GPS, ottieni il permesso prima di condividerlo ed evita di pubblicare informazioni sensibili sulla posizione. Indizi visivi e rilevatori possono identificare foto di viaggio IA? Cerca dettagli da controllare: cartelli incoerenti, finestre ripetute, riflessi insoliti, geometria impossibile o uno sfondo in contrasto con viste indipendenti. Ognuno può avere altre spiegazioni, tra cui prospettiva, compressione, unione di panorami o normali modifiche. Non basarti su un solo dettaglio strano. Un rilevatore di immagini IA può fornire un altro segnale. I segnali visivi AIFakeScan restano inconcludenti durante la beta; prove affidabili sulla fonte possono sostenere un risultato più forte. Un rilevatore non può verificare da solo la vista di una camera d’hotel o identificare un luogo. Se il risultato contrasta con le prove sulla fonte, indaga invece di fare la media delle risposte. Vedi foto generata dall’IA o foto reale per la distinzione tra immagini da fotocamera, modificate con IA e interamente generate. Cosa fare se le prove sono incomplete? Mantieni la conclusione specifica e proporzionata. «Il luogo sembra coerente con viste indipendenti, ma non ho potuto verificare la vista dalla camera» è un risultato utile. «L’immagine è IA» richiede prove sulla produzione, non solo una discrepanza nella didascalia. Se l’immagine influisce su una prenotazione, chiedi un’immagine attuale e datata della vista esatta e conferma le condizioni con il fornitore prima di impegnarti. Registra i link alle fonti, la versione del file testata, eventuali risultati di credenziali o rilevatori e ciò che resta sconosciuto. Torna sull’affermazione se ottieni in seguito l’originale o un riferimento indipendente migliore. Domande frequenti Posso identificare una foto di viaggio IA solo guardandola? Non in modo affidabile. Le anomalie visive suggeriscono domande, ma anche prospettiva, modifiche e compressione possono produrre dettagli insoliti. Controlla la fonte e prove indipendenti sul luogo. Una destinazione reale significa che la foto stessa sia autentica? No. Un luogo reale può apparire in un’immagine vecchia, modificata, con didascalia fuorviante o generata. Controlla la vista e l’affermazione specifiche oltre al luogo. Come trovare copie precedenti di un’immagine di viaggio? Cerca l’immagine intera e ritagli caratteristici con uno strumento di ricerca inversa, poi apri i risultati per confrontare contesto dell’editore e date. Il primo risultato trovato non è necessariamente l’originale. I metadati assenti possono provare che una foto di viaggio sia stata generata dall’IA? No. I metadati possono mancare da una copia per molte ragioni. Registra ciò che hai trovato e cerca l’originale o prove di conferma. Cosa fare se non riesco a verificare una vista dall’hotel? Chiedi al fornitore un’immagine attuale e datata dalla camera o dal punto specifico e conferma le condizioni della prenotazione. Se le prove restano insufficienti, descrivi la vista come non verificata."},{"id":"https://aifakescan.com/it/resources/ai-generated-photo-vs-real-photo","url":"https://aifakescan.com/it/resources/ai-generated-photo-vs-real-photo","title":"Foto generata dall’IA o foto reale: cosa controllare per primo","summary":"Confronta una foto generata dall’IA con una foto reale usando storia della fonte, registri delle modifiche e prove del file. Scopri quali indizi contano e quali possono trarre in inganno.","date_published":"2026-10-12T05:10:44.698Z","date_modified":"2026-10-12T05:10:44.698Z","tags":["Verifica delle immagini","Immagini generate dall’IA","Content Credentials"],"content_text":"Un confronto tra foto generata dall’IA e foto reale dovrebbe partire da come sia stata creata l’immagine, non da quanto sembri convincente. Cerca fonte e file originali, esamina i registri di creazione disponibili e usa risultati visivi o dei rilevatori come prove di supporto. Considera anche una terza possibilità: una fotografia reale modificata in parte con IA. Questa terza categoria conta. Una fotocamera potrebbe aver ripreso la persona mentre un generatore ha fornito lo sfondo. Definire l’intera immagine reale o falsa può nascondere la modifica precisa da indagare. Trovo il confronto più utile quando risponde a una domanda specifica: questa scena è stata fotografata, è stato aggiunto qualcosa o la storia associata è accurata? Queste domande richiedono prove diverse. Cosa significa foto reale in questo confronto? Per questa guida, una fotografia da fotocamera significa che una fotocamera ha ripreso la scena di base. Può comunque essere stata ritagliata, corretta nei colori o ritoccata. Un’immagine interamente generata rappresenta una scena sintetizzata da un modello. Una foto modificata con IA combina materiale da fotocamera con un’aggiunta, rimozione o sostituzione generata. Sono categorie di lavoro, non etichette automatiche assegnate da uno strumento di caricamento. Un file può contenere elementi misti e la sua storia può non essere disponibile. Se le prove non stabiliscono il metodo di produzione, usa «sconosciuto» invece di forzare una risposta binaria. Categoria di produzione Domanda da indagare Prove utili da richiedere Fotografia da fotocamera Cosa è stato effettivamente ripreso? File originale e contesto della fonte Fotografia modificata con IA Cosa è cambiato dopo lo scatto? Versione precedente e cronologia delle modifiche Immagine interamente generata Chi l’ha generata e dichiarata? Dichiarazione del creatore e registro di generazione Storia sconosciuta o mista Quali parti restano senza prove? Materiale sorgente migliore e affermazioni precise Per l’indagine più ampia passo per passo, consulta la guida al rilevamento delle immagini generate dall’IA. Qui ci concentriamo sulla scelta delle prove che distinguono queste categorie di produzione. Quali prove distinguono generazione e modifica? Chiedi un registro che riguardi la modifica sospettata. Una versione precedente può mostrare la stessa persona in un ambiente diverso. Un creatore può dichiarare un’illustrazione generata. Una cronologia del file può registrare una modifica assistita dall’IA. Attribuisci ogni risultato alla fonte e descrivine l’ambito. Content Credentials sono registri firmati della storia di creazione e modifica. Le domande frequenti della Content Authenticity Initiative spiegano che strumenti compatibili possono registrare generazione IA o scatto con fotocamera e modifiche successive. Le credenziali non sono un verdetto universale sulle foto false e la loro assenza non identifica il metodo di produzione. Usa il verificatore C2PA per esaminare i registri supportati del file, poi controlla validazione, firmatario e azioni. Un registro valido relativo a una modifica va riportato come modifica; non prova automaticamente che l’intera scena sia stata generata. La spiegazione C2PA separa anche provenienza e verità dei fatti. Una storia firmata non certifica didascalia, luogo o vicenda. I normali metadati della fotocamera sono un altro tipo di indizio e non vanno equiparati a una storia firmata. Come confrontare un originale con una copia condivisa? Stabilisci prima quale file possiedi. Una schermata è una nuova acquisizione del contenuto mostrato. I suoi campi non descrivono la scena originale. Anche una copia ritagliata o esportata può non avere il contesto necessario a interpretare un apparente difetto. Se il creatore fornisce una versione precedente, confronta la composizione intera prima di ingrandire i dettagli. Annota differenze in soggetti, sfondo, posizioni degli oggetti e confini. Chiedi quale operazione abbia causato il cambiamento invece di presumere che ogni differenza visibile sia IA. Questa è una mappa concettuale delle prove. Non mostra un risultato di rilevatore né una coppia di immagini reali e sintetiche testata. Una registrazione utile del confronto comprende la fonte di entrambi i file, se siano immagini intere o ritagli e la modifica specifica esaminata. Se hai solo una schermata compressa, annota questo limite invece di trattare l’originale non visto come esaminato. Si possono identificare foto IA da mani, pelle o testo? Questi dettagli possono orientare un esame più attento, ma non dovrebbero decidere il caso. Confronta il dettaglio sospetto con l’ambiente circostante e chiediti se sfocatura, prospettiva, luce o modifica convenzionale offrano altre spiegazioni. Per un ritratto esamina il contatto tra dita e oggetti tenuti, la relazione tra occhiali e volto o scritte che dovrebbero rimanere coerenti su un oggetto. Evita di trasformare pelle liscia o un volto insolito in un’accusa. Descrivi l’incoerenza osservata prima di attribuire una causa. Per un paesaggio o un immobile esamina come le strutture si collegano e come i riflessi si rapportano alla scena. Una ringhiera che si fonde con un muro è un’osservazione utile da indagare. Un edificio visivamente coerente non prova comunque che l’immobile annunciato esista. L’esame visivo ha lo stesso limite in entrambe le direzioni: un dettaglio strano non stabilisce la generazione IA e un aspetto realistico non stabilisce l’origine da fotocamera. Cerca prove sulla storia di produzione quando possibile. Come aiutano ricerca della fonte e filigrane? La ricerca inversa può rivelare una pubblicazione precedente, una dichiarazione del creatore o una didascalia diversa. Le indicazioni Google sul contesto delle immagini spiegano le informazioni disponibili tramite Informazioni su questa immagine. Usa le corrispondenze per indagare cronologia e contesto; non leggere una data indicizzata come data di scatto certificata. Se un’immagine precede l’evento nominato in un nuovo post, potresti aver messo in dubbio la didascalia senza stabilire nulla sull’IA. Anche l’assenza di corrispondenze accessibili lascia la fonte irrisolta invece di provare la generazione. Le verifiche delle filigrane rispondono a una domanda più limitata. Come esaminato il 12 ottobre 2026, le istruzioni di verifica Google Gemini descrivono il controllo dei contenuti caricati per filigrane SynthID supportate. La copertura SynthID documentata riguarda contenuti IA Google. Leggi il risultato effettivo; un’opinione generica di un chatbot sull’aspetto non è la stessa verifica. Un contrassegno rilevato può riguardare generazione o modifica, quindi mantieni l’ambito riportato. Nessun contrassegno non esclude altri sistemi. La nostra guida SynthID spiega come seguire un percorso di verifica ufficiale. Dove si colloca un rilevatore di foto IA? Usa un rilevatore dopo aver identificato file e domanda. Leggi categorie di prove e copertura, poi confronta il risultato con la storia della fonte. Non sostituire una domanda specifica sulla modifica con un punteggio dell’intera immagine. Il rilevatore di immagini AIFakeScan può esaminare prove supportate del file. La nostra metodologia spiega i limiti beta attuali: calibrazione e valutazione sono incomplete, i risultati solo passivi restano inconcludenti e non si dichiara alcuna percentuale di accuratezza validata o probabilità IA misurata. Se un risultato resta irrisolto, chiedi un originale migliore o una storia più chiara. Se due strumenti non concordano, mantieni separati i risultati. La guida ai risultati inconcludenti delle immagini offre passi successivi senza trasformare l’incertezza in un verdetto. Quale conclusione scrivere per un’immagine mista? Considera uno scenario illustrativo di ritratto. Un creatore fornisce una precedente foto da fotocamera e dichiara di aver sostituito lo sfondo con un paesaggio generato. La domanda è se il ritratto finale sia una fotografia della persona in quel luogo. Una conclusione prudente è: «Il creatore descrive un ritratto da fotocamera con uno sfondo sostitutivo generato. L’immagine finale non stabilisce che la persona sia stata fotografata nell’ambiente raffigurato». Spiega la modifica pertinente senza suggerire che il volto della persona sia necessariamente generato. Considera ora una schermata senza originale, dichiarazione o corrispondenza utile nella ricerca. Il risultato appropriato è storia di produzione irrisolta. Un risultato inconcludente del rilevatore non può colmare quei fatti mancanti. Riassumerei un confronto tra foto generata dall’IA e foto reale con quattro campi: Origine: quali prove sostengono lo scatto con fotocamera o la generazione? Modifiche: quali prove sostengono un’aggiunta, rimozione o sostituzione? Contesto: l’immagine sostiene data, luogo o affermazione associati? Lacune: cosa non è stato possibile controllare e quale materiale lo risolverebbe? Questi esempi spiegano il metodo, non sono esperimenti riportati o affermazioni sull’immagine di una persona specifica. Domande frequenti Una fotografia reale può anche essere modificata con IA? Sì. Un’immagine da fotocamera può contenere aggiunte o sostituzioni generate. Descrivi la modifica sostenuta e il suo ambito invece di presumere che un’unica etichetta spieghi l’intero file. Il nome di una fotocamera nei metadati prova che una foto sia reale? Un campo della fotocamera da solo non stabilisce la storia completa della scena raffigurata. Controlla la fonte originale e i registri di produzione disponibili prima di affermare l’autenticità. Content Credentials provano che un evento sia accaduto? Possono fornire una storia attribuita e verificabile di un file. Non stabiliscono indipendentemente la verità dell’evento o della didascalia. Un rilevatore IA può identificare esattamente la parte modificata? Solo se fornisce ed esegue esplicitamente un controllo di localizzazione adatto. Un segnale sull’intera immagine non localizza automaticamente una piccola regione generata. Cosa fare se hai solo una schermata? Salva la fonte, cerca l’immagine sottostante e chiedi un originale quando possibile. Riporta conclusioni riferite alla copia esaminata e registra la storia mancante. Il prossimo passo Scegli l’affermazione sulla produzione da verificare, raccogli il file migliore e confronta le prove su origine, modifiche e contesto. Usa il rilevatore di immagini per le verifiche supportate e segui la nostra lista di verifica video quando l’affermazione dipende da movimento o parlato."},{"id":"https://aifakescan.com/it/resources/ai-video-verification-checklist","url":"https://aifakescan.com/it/resources/ai-video-verification-checklist","title":"Lista di verifica dei video IA per filmati condivisi online","summary":"Usa una lista di verifica dei video IA per esaminare fonte, contesto, movimento, audio e copertura dei rilevatori prima di condividere un filmato. Conserva un registro chiaro delle prove.","date_published":"2026-10-12T05:10:44.698Z","date_modified":"2026-10-12T05:10:44.698Z","tags":["Verifica dei video","Video generati dall’IA","Prove di deepfake"],"content_text":"Usa questa lista di verifica dei video IA per stabilire la fonte, controllare la didascalia ed esaminare la registrazione prima di condividerla come prova. Conserva il file originale, esamina separatamente movimento e suono e registra cosa abbia effettivamente controllato ogni rilevatore. Un elemento irrisolto deve restare tale invece di diventare un verdetto vero o falso. La lista è pensata per filmati in un feed o in una chat di gruppo: un evento drammatico, un’apparente dichiarazione di una celebrità o una scena inattesa. Aiuta a distinguere una domanda sulla produzione da una data, un luogo o una didascalia fuorvianti. Considero il registro dell’indagine parte del risultato. Un’altra persona dovrebbe poter vedere la fonte, rivedere gli stessi momenti e capire perché si sia giunti a una conclusione. Come usare questa lista? Lavora in tre passaggi: fonte e affermazione, sequenza e parlato, poi copertura tecnica e report. Per ogni elemento registra verificato, irrisolto o non applicabile, seguito dalle prove. Verificato significa che hai completato l’accertamento; non significa che il filmato abbia superato un test di autenticità. Se resta una lacuna significativa nella fonte o nella copertura, evita di condividere la registrazione come resoconto verificato. Puoi comunque spiegare cosa è stato trovato e chiedere il materiale mancante. Passaggio Cosa indaghi Registrazione da conservare Fonte e affermazione Editore, data, luogo e contesto completo URL e affermazione esatta Sequenza e parlato Continuità, punti di montaggio e colonna sonora Tempi e confronti Copertura e report Ambito di credenziali, filigrana e rilevatore Risultati e verifiche irrisolte Per un’introduzione dettagliata ai metodi, leggi come capire se un video è generato dall’IA. Questa pagina offre la scheda e la struttura del report. Passaggio 1 Cosa controllare su fonte e affermazione? 1. Salva l’affermazione esatta Scrivi in una frase l’affermazione della didascalia. Includi presunto evento, data, luogo, persona o parole. Un filmato può essere autentico mentre la dichiarazione che lo accompagna è errata, quindi esplicita l’obiettivo dell’indagine. 2. Trova il caricamento originale o più lungo Registra account e pagina da cui hai ricevuto il filmato, poi cerca la versione precedente o completa. Cerca identità dell’editore, storia coerente dei post ed eventuali dichiarazioni sulla produzione. Non considerare automaticamente originale la prima corrispondenza trovata. 3. Cerca fotogrammi rappresentativi Scegli fotogrammi chiari con un luogo, cartello o oggetto caratteristico. Cerca il fotogramma intero e un ritaglio significativo, poi leggi le pagine corrispondenti. Le indicazioni Google sul contesto delle immagini aiutano a capire il contesto che queste ricerche possono rivelare. Le corrispondenze sono indizi; la loro assenza non stabilisce la generazione. 4. Controlla data, luogo ed eventi circostanti Confronta l’affermazione con una registrazione più lunga o resoconti indipendenti. Cerca frasi pronunciate ed eventi caratteristici. Se un caricamento precedente contiene lo stesso filmato, registra la cronologia separatamente da qualsiasi affermazione sull’IA. La guida WITNESS alla verifica dei video di testimoni oculari offre una base per valutare le registrazioni come prove. La domanda utile è cosa il materiale disponibile sostenga, non solo se sembri convincente. Passaggio 2 Cosa controllare nella registrazione? 5. Conserva versione del file e colonna sonora Mantieni invariato il miglior file disponibile. Registra durata e se sia una ripubblicazione, una registrazione dello schermo o un estratto. Conserva l’audio anche se è la parte di cui dubiti. Esamina una copia e annota il punto iniziale di qualsiasi intervallo estratto. 6. Guarda una volta a velocità normale Esamina l’intero filmato prima di concentrarti su un fotogramma insolito. Annota inizi, finali e tagli bruschi e momenti da rivedere. Una transizione in pausa può apparire diversa dall’azione vista in sequenza. 7. Segui gli oggetti nei fotogrammi adiacenti Riproduci lentamente gli intervalli sospetti. Segui un volto, una mano, un oggetto tenuto o un elemento dello sfondo mentre si muove e riappare dopo un’ostruzione. Registra il cambiamento osservato e controlla possibili spiegazioni come sfocatura, movimento della fotocamera, occlusione o montaggio convenzionale. 8. Indaga separatamente sul parlato Confronta una presunta dichiarazione con una registrazione completa identificabile o una trascrizione, quando disponibili. Ascolta cambiamenti attorno a parole importanti e controlla se il movimento delle labbra sia costantemente fuori sincrono. Anche doppiaggio o errori di sincronizzazione possono causare discrepanze; né un suono strano né una voce convincente risolvono la domanda sulla produzione. Il nostro rilevatore video IA riporta separatamente la copertura audio. L’ispezione audio Basic non classifica parlato clonato o sintetico e Basic Scan non include classificazione specializzata della sostituzione del volto. Leggi la nostra guida ai deepfake quando la manipolazione dell’identità è la preoccupazione centrale. Passaggio 3 Quali verifiche tecniche sono state effettivamente eseguite? 9. Leggi le credenziali disponibili Esamina risultato della validazione, firmatario e azioni registrate. Stabilisci se un registro relativo all’IA riguardi la generazione completa o una modifica. La spiegazione C2PA descrive provenienza attribuita e legata ai contenuti, non la certificazione della verità di una storia. Credenziali mancanti non stabiliscono un metodo di produzione. La guida ai risultati delle credenziali spiega perché validazione e interpretazione siano passaggi diversi. Non trasformare un’azione software registrata in un’affermazione che ogni fotogramma sia stato fabbricato. 10. Usa un verificatore ufficiale della filigrana supportato Come controllato il 12 ottobre 2026, le istruzioni di verifica Google Gemini descrivono il controllo di un video caricato per SynthID. Leggi il risultato esplicito della filigrana e la sua copertura. La copertura SynthID documentata di Gemini riguarda contenuti IA Google, non ogni generatore. Una parte di video segnalata non implica che sia stata rilevata una filigrana in ogni suo fotogramma. Nessun contrassegno rilevato non esclude altri sistemi. Segui la guida SynthID per un percorso ufficiale e distingui quella verifica dalle capacità proprie di AIFakeScan. 11. Leggi campionamento del rilevatore e verifiche non disponibili Chiedi se la scansione abbia esaminato ogni fotogramma o momenti campionati e se la classificazione di volto o voce sia stata effettivamente eseguita. La metodologia AIFakeScan afferma che l’analisi video campionata può perdere brevi modifiche e momenti non campionati. Un segmento temporale orienta ulteriori controlli; non definisce il confine preciso di una modifica. Nella beta attuale calibrazione e valutazione restano incomplete. I risultati solo passivi rimangono inconcludenti e non si dichiara alcuna percentuale di accuratezza validata o probabilità IA misurata. Deep Scan non è disponibile pubblicamente. Le verifiche fallite, non supportate e non disponibili vanno registrate come lacune. Questa scheda è un’illustrazione originale, non un report di un rilevatore. Le righe irrisolte mostrano come documentare prove mancanti invece di dedurre un risultato negativo. 12. Scrivi una conclusione per l’affermazione esatta Separa risultati sulla fonte, tue osservazioni e risultati attribuiti allo strumento. Indica file e intervalli esaminati, poi elenca le domande irrisolte. Non fare la media di punteggi non correlati né trattare un voto di maggioranza come prova. Risultato Resoconto difendibile Cosa non stabilisce Un caricamento precedente precede la didascalia L’affermazione sulla data è contraddetta Che l’IA abbia creato il filmato Il creatore dichiara un inserto generato Attribuisci il segmento dichiarato Che ogni altro fotogramma sia verificato Sono stati esaminati solo fotogrammi campionati Indica la copertura limitata Che sia stato valutato l’intero filmato La classificazione della voce non è stata eseguita L’origine del parlato resta non testata Che la voce sia autentica Come conservare un registro utile delle prove? Usa questo modello con la lista di verifica dei video IA. Aggiungi link e tempi, non solo etichette. Affermazione: la frase esatta da verificare. Fonte: URL ricevuto, editore e versione originale o più lunga trovata. File: durata, versione, colonna sonora e posizione di inizio dell’estratto. Contesto: prove per data, luogo o evento dichiarati. Osservazioni: intervalli esaminati e spiegazioni alternative considerate. Risultati tecnici: stato delle credenziali, risultato della filigrana e copertura del rilevatore. Elementi irrisolti: originali mancanti, parlato non testato o verifiche non supportate. Conclusione: dichiarazione circoscritta sostenuta dalle prove raccolte. Un esempio illustrativo: un filmato di 15 secondi è descritto come l’alluvione di oggi. Trovi la stessa sequenza in una registrazione completa precedente. La tua conclusione riguarda la falsa affermazione sulla data; non hai stabilito una generazione IA. Se non è stata eseguita una verifica della voce, la colonna sonora resta non testata anche se il contesto visivo è risolto. Manterrei questa distinzione nella nota finale. Consente a chi esamina di verificare la cronologia senza ereditare un’accusa non sostenuta di contenuto sintetico. Questo è uno scenario didattico immaginario, non un test riportato. Domande frequenti Completare la lista prova che un video sia reale? No. Il completamento registra gli accertamenti eseguiti e i loro risultati. Prove importanti possono ancora mancare e contesto della fonte, immagini e parlato possono restare indipendentemente irrisolti. Un fotogramma strano può provare una generazione IA? No. Esamina fotogrammi vicini e una copia migliore, poi verifica spiegazioni ordinarie come sfocatura o taglio. Un’anomalia specifica è un indizio da indagare. Cosa fare se il video non ha audio? Registra se la fonte sia una registrazione muta o un estratto da cui è stato rimosso l’audio. Non dedurre nulla su una colonna sonora originale assente o non vista. Cosa fare quando gli strumenti non concordano? Conserva il risultato e la copertura dichiarata di ogni strumento. Cerca un file originale o una storia di produzione più forte invece di combinare punteggi diversi in una probabilità finale. Un filmato reale può comunque diffondere disinformazione? Sì. Data, luogo o didascalia errati o contesto omesso possono fuorviare senza filmati generati. Verifica l’affermazione insieme alla storia di produzione dei contenuti. Il prossimo passo Salva filmato e affermazione, completa i tre passaggi e usa il rilevatore video per le prove tecniche supportate. Se il materiale è un’immagine fissa, usa il distinto confronto tra foto IA e foto reale per distinguere acquisizione, generazione e modifiche successive."},{"id":"https://aifakescan.com/it/resources/ai-image-detector-inconclusive-what-to-check-next","url":"https://aifakescan.com/it/resources/ai-image-detector-inconclusive-what-to-check-next","title":"Il rilevatore di immagini IA dice «inconcludente»: cosa controllare dopo","summary":"Una procedura pratica per una scansione IA inconcludente: controlla la copertura, conserva l’originale, esamina credenziali e filigrane e documenta il contesto della fonte.","date_published":"2026-10-03T08:13:58.314Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["Rilevamento dell’IA","Analisi forense dei contenuti","Provenienza dei contenuti"],"content_text":"Un risultato inconcludente di un rilevatore di immagini IA significa che le prove disponibili non sostengono una decisione affidabile sull’origine secondo le regole di quello strumento. Non significa «sicuramente reale», «sicuramente IA» né uguale probabilità per entrambe. Controlla prima quali analisi sono terminate, poi ottieni il file migliore, esamina la provenienza e indaga sull’affermazione della fonte. L’obiettivo è ridurre l’incertezza che conta. Un secondo punteggio opaco può aggiungere meno dell’esportazione originale, di una cronologia di creazione registrata o di una pubblicazione precedente che mostri che la didascalia è errata. La scansione è terminata o una verifica non era disponibile? Leggi lo stato dell’elaborazione e le singole sezioni sulle prove prima di interpretare il verdetto. Un risultato complessivamente inconcludente può coesistere con verifiche utili completate. Un caricamento fallito o un’analisi non supportata sono problemi diversi e vanno registrati separatamente. Cosa dice il report Cosa sai Cosa fare dopo Completata ma inconcludente L’analisi supportata non ha giustificato una decisione più forte Esamina prove, limiti e file originale Verifica non disponibile Quel canale di prova non è stato verificato Risolvi la disponibilità o usa un verificatore adatto File o analisi non supportati L’input o la verifica richiesta esula dalla copertura supportata Ottieni una versione supportata senza scartare l’originale Elaborazione fallita La scansione tentata non è terminata con successo Conserva l’errore e riprova dopo averne risolto la causa Nessuna credenziale o filigrana trovata Una verifica supportata e completata non ha trovato segnali di quel tipo Mantieni l’ambito della verifica; continua con altre prove Per l’attuale beta di AIFakeScan, la combinazione dei rilevatori passivi non ha superato la soglia di calibrazione. Senza un forte segnale supportato di provenienza o verifica ufficiale, i risultati basati solo su segnali passivi restano inconcludenti. È una regola decisionale del prodotto, non una prova che ogni immagine inviata sia ugualmente ambigua. Leggi metodologia e limiti di copertura insieme al rilevatore di immagini IA. Non trasformare un’osservazione interna del modello in una probabilità misurata che l’immagine sia generata dall’IA. Ottieni il file originale prima di modificare l’immagine Il prossimo input utile è spesso un file meglio documentato, non un nuovo tentativo più aggressivo. Conserva la copia ricevuta e chiedi il file originale della fotocamera o l’esportazione della generazione. Etichetta chiaramente entrambe le versioni. La ricerca di Corvi e colleghi esamina il rilevamento di immagini generate per diffusione, compresi scenari di social network con compressione e ridimensionamento. Sostiene che le trasformazioni siano condizioni rilevanti di valutazione; non fornisce una garanzia di accuratezza per un verificatore online diverso. Chiedi come sia stata prodotta la tua copia: scaricata da una fonte, salvata tramite un’app di messaggistica, acquisita come schermata, ritagliata o riesportata. Registra cosa la fonte può confermare e cosa resta sconosciuto. Evita di aumentare nitidezza o risoluzione o di salvare nuovamente l’unica copia disponibile prima dell’analisi. Queste azioni creano un’altra versione da spiegare. Se confronti versioni, cambia una cosa alla volta e conserva report separati. Il nostro studio su schermate e compressione offre un esempio pratico limitato di trasformazioni dei file. Usalo come caso di studio, non come benchmark di accuratezza per ogni schermata o generatore. Esamina la provenienza e l’azione dichiarata Content Credentials possono fornire prove sulle azioni registrate di creazione o modifica quando disponibili. Usa il verificatore C2PA e leggi lo stato di validazione insieme a firmatario e dichiarazione. Un registro mancante lascia una lacuna informativa. La specifica C2PA distingue azioni e componenti. Un componente IA, una modifica IA e la creazione IA del contenuto sono dichiarazioni diverse. Registra quale compare invece di descriverle tutte come generazione completa dell’immagine. La nostra ispezione locale delle credenziali non recupera manifesti remoti. Se la fonte dice che era stata allegata la provenienza ma non ne viene trovata, chiedi l’originale firmato e quale procedura di ispezione sia stata usata. Controlla anche se i metadati sostengano un indizio da seguire, come il nome di un’applicazione o una cronologia di esportazione. I metadati dovrebbero orientare le domande, non risolverle: una sola etichetta software non stabilisce il processo completo di creazione. La domanda pratica è specifica: «Cosa dice il registro disponibile su questo file?». Mantieni aperta la domanda separata sull’accuratezza della didascalia o dell’evento rappresentato finché non la indaghi. Usa una verifica della filigrana del fornitore quando la fonte è pertinente Scegli una procedura di verifica della filigrana in base al fornitore sospettato e al tipo di contenuto supportato. Un verificatore per un sistema di filigrana non testa ogni generatore IA. Un risultato negativo o non disponibile deve mantenere associato questo limite di copertura. La documentazione SynthID di Google DeepMind descrive filigrane applicate nei suoi prodotti di IA generativa e una procedura Gemini per verificare se un contenuto sia stato generato o modificato dall’IA Google. Segui le istruzioni ufficiali attuali quando questa è la domanda a cui devi rispondere. La pagina del verificatore SynthID del sito indirizza alle procedure pertinenti. Non esegue una scansione SynthID diretta delle immagini caricate. Usa la procedura ufficiale collegata e mantieni associato al risultato l’ambito di contenuti e fornitori supportati. Salva il risultato esatto del fornitore. «È stata trovata una filigrana supportata» è diverso da «la storia dell’immagine è vera». «Non è stata trovata una filigrana supportata» è diverso da «non è stata usata IA». Controlla indipendentemente l’affermazione della fonte L’origine di un’immagine e l’affermazione associata sono domande separate. Anche se la generazione resta irrisolta, potresti verificare che un’immagine preceda l’evento dichiarato, sia stata pubblicata altrove o rappresenti un luogo diverso. Usa questi controlli come procedura di indagine: Scrivi l’affermazione specifica: chi, dove, quando e cosa sarebbe accaduto. Individua la prima pubblicazione che puoi documentare, conservando URL e data. Cerca altre viste, eventi vicini o notizie indipendenti che sostengano il contesto. Chiedi al creatore o editore l’originale e una spiegazione del flusso di lavoro. Separa fatti confermati, deduzioni e dettagli irrisolti. Il rapporto NIST sulla trasparenza dei contenuti digitali tratta tracciamento della provenienza e rilevamento di contenuti sintetici come approcci distinti con usi dipendenti dal contesto. Nota anche che contenuti autentici possono comunque essere fuorvianti. Un controllo tecnico dell’origine risponde quindi solo a una parte della verifica. Se un altro rilevatore non concorda, conserva la differenza e indaga sulla copertura degli strumenti. Non fare la media di punteggi non correlati né trasformare un voto di maggioranza in prova. Per il problema più ampio degli errori vedi perché avvengono i falsi positivi dei rilevatori IA. Conserva un registro delle prove e scegli un punto utile in cui fermarti Un breve registro rende gestibile l’incertezza. Registra versione del file, verifiche completate, osservazioni e domande irrisolte. Decidi quali ulteriori informazioni potrebbero cambiare la conclusione prima di dedicare tempo a scansioni ripetute. Campo del registro delle prove Esempio di formulazione Versione del file Schermata da una ripubblicazione; originale non fornito Elaborazione Scansione completata; risultato passivo inconcludente Provenienza Nessuna credenziale disponibile localmente trovata Copertura della filigrana Verifica ufficiale del fornitore non eseguita Contesto della fonte Prima pubblicazione confermata registrata separatamente Domanda aperta Se la fonte possa fornire l’esportazione originale Prossima azione Chiedere l’originale ed esaminare il flusso dichiarato Queste voci illustrano un modello, non un report di un file testato. Sostituiscile con le tue osservazioni effettive. Un punto utile in cui fermarsi è una conclusione delimitata: «L’origine resta irrisolta per questa copia; la didascalia è stata verificata indipendentemente» oppure «La fonte ha fornito un registro validato che dichiara una modifica IA». Se nessuna verifica disponibile affronta la domanda irrisolta, altri tentativi possono semplicemente ripetere lo stesso limite. Per una decisione con conseguenze, conserva le prove e ottieni una revisione qualificata adatta al caso. Un risultato inconcludente dovrebbe restare tale finché ulteriori prove non sostengano una dichiarazione più circoscritta e difendibile. Domande frequenti Inconcludente significa che l’immagine è probabilmente reale? No. Il risultato non stabilisce un’origine umana. Leggi il motivo della decisione e la copertura: l’incertezza può riflettere prove insufficienti, interpretazione del modello non validata o limiti del file e delle verifiche supportate. Una scansione inconcludente è un errore tecnico? Non necessariamente. Una scansione può terminare con successo e non avere comunque prove sufficienti per decidere l’origine. Controlla lo stato di elaborazione e ogni canale di prova per distinguere l’incertezza da analisi fallite o non disponibili. Devo continuare a caricare finché non ottengo un risultato sicuro? Ripeti solo quando cambia qualcosa di significativo, come ottenere l’originale o risolvere una verifica non disponibile. Conserva entrambi i report. Ripetere la stessa analisi supportata da solo non aggiunge prove indipendenti. Cosa condividere con chi esamina l’immagine? Condividi versione esatta del file, fonte, data della scansione, formulazione del risultato, verifiche completate e limiti. Includi ogni contesto verificato indipendentemente. Tieni separate le osservazioni dalle affermazioni che richiedono ancora indagine."},{"id":"https://aifakescan.com/it/resources/c2pa-checker-results-explained","url":"https://aifakescan.com/it/resources/c2pa-checker-results-explained","title":"Risultati del verificatore C2PA: credenziali valide, non valide e mancanti","summary":"Interpreta stati del verificatore C2PA, fiducia nel firmatario e dichiarazioni sull’IA, poi registra una nota chiara senza confondere provenienza e prova di autenticità.","date_published":"2026-10-03T08:13:58.314Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["C2PA","Content Credentials","Provenienza dei contenuti"],"content_text":"Un risultato C2PA descrive il registro di provenienza disponibile per un file specifico. Una credenziale validata sostiene una conclusione più limitata di «questa immagine è reale». Le credenziali mancanti non provano la generazione IA e un fallimento di validazione non spiega chi abbia cambiato il file o perché. Il passo successivo utile è leggere insieme stato, firmatario, azioni dichiarate e limiti. Questa guida spiega le etichette dei risultati del verificatore C2PA, poi propone un modo per registrare ciò che il risultato sostiene effettivamente. Cosa significa ogni stato del verificatore C2PA? Queste etichette descrivono esiti diversi di una verifica delle credenziali. Non sono valutazioni di autenticità intercambiabili. Parti dalle parole esatte del report e mantieni il risultato legato alla versione del file inviato. Etichetta del report Come leggerla Il prossimo passo Credenziale validata Il verificatore ha stabilito prove affidabili della credenziale per il file esaminato Leggi il firmatario e le azioni dichiarate Fiducia nel firmatario non stabilita È stata trovata una credenziale, ma il verificatore non ne ha stabilito lo stato affidabile Esamina avvisi e dettagli del firmatario; non presumere che tutti i controlli di validazione siano passati Validazione fallita Il report disponibile contiene un fallimento di validazione Conserva i dettagli del fallimento e confronta con il file originale Nessun Content Credentials trovato La verifica non ha individuato credenziali con il metodo supportato Chiedi l’originale e indaga su altre prove Verifica non disponibile Non è stato possibile eseguire la verifica della credenziale Considera questo canale non verificato Report non supportato Il risultato del verificatore non ha potuto essere interpretato come report di credenziali supportato Conserva i dettagli disponibili e cerca un flusso di ispezione compatibile Le indicazioni di validazione C2PA distinguono un registro interpretabile, una validazione riuscita e una credenziale di firma affidabile. Un’interfaccia può comprimere questi dettagli in un simbolo, perciò gli avvisi sottostanti contano. Per un’introduzione più ampia a manifesti e firme, leggi cosa sono Content Credentials e come funzionano. Qui ci concentriamo su cosa fare con un risultato già disponibile. «Credenziale validata» prova che un’immagine sia reale? Sostiene la relazione della credenziale riportata dal verificatore. Non verifica indipendentemente scena, didascalia, luogo o data. Un’immagine tecnicamente validata può comunque essere associata a una storia inesatta. Le indicazioni C2PA per i consumatori distinguono esplicitamente la provenienza verificabile dai giudizi sulla verità dei contenuti digitali. Leggi le azioni prima di concludere sull’origine. La specifica tecnica prevede campi di azione e tipo di fonte che possono descrivere creazione, modifiche e componenti. Questi possono rispondere a domande diverse: Un’azione di creazione può dichiarare che un contenuto sia stato generato con IA. Un’azione di modifica può descrivere cambiamenti IA a un contenuto esistente. Un componente può essere generato dall’IA anche quando il contenuto finale combina più fonti. Non appiattire questi casi in «l’intera immagine è stata generata». Per esempio, uno sfondo creato dall’IA in un montaggio è un’affermazione diversa da una scena interamente generata. Quando spieghi il risultato usa l’ambito dichiarato: «Il registro validato dichiara una modifica IA» è più preciso di «Ogni pixel è falso». Poi indaga se l’editore abbia rappresentato accuratamente tale modifica. Come gestire un firmatario non attendibile o una validazione fallita? Tieni separati fiducia nel firmatario ed errori di validazione. «Fiducia nel firmatario non stabilita» significa che questo verificatore non ha assegnato al registro lo stato affidabile. L’etichetta da sola non stabilisce che ogni altro controllo sia riuscito o che il firmatario abbia agito disonestamente. Cerca nome del firmatario, codici di validazione e spiegazione del report. Se un secondo verificatore dà un risultato diverso, registra la differenza invece di scegliere il simbolo più rassicurante. Chiediti se entrambi gli strumenti abbiano esaminato gli stessi byte e se configurazione di fiducia o formato supportato siano diversi. Con «Validazione fallita», conserva l’avviso specifico. Un fallimento può riguardare la credenziale o la sua relazione con il contenuto; l’etichetta da sola non ne identifica la causa. Evita di diagnosticare una manomissione intenzionale da un simbolo riassuntivo. Un confronto pratico consiste nell’ottenere il file originale firmato dal creatore ed esaminarlo separatamente. Se originale e copia circolata danno risultati diversi, documenta la differenza. È un indizio per indagare sulla distribuzione, non prova automatica di comportamento scorretto. Per approfondire, salva file esatto, nome dello strumento, data della scansione, stato ed eventuali codici di errore. Una schermata del simbolo è contesto utile, ma conservare il file esaminato rende il risultato riproducibile. Perché un verificatore potrebbe non trovare Content Credentials? Il risultato riguarda il metodo di ricerca delle credenziali e il file esaminato. Non distingue un originale senza firma da una copia che ha perso la provenienza incorporata. Non stabilisce nemmeno se sia stata usata IA. Il nostro verificatore esamina le credenziali disponibili localmente e non recupera manifesti remoti da URL incorporati in file non attendibili. Un registro di provenienza esterno può quindi esistere senza essere disponibile tramite questa verifica. Altre implementazioni possono offrire procedure di recupero. La documentazione Adobe descrive un approccio che usa filigrana invisibile, impronta digitale e cloud Content Credentials per recuperare registri corrispondenti, anche dopo schermate. È una funzione del flusso Adobe documentato, non una capacità da presumere in ogni verificatore C2PA. Chiedi alla fonte l’esportazione originale firmata prima di creare tu una nuova copia. Convertire, salvare di nuovo o fotografare lo schermo introduce un’altra versione nell’indagine. Se esiste solo una ripubblicazione, conserva questo limite nelle note. «Verifica non disponibile» e «Report non supportato» richiedono una risposta diversa: risolvere il problema di ispezione o usare un flusso compatibile. Nessuno dei due è una verifica completata che non ha trovato nulla. Come trasformare un risultato in una nota utile sulle prove? Scrivi una dichiarazione circoscritta verificabile da un’altra persona. Separa quanto osservato nel report dall’affermazione sul mondo reale che stai valutando. Questo impedisce che un risultato di provenienza diventi un verdetto più ampio durante condivisione o revisione. Usa questo modello: Campo Cosa registrare Contenuto Nome, formato, dimensioni e versione del file; hash se disponibile Fonte Da dove proviene la copia esatta e quando l’hai ottenuta Verifica Strumento, data, etichetta del risultato e dettagli di validazione disponibili Dichiarazione Azione IA, modifica o componente registrati, usando le parole del report Limite Campi mancanti, verifiche non disponibili o assenza dell’originale Contesto Didascalia o affermazione che richiede ancora verifica indipendente Per un risultato mancante una nota adatta è: «L’ispezione locale supportata di questa copia non ha trovato credenziali; l’originale non è stato ottenuto». Per una dichiarazione IA affidabile registra l’ambito e il firmatario invece di accusare il creatore. Se la provenienza non risolve la questione, il rilevatore di immagini IA offre un altro canale di prova supportato. Esamina anche i suoi limiti e usa la ricerca sulla fonte per verificare la storia associata al contenuto. Domande frequenti «Fiducia nel firmatario non stabilita» equivale a «Validazione fallita»? No. Rappresentano esiti diversi del report. L’assenza di stato affidabile da sola non identifica un fallimento di validazione né prova che tutti i controlli siano riusciti. Esamina i dettagli e conserva l’etichetta esatta nelle note. Un’immagine generata dall’IA può avere Content Credentials validati? Sì. Una credenziale può dichiarare creazione o modifica IA. La domanda pertinente è quale azione dichiari il registro affidabile, non se il file abbia semplicemente un simbolo di credenziale. Content Credentials mancanti provano che un file sia falso? No. Questo risultato significa che la verifica supportata non ha trovato credenziali disponibili in quella copia. Non stabilisce un’origine umana o IA e non risolve se la didascalia sia accurata. Devo modificare il file per riparare una credenziale fallita? Conserva il file prima di modificarlo. Chiedi l’esportazione originale firmata ed esaminala separatamente. Una copia modificata o riesportata è un nuovo elemento d’indagine e non dovrebbe sostituire silenziosamente la prova esaminata inizialmente."},{"id":"https://aifakescan.com/it/resources/ai-image-detection-after-screenshots-compression","url":"https://aifakescan.com/it/resources/ai-image-detection-after-screenshots-compression","title":"Cosa hanno cambiato schermate e compressione JPEG nel nostro test di rilevamento IA su 60 file","summary":"Un caso di studio riproducibile con 12 fonti e 60 file su schermate, ridimensionamento, compressione JPEG, ricodifica dei metadati, credenziali C2PA e risultati del modello visivo.","date_published":"2026-09-24T18:28:42.409Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["Rilevamento dell’IA","Provenienza dei contenuti"],"content_text":"Le schermate, il ridimensionamento e la compressione JPEG non si limitano a ridurre un file. Creano un file diverso, possono rimuovere la provenienza incorporata e modificare il punteggio di un rilevatore visivo. Abbiamo condotto un caso di studio controllato su 60 file per mostrare come questi cambiamenti siano apparsi in un piccolo campione interamente documentato. Cosa abbiamo testato Abbiamo selezionato 12 immagini sorgente dal repository pubblico di campioni AI Detector Arena: quattro foto da fotocamera, quattro immagini generate con Flux e quattro derivate visibilmente modificate delle foto da fotocamera. I quattro temi erano animali, arte, cibo e paesaggi. Ogni fonte ha prodotto cinque versioni: l’originale identico byte per byte; una schermata reale del browser mostrata in Chrome a 1280 per 900 pixel; un ridimensionamento con il lato più lungo limitato a 1024 pixel; un’esportazione JPEG con qualità 60; una ricodifica PNG senza metadati. Per ogni versione abbiamo registrato hash SHA-256, formato, dimensioni, numero di byte, numero di campi EXIF, risultato C2PA e risultato grezzo del modello visivo locale di AIFakeScan. La prova ha usato c2patool 0.26.60 e `community-forensics-384.onnx` il 25 settembre 2026. Scarica il CSV dei risultati con 60 righe. Scarica l’inventario delle fonti. Scarica le impostazioni della prova. Cosa è successo al risultato del modello visivo La tabella riporta il punteggio grezzo medio di quattro file in ogni cella. Sono osservazioni di questo campione, non tassi di accuratezza né probabilità calibrate. Gruppo di origine Originale Schermata Ridimensionata JPEG qualità 60 Metadati rimossi Foto da fotocamera 0.0036 0.0021 0.0115 0.0020 0.0036 Foto visibilmente modificate 0.0063 0.0014 0.0145 0.0031 0.0063 Immagini generate con Flux 0.9968 0.8569 0.7151 0.5226 0.9968 Il gruppo generato è cambiato di più. Un’immagine artistica generata è passata da 0.9978 nell’originale a 0.3240 dopo il ridimensionamento e 0.0093 dopo la compressione JPEG. Un paesaggio generato è passato da 0.9900 a 0.4344 nella schermata. Altri file generati sono rimasti vicini a 1.0 dopo le stesse trasformazioni. Questa variazione spiega perché il punteggio di una schermata non può essere trattato come il punteggio di un originale non visto. Mostra anche perché modificare un file finché un rilevatore non dà la risposta desiderata non è un metodo di revisione valido. Cosa è successo a Content Credentials Tutti e quattro gli originali generati contenevano un manifesto C2PA che dichiarava contenuto generato. c2patool ha indicato il manifesto come valido, ma la credenziale della firma non era nell’elenco locale di fiducia, quindi il risultato registrato era valido ma non attendibile. La schermata, il JPEG ridimensionato, il JPEG compresso e la versione senza metadati di ciascuno di quei quattro file non avevano Content Credential incorporati. Anche gli otto file sorgente da fotocamera e modificati non avevano credenziali in nessuna versione testata. Questo risultato riguarda questi percorsi di esportazione. Non significa che ogni ridimensionamento o editor debba rimuovere C2PA. Un flusso che supporta C2PA può conservare o sostituire una credenziale. Non significa nemmeno che un file senza credenziale sia autentico. Cosa è successo ai metadati Nessuno dei 12 originali selezionati esponeva campi EXIF tramite Pillow. Le versioni senza metadati non possono quindi dimostrare la rimozione di EXIF della fotocamera in questo campione. Dimostrano però che una ricodifica con pixel equivalenti cambia hash e contenitore del file anche quando il risultato del modello visivo locale rimane uguale fino alla sesta cifra decimale. Questo limite fa parte del risultato. Non abbiamo affermato che siano stati rimossi metadati quando gli originali selezionati non ne avevano da rimuovere. Cosa non abbiamo testato I file selezionati non erano documentati come prodotti di un fornitore proprietario di filigrane supportato. Non abbiamo quindi eseguito una verifica ufficiale SynthID o di filigrane di altri fornitori e quei campi rimangono vuoti nel registro. Vuoto significa non eseguito, non assente. Non abbiamo nemmeno caricato questi file sulle piattaforme social. Nessuna conclusione qui descrive cosa una particolare piattaforma conservi o rimuova. Come controllare le tue versioni Conserva il primo file disponibile prima di aprirlo in un editor. Calcola l’hash e assegna un’etichetta a ogni versione. Non sovrascrivere l’originale. Usa il verificatore C2PA su ogni file per vedere se una credenziale è presente e se la validazione è stata completata. Se sospetti che la fonte sia l’IA di Google, segui il percorso di verifica SynthID per ogni versione pertinente. Esegui il rilevatore di immagini IA e registra il report completo e i limiti invece di copiare un solo punteggio. Descrivi il risultato come relativo al file esatto verificato. Limiti di questo caso di studio Il campione contiene quattro immagini per gruppo di origine e quattro temi. È stato selezionato per mostrare un metodo riproducibile, non per stimare l’accuratezza sulla popolazione. Il gruppo modificato ha usato una sola procedura di modifica visibile. Il modello locale è una sola versione di un rilevatore. Le filigrane dei fornitori e la distribuzione sulle piattaforme social non sono state testate. Per controllare i riepiloghi precedenti si dovrebbe usare il registro completo a livello di singola riga. Domande frequenti Una schermata elude ogni rilevatore di immagini IA? No. In questo campione alcune schermate generate sono rimaste vicine al punteggio originale, mentre altre sono cambiate notevolmente. Una schermata è un nuovo input e va descritta come tale. L’assenza di C2PA prova che un’immagine è reale? No. Significa che in quel file non è stata trovata una credenziale utilizzabile. Molti file autentici e generati non hanno credenziali incorporate. Il punteggio visivo grezzo è una percentuale di accuratezza? No. È il risultato di un modello osservato per un file. Questo esperimento non stima sensibilità, specificità o accuratezza generale."},{"id":"https://aifakescan.com/it/resources/ai-image-detector-tools-comparison","url":"https://aifakescan.com/it/resources/ai-image-detector-tools-comparison","title":"Confronto tra rilevatori di immagini IA: scegli la verifica delle prove adatta nel 2026","summary":"Confronta rilevamento di immagini IA, validazione C2PA e verifica SynthID per tipo di prova, privacy, accesso e limiti dei risultati.","date_published":"2026-09-24T18:28:42.409Z","date_modified":"2026-10-03T08:13:58.314Z","tags":["Rilevamento dell’IA","Filigrane IA"],"content_text":"Un rilevatore di immagini IA, un validatore Content Credentials e un verificatore di filigrane del fornitore rispondono a domande diverse. Il confronto utile parte dalle prove necessarie, non da un unico punteggio «migliore». Il confronto tra fornitori è stato controllato il 25 settembre 2026. Le note su conservazione dei file e ambito dei verificatori sono state esaminate rispetto all’implementazione il 3 ottobre 2026. Il comportamento di AIFakeScan si basa sul nostro caso di studio eseguito su 60 file e sui controlli dell’implementazione. Le voci Google, Adobe e Sightengine sono limitate alla loro documentazione ufficiale corrente, salvo che una riga dica esplicitamente che sono state testate. Tabella rapida di scelta Strumento Prova principale Uso più adatto Cosa non può provare un risultato negativo Base delle prove qui AIFakeScan AI Image Detector Modello visivo locale più prove disponibili nel file Esaminare inizialmente un’immagine sconosciuta e vedere prove separate con i rispettivi limiti Che il file sia autentico o non sia mai stato modificato con IA Testato localmente su 60 versioni di file registrate AIFakeScan C2PA Checker Content Credentials incorporati, validazione e stato di fiducia locale Esaminare provenienza, stato del firmatario, azioni dichiarate e metadati di base Che un file senza credenziale sia reale Testato localmente sugli stessi 60 file Verifica Google Gemini SynthID per l’IA Google più Content Credentials supportati Chiedere se l’IA Google abbia creato o modificato un’immagine Che non sia stato usato un altro generatore Documentazione del fornitore; nessuna fonte compatibile nel nostro esperimento Adobe Content Authenticity Inspect Content Credentials e credenziali corrispondenti recuperabili Esaminare la cronologia delle credenziali nel flusso web Adobe Che l’assenza di credenziali stabilisca l’autenticità Disponibilità dell’interfaccia e documentazione del fornitore; nessun risultato di caricamento registrato Sightengine genai API Classificazione visiva dei pixel tramite API ospitata Controllo visivo programmato quando un fornitore esterno è accettabile Provenienza, identità del firmatario o correttezza universale Documentazione del fornitore; nessuna esecuzione API a pagamento in questo confronto AIFakeScan: combina le prove del file senza confonderle Il rilevatore di immagini IA generale esegue un modello visivo locale e mostra le prove disponibili nel file. Il C2PA Checker dedicato usa un profilo limitato alla provenienza e non esegue il classificatore dei pixel né un rilevatore a pagamento. Nel nostro caso di studio su 60 file, il verificatore C2PA ha trovato manifesti di contenuto generato validi ma non attendibili localmente in quattro originali generati. Le 16 versioni trasformate derivate da quegli originali non avevano credenziali incorporate. La media del modello visivo per il gruppo generato è passata da 0.9968 sugli originali a 0.5226 sulle versioni JPEG qualità 60. Queste osservazioni mostrano perché i due tipi di prova debbano restare separati; non classificano AIFakeScan rispetto a un altro rilevatore. I file della Basic Scan pubblica vengono elaborati sull’infrastruttura server di AIFakeScan. Gli originali caricati restano privati finché il proprietario non sceglie Elimina file caricati e report nella pagina della verifica. L’accesso al report scade dopo 45 minuti; la scadenza non elimina gli originali. Il verificatore non è locale al browser. Consulta l’informativa sulla privacy attuale prima di caricare contenuti sensibili. Google Gemini: usalo per il percorso ufficiale SynthID La pagina di assistenza Google afferma che gli utenti Gemini idonei e autenticati possono caricare un file e chiedere se sia stato creato o modificato dall’IA Google. Gemini riconosce attualmente SynthID per contenuti degli strumenti IA Google e può anche riassumere Content Credentials supportati. È il percorso adatto quando la domanda specifica riguarda la filigrana Google. Non è un test universale delle filigrane. Un risultato SynthID «non rilevato» non esclude altri sistemi IA e Google documenta un esito incerto per alcuni file. Usa il percorso del verificatore SynthID per preparare il file, copiare una richiesta precisa e registrare l’esito restituito. Per contenuti di origine Google usa il percorso di verifica ufficiale esterno. Le verifiche separate delle filigrane OpenAI per immagini e audio sul sito dipendono dal fornitore documentato, dalla configurazione e dall’accesso; non stabiliscono una copertura universale delle filigrane. Adobe Content Authenticity: esamina la cronologia delle credenziali L’interfaccia web Inspect di Adobe è progettata per Content Credentials. La documentazione Adobe descrive la visualizzazione di origine, cronologia delle modifiche e informazioni sull’IA generativa quando sono disponibili credenziali, compresi metodi di recupero per alcune credenziali corrispondenti. Il sito pubblico era raggiungibile durante questa revisione, ma non abbiamo registrato un risultato di caricamento. La sua voce nella tabella è quindi una capacità documentata, non un risultato misurato. È utile come seconda interfaccia per esaminare credenziali, soprattutto nei flussi Adobe. Sightengine: un’API visiva ospitata Sightengine documenta un modello ospitato `genai` che esamina i pixel e restituisce un punteggio di generazione IA, con informazioni per generatore in alcuni livelli di accesso. Il fornitore afferma che i metadati non sono usati per tale punteggio visivo e offre un livello di prova e piani di produzione a pagamento. Non abbiamo inviato l’insieme di 60 file a Sightengine, quindi questo articolo non confronta i suoi punteggi o la sua accuratezza con AIFakeScan. Usalo quando un’API esterna e le sue condizioni attuali di trattamento dati, limiti e prezzi sono adatte al tuo flusso. Abbina lo strumento alla domanda La tua domanda Inizia qui Aggiungi se necessario Il file contiene una cronologia verificabile di origine o modifiche? Verificatore C2PA Adobe Inspect per un’altra interfaccia delle credenziali È stato creato o modificato dall’IA Google? Verifica Gemini SynthID C2PA e controllo della fonte I pixel somigliano agli schemi appresi delle immagini generate? Rilevatore di immagini IA Un secondo fornitore visivo e un confronto controllato delle versioni del file L’evento rappresentato o la didascalia sono veri? Indagine sulla fonte e conferme indipendenti Ricerca inversa delle immagini, editore originale e prove contestuali Nessuno strumento nella tabella prova la verità dei fatti. La provenienza può registrare chi ha firmato una cronologia; una filigrana può identificare un fornitore compatibile; un modello visivo può produrre un segnale probabilistico. Tieni separati i risultati fino alla conclusione finale. Note su privacy, accesso e costi Strumento Elaborazione del file Nota su accesso e prezzo controllata il 25 settembre 2026 AIFakeScan Caricato sul servizio di elaborazione; originali privati conservati fino all’eliminazione richiesta dal proprietario, con accesso al report in scadenza dopo 45 minuti Basic Scan pubblico durante la beta; controlla i limiti attuali sulla pagina dello strumento Gemini Caricato su Google secondo i termini dell’account e del prodotto Sono richiesti accesso e account idoneo; Google documenta quote giornaliere di verifica Adobe Inspect Caricato o fornito al flusso di ispezione web Adobe L’accesso web pubblico era disponibile; disponibilità di account e funzioni può cambiare Sightengine Inviato all’API ospitata di Sightengine Il fornitore documenta un livello gratuito di test e piani di produzione a pagamento; controlla i prezzi attuali Domande frequenti Quale rilevatore di immagini IA è il più accurato? Questo confronto non lo afferma. Un confronto attendibile dell’accuratezza richiede un insieme di dati etichettato, rappresentativo e con versione definita, input identici, metriche predefinite e registrazione completa degli errori. Gli strumenti qui rispondono anche a domande diverse. Devo usare prima C2PA o un rilevatore visivo? Se è disponibile il file originale, controlla prima la provenienza perché una dichiarazione validata può essere prova diretta della storia del file. Poi usa controlli visivi e contestuali per le domande a cui la credenziale non risponde. Uno strumento può verificare ogni filigrana IA invisibile? Nessuno strumento pubblico in questo confronto stabilisce una copertura universale dei sistemi proprietari di filigrana. Usa il verificatore compatibile del fornitore e registra esattamente quale sistema è stato eseguito."},{"id":"https://aifakescan.com/it/resources/synthid-checker-guide","url":"https://aifakescan.com/it/resources/synthid-checker-guide","title":"Come verificare SynthID: passaggi ufficiali e limiti","summary":"Verifica SynthID con il Detector ufficiale o il percorso per immagini in Gemini. Comprendi copertura dei contenuti, versioni dei file e verifiche specifiche del fornitore.","date_published":"2026-09-24T16:21:51.477Z","date_modified":"2026-10-19T09:31:03.686Z","tags":["Filigrane IA","Provenienza dei contenuti"],"content_text":"Per una verifica SynthID inizia dal SynthID Detector ufficiale di Google per immagini, video e audio supportati. Esamina la copertura attuale per Google e i partner partecipanti. La scansione visiva AIFakeScan e una verifica compatibile delle filigrane esaminano prove diverse. Percorsi ufficiali esaminati il 19 ottobre 2026. La scheda seguente registra versioni dei file e risultati; non è un benchmark di accuratezza. Dove puoi verificare SynthID? Google ha annunciato l’accesso globale in inglese a SynthID Detector il 7 ottobre 2026. Il servizio pubblico verifica file di immagini, video e audio supportati. La sua disponibilità non stabilisce un accesso API pubblico né abilita la verifica Google all’interno di AIFakeScan. Apri il SynthID Detector ufficiale e controlla i requisiti attuali dei file. Conserva l’originale, carica il file supportato, leggi il risultato e salvane le parole esatte insieme alla data della verifica. Vedi l’annuncio di accesso Google. SynthID incorpora una filigrana impercettibile nei contenuti generati. Google la descrive come progettata per resistere ad alcune trasformazioni, inclusi ritaglio e compressione con perdita. Questo obiettivo di progettazione non stabilisce un tasso di successo per il file specifico che hai in mano. Come verificare un’immagine in Gemini Segui le attuali istruzioni di verifica Gemini di Google. Accedi con un account personale o Workspace idoneo, apri Gemini, usa Aggiungi file e carica un’immagine. Chiedi se l’IA Google l’abbia creata o modificata. Leggi la spiegazione della verifica restituita e conserva la risposta esatta insieme al file. Per Gemini, controlla la pagina di assistenza attuale per limiti di caricamento e requisiti dell’account prima di inviare un file. Gemini, SynthID Detector e AIFakeScan hanno limiti separati. Se è disponibile solo una schermata, Google consiglia un ritaglio stretto attorno a una sola immagine, non a un collage. Conserva anche la schermata non modificata e registra il ritaglio. Quando possibile chiedi il download originale. Cosa sostiene il risultato? Registra separatamente gli esiti rilevato, non rilevato e incerto, usando le parole esatte del servizio. Controlla la copertura attuale dei contenuti e dei fornitori del verificatore usato. Il ritrovamento di una filigrana supportata non verifica una scena o una didascalia. Usa questa lista di interpretazione; le etichette sotto sono categorie di revisione, non parole garantite dell’interfaccia. Cosa ricevi Cosa registrare Cosa fare dopo Una rilevazione SynthID segnalata Risposta esatta, file, data e qualsiasi ambito descritto Distingui generazione e modifica; verifica separatamente la didascalia Nessuna rilevazione segnalata Il risultato negativo per questo file inviato Considera ancora altri generatori e la storia della fonte dell’immagine Una determinazione incerta La spiegazione senza convertirla in un sì o un no Cerca un file sorgente migliore e conserva l’incertezza Errore di caricamento o verifica non completata Errore o copertura mancante Segna come non verificato; non registrare un risultato negativo La risposta di un rilevatore non dovrebbe diventare implicitamente un’affermazione più ampia su una persona, un evento o un editore. Per esempio, trovare una prova di modifica IA non identifica ogni area cambiata né stabilisce che una notizia collegata sia falsa. SynthID, Content Credentials e rilevamento visivo Questi canali di prova possono comparire nella stessa revisione. Tieni separati i risultati. Canale di prova Domanda da porre Limite da mantenere Verifica SynthID Una verifica compatibile del fornitore ha trovato la sua filigrana? Una verifica di filigrana ha una copertura definita di fornitori C2PA Content Credentials Quali dichiarazioni di provenienza sono state verificate e secondo quali regole di fiducia? Una cronologia firmata non garantisce la verità dei fatti Metadati ordinari Quali indizi su fotocamera, software o esportazione rimangono? I campi modificabili sono contesto, non prova indipendente Modello visivo Cosa ha riportato questo modello sui pixel inviati? Una classificazione non ricostruisce la storia di creazione Gemini può anche esaminare Content Credentials. Salva quei risultati separatamente dalla risposta SynthID. La nostra guida C2PA spiega gli stati di validazione e fiducia. Una scheda per originali e copie condivise Conserva una registrazione per file. Se confronti un originale con un download social o una schermata, etichetta le versioni prima di caricarle. Non sovrascrivere un originale cercando una risposta diversa dal rilevatore. Campo Da compilare durante la revisione Domanda della revisione La specifica affermazione su generazione, modifica o fonte Identità del file Nome, formato, dimensioni ed eventualmente hash SHA-256 Acquisizione URL della fonte o mittente, data del download e indicazione di originale o copia Modifiche note Ritaglio, schermata, ridimensionamento, esportazione o percorso della piattaforma; sconosciuto se non disponibile Verifica ufficiale Servizio, data, risposta esatta e indicazione se la verifica è stata completata Altre prove Dettagli delle credenziali, storia di pubblicazione, spiegazione del creatore e risultati contrastanti Conclusione Cosa sostengono le prove e cosa è ancora sconosciuto Questo è un modello di revisione vuoto. Non contiene risultati misurati sulla sopravvivenza delle filigrane. Il confronto di due file sconosciuti non può nemmeno dirti quale segnale esistesse prima che ciascun file ti arrivasse. Dove si colloca AIFakeScan Usa il rilevatore di immagini IA per esaminare le prove disponibili nel file e leggere le note sulla copertura. AIFakeScan non esegue il verificatore proprietario SynthID di Google. I suoi segnali visivi beta restano da soli inconcludenti e non forniscono una probabilità IA calibrata. Per un controllo più ampio della fonte, segui Come rilevare immagini generate dall’IA. Se un segnale del rilevatore contrasta con la storia della fonte, usa la guida alla revisione dei falsi positivi. Usa il percorso interattivo di verifica SynthID Il verificatore SynthID AIFakeScan elenca accesso e copertura specifici per fornitore. Usa il Detector ufficiale esterno per i contenuti supportati; Gemini rimane un percorso alternativo per le immagini. Controlla lo stato del fornitore prima di inviare qualsiasi cosa all’interno di AIFakeScan. Seguire un percorso esterno non carica un file su AIFakeScan né importa il risultato. Solo un verificatore nello strumento con accesso confermato e abilitato può ricevere file qui. Registra servizio usato, risposta esatta, versione del file e data. Questa guida resta il riferimento dettagliato per copertura, gestione delle versioni dei file e interpretazione dei risultati. La pagina dello strumento è il punto operativo di accesso per l’intento `synthid checker`. Domande frequenti Un rilevatore generico di immagini IA è un verificatore SynthID? No. Un classificatore visivo e un verificatore di filigrane compatibile esaminano prove diverse. Cerca una descrizione esplicita della verifica effettivamente eseguita. L’assenza di rilevazione SynthID prova che un’immagine sia una fotografia reale? No. Il risultato non esclude ogni altro sistema IA né stabilisce la verità della scena rappresentata. Registra la conclusione limitata e continua la revisione della fonte. AIFakeScan può verificare SynthID? La verifica Google all’interno di AIFakeScan resta soggetta all’accesso all’integrazione. Usa il SynthID Detector ufficiale esterno per i contenuti supportati o Gemini per il percorso immagini documentato. Le verifiche di altri fornitori nello strumento vengono eseguite solo quando il rispettivo stato ne conferma la disponibilità. Si può esaminare una schermata? Sì, ma conservala come versione separata del file e cerca l’originale. Non trattare un risultato sulla schermata come storia completa dell’originale non visto."},{"id":"https://aifakescan.com/it/resources/c2pa-content-credentials-what-they-are-and-how-they-work","url":"https://aifakescan.com/it/resources/c2pa-content-credentials-what-they-are-and-how-they-work","title":"Content Credentials C2PA: cosa sono e come funzionano","summary":"Scopri cosa registrano le Content Credentials C2PA, come vengono verificate le firme e i collegamenti ai file e cosa possono e non possono dimostrare credenziali valide o mancanti.","date_published":"2026-09-22T06:43:03.997Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["C2PA","Content Credentials","Provenienza dei contenuti"],"content_text":"C2PA è uno standard tecnico aperto per registrare e verificare l’origine e la cronologia delle modifiche dei contenuti digitali. Le Content Credentials sono i registri di provenienza visibili all’utente creati con quello standard. Possono aiutarti a esaminare chi o cosa ha firmato un file, quali azioni sono state dichiarate e se il registro firmato corrisponde ancora al file. Non dimostrano automaticamente che un’immagine, un video o una didascalia siano veri. Una credenziale valida dimostra aspetti specifici di un registro di provenienza firmato, non ogni affermazione sul mondo reale associata al contenuto. Cosa significa C2PA? C2PA significa Coalition for Content Provenance and Authenticity. La coalizione sviluppa specifiche tecniche per allegare a immagini, video, audio, documenti e altri file digitali informazioni sulla provenienza che consentano di rilevare alterazioni. Lo standard non è un rilevatore di IA. Non esamina gli artefatti visivi e non stima se un modello abbia generato un file. Fornisce invece un modo comune per fotocamere, software, editori e sistemi IA partecipanti di formulare dichiarazioni firmate sulla cronologia di un file. La presentazione di C2PA descrive la provenienza come fatti sulla cronologia di un file. Una credenziale può contenere dichiarazioni su origine, modifiche, strumenti, ingredienti o uso dell’IA. Le dichiarazioni presenti dipendono dall’implementazione e da ciò che il firmatario sceglie o è configurato per registrare. Cosa sono le Content Credentials? Content Credentials è il nome usato per le esperienze di provenienza che seguono la specifica C2PA. Puoi pensare a C2PA come al quadro tecnico e alle Content Credentials come al registro firmato e all’interfaccia che le persone esaminano. Una Content Credential, chiamata anche manifesto C2PA, può includere: l’applicazione, il servizio, il dispositivo o l’organizzazione che ha emesso la credenziale; la data in cui la credenziale è stata applicata; azioni dichiarate di creazione o modifica; informazioni sugli ingredienti usati per creare un file composito; un’indicazione dell’uso di IA generativa, quando il flusso che emette la credenziale lo registra; informazioni facoltative sull’identità del creatore o dell’editore; dati crittografici usati per collegare il manifesto al file. Non tutte le credenziali contengono tutti questi campi. L’assenza del nome del creatore, per esempio, non prova che il registro sia invalido. Le scelte sulla privacy e le differenze di implementazione influenzano ciò che viene divulgato. Come funziona un manifesto C2PA? Uno strumento partecipante crea un manifesto con dichiarazioni sul file e lo firma con una credenziale crittografica. Un collegamento del contenuto associa il manifesto al file pertinente. Un validatore compatibile può quindi verificare la firma, la struttura del manifesto e se il contenuto collegato sia cambiato dopo la creazione del manifesto. Il processo si può riassumere in cinque fasi: Un dispositivo o un’applicazione crea o modifica un file. Il generatore delle dichiarazioni registra azioni selezionate e altre dichiarazioni in un manifesto. Il manifesto viene firmato crittograficamente. Il manifesto viene incorporato nel file o reso individuabile con un altro meccanismo supportato. Un validatore verifica il manifesto e presenta la provenienza disponibile a chi lo consulta. La firma identifica la credenziale usata dal firmatario. Non rende ogni dichiarazione nel manifesto un fatto verificato in modo indipendente. La fiducia dipende ancora da chi ha firmato il registro, da cosa ha dichiarato e dal motivo per cui ti fidi del firmatario o del suo processo di verifica. A cosa servono i collegamenti forti e deboli? I collegamenti forti associano un manifesto al contenuto protetto esatto, comunemente tramite hash crittografici. Se i byte protetti cambiano, la validazione può rilevare che il manifesto attivo non corrisponde più a quella versione del file. I collegamenti deboli sono progettati per aiutare a localizzare la provenienza di contenuti derivati o trasformati. La specifica C2PA Content Credentials spiega che i collegamenti deboli possono essere calcolati dal contenuto digitale anziché dai suoi byte grezzi esatti. Esempi sono impronte digitali o filigrane invisibili usate per trovare un manifesto correlato. Questa distinzione conta quando una piattaforma rimuove i metadati incorporati o una persona acquisisce uno screenshot. Un manifesto incorporato potrebbe non viaggiare più nel nuovo file, mentre un meccanismo di ricerca resistente potrebbe ricollegare la copia trasformata a un registro esterno. Il recupero dipende dall’implementazione e non va mai dato per scontato. Come vengono verificate le firme? Un validatore controlla più livelli anziché cercare un solo indicatore «C2PA presente». Esamina se il manifesto è ben formato, se la firma è valida, se la credenziale di firma è accettabile o affidabile nel modello di fiducia pertinente e se il manifesto rimane collegato al file esaminato. Domanda di validazione Cosa sostiene una verifica riuscita Cosa non dimostra Il manifesto è ben formato? Il registro segue la struttura richiesta Che le dichiarazioni siano vere La firma è valida? Il registro firmato non è stato alterato dopo la firma Che il firmatario sia affidabile Il firmatario è affidabile? La credenziale forma una catena fino a una fonte di fiducia riconosciuta Che l’evento rappresentato sia accaduto Il collegamento al file è valido? Il file protetto corrisponde allo stato firmato Che la didascalia o il contesto siano corretti È dichiarato l’uso di IA? Il firmatario ha registrato un’azione IA pertinente Che tutti gli altri file senza dichiarazione non usino IA La specifica tecnica distingue stati come ben formato, valido e affidabile. Le interfacce possono semplificare questi risultati, quindi esamina i dettagli invece di interpretare ogni badge come lo stesso livello di garanzia. Come si collegano le Content Credentials Adobe a C2PA? Adobe ha contribuito a fondare C2PA e crea prodotti che implementano lo standard, ma C2PA non è un formato esclusivo di Adobe. Altri software, dispositivi, editori, piattaforme e strumenti di verifica possono implementare la stessa specifica aperta. La documentazione Adobe sulle Content Credentials afferma che i suoi strumenti di ispezione usano metodi crittografici basati su C2PA per mostrare le informazioni disponibili su provenienza e integrità. Alcuni flussi Adobe allegano automaticamente credenziali ai risultati compatibili generati da Firefly; altri permettono ai creatori di scegliere quali informazioni di identità o attribuzione includere. Una credenziale generata da Adobe va quindi letta come un’implementazione di C2PA. L’emittente, le azioni e il risultato di validazione sono più informativi della sola presenza del nome di un prodotto Adobe. Come esaminare le Content Credentials? Inizia dal miglior file disponibile, non da uno screenshot compresso quando è possibile ottenere l’originale. Aprilo in uno strumento di ispezione compatibile o usa l’interfaccia delle credenziali fornita da una piattaforma che le supporta. Poi esamina il risultato con un ordine preciso. Conferma che la credenziale sia associata al file selezionato. Controlla lo stato di validazione e qualsiasi avviso o errore. Identifica il firmatario o il generatore della dichiarazione. Esamina le azioni registrate, gli ingredienti e le dichiarazioni di uso dell’IA. Annota quando è stata emessa la credenziale e se sono rappresentate modifiche successive. Confronta la provenienza con l’affermazione esterna, la fonte e il contesto di pubblicazione. Se un’interfaccia trova una possibile corrispondenza tramite uno screenshot o un’impronta digitale, distingui quella ricerca dalla validazione di un collegamento forte a un file originale. Sono relazioni utili ma diverse. Cosa significa quando mancano le Content Credentials? Le credenziali mancanti significano che il verificatore non ha trovato una credenziale accessibile tramite i metodi usati. È tutto ciò che puoi concludere senza ulteriori prove. L’adozione delle credenziali è facoltativa e disomogenea. Una fotocamera potrebbe non supportare C2PA, un editor potrebbe non abilitarlo, una piattaforma potrebbe rimuovere i metadati incorporati o la copia ricevuta potrebbe essere stata trasformata. I creatori legittimi possono anche scegliere di non includere informazioni sull’identità per motivi di privacy o sicurezza. La guida di C2PA avverte di non trattare i contenuti senza firma come intrinsecamente inaffidabili. La provenienza mancante è una lacuna informativa, non un verdetto di IA. Cosa possono e cosa non possono dimostrare le Content Credentials? Le Content Credentials sono più forti nel rispondere a domande limitate sulla provenienza: chi o cosa ha firmato questo registro, quali azioni sono state dichiarate, se il manifesto firmato è stato alterato e se rimane associato al file esaminato. Non possono dimostrare in modo indipendente che una scena sia avvenuta, che una citazione sia corretta o che la descrizione di un editore sia onesta. Un’immagine generata sinteticamente può avere una credenziale valida. Un’immagine autentica di fotocamera può non averne. Un file validamente firmato può comunque essere usato con una data falsa o una didascalia ingannevole. Per questo AIFakeScan tratta la provenienza come un canale di prova. La nostra metodologia combina provenienza e metadati disponibili con altre verifiche, mantenendo l’incertezza. Per un flusso pratico, consulta Come rilevare immagini generate dall’IA. Come leggere i risultati del verificatore C2PA Salva il rapporto completo di validazione, non solo un badge. Le seguenti sono categorie pratiche di revisione; verificatori diversi possono usare termini diversi. Non sono un elenco garantito di etichette di risultato AIFakeScan. Categoria di revisione Significato nella verifica completata Passo successivo Nessuna credenziale trovata Il verificatore non ha individuato credenziali supportate tramite i percorsi controllati Richiedi l’esportazione originale; controlla se era supportato il recupero esterno Validazione riuscita e firmatario affidabile Le verifiche di validazione e fiducia riportate sono riuscite Leggi le azioni effettive e le dichiarazioni di uso dell’IA; verifica separatamente la didascalia Controlli della firma riusciti, firmatario non affidabile Alcuni controlli di integrità sono riusciti ma il firmatario non soddisfaceva la politica di fiducia del verificatore Esamina il certificato e la politica di fiducia; non equiparare sconosciuto a fraudolento Validazione fallita Almeno una regola di validazione riportata è fallita Conserva il codice esatto e il file prima di risolvere il problema Incompleto, non supportato o errore Il verificatore non ha potuto completare i controlli pertinenti Registra la copertura mancante invece di dichiarare assente la credenziale Esamina il problema del file prima di giudicare l’immagine Conserva il file che ha prodotto il risultato. Poi ottieni l’esportazione originale del creatore, se disponibile, ed esaminala senza salvarla di nuovo. Confronta i codici dettagliati di validazione, il firmatario, le azioni dichiarate e la versione del verificatore. Un secondo verificatore compatibile può aiutare a spiegare una differenza, ma un badge diverso da solo non è una spiegazione. Versione del file Cosa registrare prima del confronto Limite di interpretazione Esportazione del creatore Percorso di acquisizione, identità del file, dettagli delle credenziali Può comunque contenere solo una cronologia parziale di produzione Download da social o messaggistica Piattaforma, percorso di download, data, dimensione e risoluzione Verifica questo file ricevuto; non presumere che tutte le piattaforme o i percorsi funzionino allo stesso modo Screenshot Software di acquisizione, ritaglio e pagina di origine Un’icona di credenziale visibile nell’immagine non è di per sé un manifesto verificato Queste sono istruzioni per risolvere problemi, non risultati di test delle piattaforme. Le verifiche disponibili di AIFakeScan sono descritte in ogni rapporto; una verifica C2PA non disponibile non è un risultato negativo. Se la tua domanda riguarda la filigrana invisibile di Google, usa la guida separata alla verifica SynthID. Verifica un file con il validatore C2PA dedicato Usa AIFakeScan C2PA Checker quando hai bisogno di un risultato eseguibile anziché di un foglio vuoto. La modalità solo provenienza valida il contenitore del file, verifica le Content Credentials incorporate con c2patool, riporta lo stato di fiducia locale e le azioni dichiarate e mostra un piccolo insieme di metadati di base. Non esegue il classificatore visivo IA né un rilevatore a pagamento. Il risultato mantiene separati questi stati: validazione affidabile, firma valida senza fiducia locale, validazione fallita, nessuna credenziale, verifica non disponibile e rapporto non supportato. «Non eseguita» non viene mai mostrata come «non trovata». I codici di stato della validazione appaiono nel risultato ed è possibile scaricare un rapporto JSON ripulito senza l’URL privata della verifica, il token di accesso o il nome del file inviato. Nello studio di caso su 60 file con screenshot e compressione, quattro originali generati avevano dichiarazioni IA valide ma non affidabili localmente. Le loro 16 versioni trasformate non conservavano una credenziale incorporata. Il risultato misurato riguarda quei file e percorsi di esportazione; non è un’affermazione universale sugli editor compatibili con C2PA. Domande frequenti C2PA è uguale a una filigrana? No. C2PA definisce un sistema di provenienza più ampio. Un manifesto può essere incorporato e collegato crittograficamente a un file, mentre una filigrana o impronta digitale può servire come collegamento debole che aiuta a recuperare un registro correlato dopo una trasformazione. Una Content Credential valida significa che un’immagine è reale? Significa che sono riusciti controlli di validazione definiti per la credenziale e la sua relazione con il file. Non dimostra in modo indipendente la verità della scena, della didascalia, della data o di ogni dichiarazione. Le Content Credentials possono mostrare che è stata usata l’IA? Possono mostrare che un firmatario ha dichiarato azioni pertinenti di creazione o modifica con IA. Questa è una prova positiva di provenienza. L’assenza di una dichiarazione IA non è una prova universale che l’IA non sia stata usata. Le Content Credentials possono essere rimosse? I metadati incorporati possono andare persi quando i file vengono privati dei dati, trasformati o acquisiti di nuovo. Alcune implementazioni usano archiviazione esterna, impronte digitali o filigrane invisibili per migliorare il recupero, ma la durata dipende dal sistema e dalla trasformazione. Chi controlla C2PA? La Coalition for Content Provenance and Authenticity sviluppa le specifiche aperte. Singole aziende e organizzazioni implementano tali specifiche nei propri prodotti e servizi. La conclusione pratica Leggi le Content Credentials come provenienza firmata, non come un badge universale di verità. Controlla lo stato di validazione, il firmatario, le azioni dichiarate e la relazione con il file, poi verifica l’affermazione sul mondo reale tramite ricerca della fonte e contesto. Questa combinazione è molto più forte di una credenziale o di un rilevatore IA usati da soli."},{"id":"https://aifakescan.com/it/resources/what-is-a-deepfake-deepfake-vs-ai-generated-content","url":"https://aifakescan.com/it/resources/what-is-a-deepfake-deepfake-vs-ai-generated-content","title":"Cos’è un deepfake? Deepfake e contenuti generati dall’IA a confronto","summary":"Scopri cos’è un deepfake, come differisce dalla categoria più ampia dei contenuti generati dall’IA, i principali tipi di manipolazione e come verificare una sospetta impersonificazione.","date_published":"2026-09-22T06:43:03.997Z","date_modified":"2026-09-22T06:43:03.997Z","tags":["Deepfake","Contenuti sintetici","Verifica dei video"],"content_text":"Un deepfake è un contenuto sintetico o manipolato che usa l’IA per imitare o alterare l’identità, l’aspetto, la voce o le azioni di una persona. I contenuti generati dall’IA sono la categoria più ampia: possono rappresentare persone, luoghi, oggetti o eventi immaginari senza impersonare alcun individuo reale. Ogni deepfake è un contenuto generato o modificato dall’IA, ma non ogni file generato dall’IA è un deepfake. Questa distinzione influisce sia sul rischio sia sulla verifica. Un paesaggio interamente generato e un video con volto sostituito possono entrambi essere sintetici, ma solo uno dipende da un’affermazione di identità su una persona reale. Cos’è un deepfake? Il termine «deepfake» combina apprendimento profondo e falsificazione. Nell’uso comune indica contenuti creati o alterati con tecniche di apprendimento automatico per far sembrare che una persona reale dica o faccia qualcosa che non ha detto o fatto, oppure per imitarne il volto o la voce. Le definizioni variano nei casi limite. NIST descrive i contenuti sintetici in senso ampio come informazioni significativamente modificate o generate da algoritmi, inclusa l’IA. I materiali di analisi forense dei media di NIST dividono le manipolazioni del volto in categorie come sostituzione dell’identità, sostituzione dell’espressione, manipolazione degli attributi e sintesi dell’intero volto. WITNESS usa «contenuti sintetici» come famiglia più ampia e descrive i deepfake come simulazioni realistiche del volto, della voce o delle azioni di qualcuno. Questa definizione centrata sulla persona è utile perché l’impersonificazione è spesso ciò che rende un deepfake particolarmente dannoso. Qual è la differenza tra un deepfake e contenuti generati dall’IA? I contenuti generati dall’IA includono testo, immagini, audio e video prodotti o sostanzialmente trasformati da modelli generativi. Possono essere chiaramente dichiarati, immaginari, artistici o progettati per un normale flusso commerciale. Non è necessario copiare una persona reale. Un deepfake prende di solito di mira l’identità. Può collocare il volto di una persona su un altro corpo, ricreare espressioni facciali, generare parlato con una voce riconoscibile o creare una scena realistica che coinvolge una persona identificata. Tipo di contenuto Usa l’IA? Imita una persona reale? Esempio tipico Illustrazione generata Sì Non necessariamente Una città immaginaria creata da un prompt Presentatore interamente generato Sì No, se l’identità è immaginaria Un presentatore virtuale dichiarato Sostituzione del volto Sì Sì Il volto di una persona collocato sulla performance di un’altra Ricreazione facciale Sì Sì Espressioni o movimenti della bocca di una persona reale alterati Clone vocale Sì Sì Parlato sintetico che imita una voce conosciuta Montaggio ingannevole convenzionale Non necessariamente Possibilmente Un filmato reale tagliato per rimuovere il contesto L’ultima riga conta: un contenuto dannoso o ingannevole non è automaticamente un deepfake. Un video riutilizzato, una didascalia falsa, un taglio selettivo o una modifica manuale possono ingannare senza IA generativa. Quali sono i principali tipi di deepfake? Sostituzioni del volto La sostituzione del volto rimpiazza o fonde un’identità di origine in un’immagine o video di destinazione. Il corpo, il movimento, l’ambiente e l’audio sottostanti possono rimanere autentici anche se cambia l’identità apparente. Ricreazione facciale e manipolazione della sincronizzazione labiale La ricreazione cambia espressioni, sguardo, movimento della testa o della bocca conservando l’identità della persona di destinazione. I sistemi di sincronizzazione labiale possono far sembrare che una persona pronunci parole tratte da un audio sostitutivo. Clonazione della voce Un clone vocale genera parlato che imita una persona specifica. Può apparire in una telefonata, un messaggio vocale, un estratto di podcast o come traccia audio di un video alterato. La Federal Trade Commission degli Stati Uniti avverte che i truffatori che impersonano altre persone possono usare la clonazione vocale in false richieste di emergenza e consiglia di contattare il presunto chiamante tramite un canale noto. Identità sintetica e manipolazione del corpo Alcuni contenuti combinano un volto generato, un corpo alterato e un contesto inventato. Altri cambiano età, capelli, abiti o attributi senza sostituire l’intera identità. Questi casi mostrano perché «deepfake» non è una singola operazione tecnica. Le persone interamente generate dall’IA sono deepfake? Una persona generata che non imita un individuo identificabile è di solito descritta meglio come persona sintetica o personaggio generato dall’IA. Chiamare deepfake ogni ritratto IA fotorealistico può confondere i danni legati all’identità che il termine è stato creato per descrivere. L’etichetta può comunque essere appropriata quando una scena generata rappresenta falsamente una persona reale identificata, anche se il sistema ha creato l’intero fotogramma invece di sostituire un volto. In pratica, descrivi sia la tecnica sia l’affermazione: «immagine generata dall’IA che rappresenta falsamente un personaggio pubblico» è più preciso di una sola etichetta. Tutti i deepfake sono dannosi? No. La tecnica può essere usata con consenso per doppiaggio, accessibilità, satira, produzione cinematografica, istruzione o opere creative dichiarate. La questione etica e legale dipende da consenso, divulgazione, contesto e danno, non soltanto dall’uso dell’IA. Gli usi ad alto rischio includono immagini intime senza consenso, frode, molestie, manipolazione di prove e impersonificazione volta a influenzare decisioni. Anche in questi casi, non accusare un creatore o il soggetto basandoti solo sul risultato di un rilevatore automatico. Conserva la fonte originale e cerca una revisione qualificata per i casi con conseguenze importanti. Come verificare un sospetto deepfake? Inizia dall’affermazione e dall’identità, non dalle anomalie visive. Chiediti chi sarebbe mostrato o ascoltato, cosa avrebbe detto o fatto e dove è apparso per la prima volta il contenuto. Conserva URL, account, didascalia, riferimenti temporali e miglior file disponibile. Trova una versione più lunga o precedente tramite la ricerca della fonte e di fotogrammi rappresentativi. Confronta l’affermazione con registrazioni ufficiali, informazioni affidabili o un altro canale conosciuto. Esamina fotogrammi adiacenti cercando incoerenze persistenti di identità, movimento e composizione. Esamina l’audio separatamente; cerca modifiche e verifica la persona che parla tramite un percorso di contatto indipendente. Esamina le Content Credentials disponibili o altri registri di provenienza. Usa un rilevatore adatto come prova di supporto e registra la copertura dichiarata. Per un flusso dettagliato di verifica dei contenuti, leggi Come capire se un video è generato dall’IA. Il processo si applica sia alle scene sintetiche sia alle sospette manipolazioni di identità. Perché i «segnali di deepfake» visivi non bastano Le liste fisse invecchiano rapidamente. Battiti di ciglia innaturali, denti deformati, mani strane o artefatti ai bordi possono fornire piste utili, ma i sistemi moderni possono evitarli. Anche filmati autentici possono contenere sfocatura, compressione, fotogrammi persi, doppiaggio, filtri o effetti di luce simili a una manipolazione. Esamina una sequenza invece di un solo screenshot. Chiediti se un’anomalia persiste nei fotogrammi adiacenti e in una copia di qualità migliore. Ancora più importante, cerca prove esterne: una registrazione originale, un’altra angolazione, un’apparizione pubblica corrispondente o una contraddizione nel tempo e nel luogo. Un volto convincente non convalida l’evento. Al contrario, un singolo fotogramma difettoso non dimostra una sostituzione del volto. Cosa può dirti un rilevatore di video IA? Un rilevatore può identificare motivi associati a contenuti nelle sue classi supportate. Il risultato va interpretato considerando l’addestramento del modello, la qualità del file, il tipo di manipolazione e la parte di video esaminata. La metodologia di AIFakeScan afferma che Basic Scan non include la classificazione specializzata della sostituzione del volto e che l’ispezione audio di base non classifica il parlato clonato o sintetico. L’analisi video può campionare fotogrammi invece di esaminarli tutti. I risultati beta basati solo su segnali passivi rimangono inconcludenti; non sono probabilità IA validate. Questi limiti evitano un errore comune: trattare un risultato generale del video come se avesse verificato separatamente il volto e la voce della persona. Usa il rilevatore di video IA solo per le verifiche che descrive, poi combina il risultato con la verifica dell’identità e della fonte. Come aiutano le Content Credentials con i deepfake? Le Content Credentials possono registrare chi o cosa ha firmato un file, quali azioni sono state dichiarate e se la provenienza firmata corrisponde ancora al file. Un’azione dichiarata di modifica o generazione con IA può essere una forte prova positiva del flusso registrato. Non stabiliscono la verità di una scena e non garantiscono il consenso. Le credenziali mancanti non dimostrano una manipolazione, perché l’adozione è facoltativa e i metadati possono andare persi. Leggi Content Credentials C2PA: cosa sono e come funzionano per la distinzione tra un registro di provenienza valido e un’affermazione vera sul mondo reale. Cosa fare in una sospetta truffa di impersonificazione? Rallenta l’interazione. Non affidarti soltanto al volto o alla voce apparenti, all’identificativo della chiamata o all’account. Contatta la persona o l’organizzazione tramite un numero di telefono, un sito web o un account che sai già essere autentico. Non inviare denaro o informazioni sensibili sotto pressione. Conserva messaggi e dettagli delle transazioni, avvisa la piattaforma o il fornitore finanziario pertinente e segnala la frode tramite il canale ufficiale appropriato. L’obiettivo è verificare la richiesta in modo indipendente, non vincere una discussione con il contenuto. Domande frequenti Un deepfake è sempre un video? No. Il termine può comprendere immagini, video e audio manipolati o sintetici, soprattutto quando imitano l’identità, la voce, l’aspetto o le azioni di una persona reale. Ogni filtro facciale è un deepfake? Di solito no. Un filtro di intrattenimento dichiarato si descrive meglio per ciò che fa. L’etichetta deepfake diventa più rilevante quando una manipolazione con IA crea un’affermazione realistica di identità o azione che coinvolge una persona reale. Un rilevatore di deepfake può dimostrare che un video è falso? Nessun risultato di un rilevatore dovrebbe essere trattato come prova universale. La copertura varia secondo il tipo di manipolazione e la qualità del file. Le conclusioni con conseguenze importanti richiedono prove della fonte, contenuti originali quando possibile e una revisione esperta appropriata. Un filmato autentico può comunque essere disinformazione? Sì. Un filmato reale può essere vecchio, avere una didascalia errata, essere montato selettivamente o presentato con un luogo falso. L’autenticità del file e la verità dell’affermazione circostante sono domande separate. Qual è il modo più chiaro per descrivere un contenuto sospetto? Indica la tecnica osservata e l’affermazione: per esempio, «sospetto clone vocale che impersona un familiare» o «scena interamente generata presentata come filmato reale». Un linguaggio preciso è più utile che chiamare deepfake ogni file sospetto. La conclusione pratica Usa «deepfake» per contenuti che usano l’IA per imitare o manipolare l’identità e «contenuti generati dall’IA» per la categoria più ampia. Poi verifica la persona, l’azione, la fonte e il contesto specifici. Una classificazione accurata aiuta a scegliere le prove giuste invece di affidarsi a un solo indizio visivo o a un solo punteggio di rilevatore."},{"id":"https://aifakescan.com/it/resources/can-ai-detectors-be-wrong-why-false-positives-happen","url":"https://aifakescan.com/it/resources/can-ai-detectors-be-wrong-why-false-positives-happen","title":"I rilevatori IA possono sbagliare? Perché si verificano falsi positivi","summary":"Scopri perché i rilevatori IA producono falsi positivi e falsi negativi, come compressione e differenze tra modelli influenzano i risultati e come esaminare una segnalazione contestata.","date_published":"2026-09-22T03:26:18.348Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["Rilevamento dell’IA","Falsi positivi","Analisi forense dei contenuti"],"content_text":"Sì. I rilevatori IA possono produrre falsi positivi, classificando contenuti autentici come generati dall’IA, e falsi negativi, non rilevando contenuti sintetici o manipolati. Il risultato dipende da cosa il rilevatore è stato addestrato a riconoscere, dai contenuti ricevuti, dalla soglia usata e dalla corrispondenza tra condizioni reali e dati di valutazione. Il risultato di un rilevatore è una prova proveniente da un modello, non una decisione finale su autore, autenticità o verità. Cos’è un falso positivo nel rilevamento IA? Un falso positivo si verifica quando un rilevatore segnala contenuti autentici o fuori ambito come generati dall’IA o manipolati. Un falso negativo si verifica quando contenuti sintetici sono classificati come autentici, non segnalati o inconcludenti. Questi errori sono diversi da un caricamento non supportato o da un errore di sistema. Sono anche diversi da una didascalia fuorviante: una fotografia può essere autentica mentre la storia associata è falsa. Esito Contenuto generato dall’IA Contenuto non generato dall’IA Il rilevatore segnala IA Vero positivo Falso positivo Il rilevatore non segnala IA Falso negativo Vero negativo I servizi reali possono avere uno stato inconcludente invece di forzare ogni file in un’etichetta binaria. Spesso è l’esito più onesto quando le prove sono deboli o la copertura è sconosciuta. Perché i rilevatori IA sbagliano? La maggior parte dei rilevatori passivi apprende schemi associati agli esempi di addestramento. Non possiede un test fisico universale per l’«IA». Se un nuovo generatore, una procedura della fotocamera, un flusso di modifica o uno schema di compressione differiscono dalla distribuzione di addestramento, le prestazioni possono cambiare. Il rapporto NIST sui contenuti sintetici considera il rilevamento una parte di un insieme più ampio di strumenti di trasparenza che comprende provenienza, autenticazione, etichettatura e filigrane. Questo approccio a più livelli riflette i limiti dell’affidarsi alla sola classificazione. Le fonti comuni di errore comprendono differenze tra modelli, post-elaborazione, input di bassa qualità, modifiche parziali, verità di riferimento ambigua e soglie scelte per un rischio operativo diverso. Come le differenze tra modelli causano risultati errati? Un rilevatore può funzionare bene su generatori e insiemi di dati simili a quelli di addestramento ma generalizzare male a sistemi sconosciuti. Nuovi modelli possono produrre trame, frequenze, movimenti e caratteristiche di rumore diversi. Il benchmark GenImage valuta esplicitamente il rilevamento tra generatori: addestramento su immagini di un generatore e test su altri. È un problema centrale nell’uso reale perché gli utenti raramente conoscono in anticipo il modello generatore. Conta anche la differenza inversa. Un rilevatore può apprendere scorciatoie associate alle immagini reali nel suo insieme di dati, come rumore della fotocamera, risoluzione o pre-elaborazione, e poi scambiare un’immagine insolita ma autentica per un risultato IA. Come compressione e modifiche influenzano l’accuratezza? Compressione JPEG, ricodifica delle piattaforme social, schermate, ridimensionamento, aumento di nitidezza, riduzione del rumore, filtri colore ed esportazioni ripetute cambiano i segnali a livello di pixel. Il video aggiunge interpolazione dei fotogrammi, cambiamenti di bitrate, ritaglio e sincronizzazione audio. Un rilevatore che dipende da artefatti fragili ad alta frequenza può perdere segnali utili dopo la compressione. Può anche interpretare blocchi di compressione ordinari, aloni, eccessivo ammorbidimento o riduzione aggressiva del rumore come schemi sintetici. Identifica sempre la versione del file. Un risultato da un’esportazione originale e uno da una schermata di una ripubblicazione non hanno uguale valore probatorio. Se possibile confronta l’originale con la copia circolata invece di trattarli come intercambiabili. Perché immagini ordinarie possono causare falsi positivi? Immagini autentiche possono apparire statisticamente insolite per molte ragioni. Fotografia computazionale, segmentazione della modalità ritratto, fusione HDR, combinazione di scatti notturni, forte riduzione del rumore, aumento di risoluzione, restauro, filtri di bellezza e scene simili a illustrazioni possono discostarsi da una semplice distribuzione di foto da fotocamera. Scansioni, schermate, immagini di videogiochi, grafici, modelli di prodotto, CGI e arte digitale possono anch’essi essere fuori dal compito previsto «fotografia reale contro immagine IA». Un modello costretto a classificare contenuti fuori ambito può comunque restituire un punteggio anche quando non è significativo. Prima di interpretare un risultato, chiedi se il servizio supporti quel tipo di contenuto e flusso. «Accettato dal modulo di caricamento» non equivale a «validato per questa classe di contenuti». Come le soglie cambiano falsi positivi e falsi negativi? Un classificatore produce spesso un punteggio interno confrontato con una soglia decisionale. Abbassare la soglia può intercettare più contenuti sintetici ma segnalare anche più contenuti autentici. Alzarla può ridurre le false accuse lasciando però passare più contenuti sintetici. Non esiste una soglia universalmente corretta. Una coda di moderazione può tollerare più falsi positivi perché una persona esamina ogni segnalazione. Una decisione sull’integrità accademica o una frode richiede una procedura molto più forte perché una falsa accusa può causare danni sostanziali. Un punteggio non va letto come probabilità calibrata a meno che il fornitore non dimostri tale interpretazione per la popolazione pertinente. «Punteggio del modello 0.8» e «80% di probabilità che questo elemento sia generato dall’IA» non sono automaticamente equivalenti. Più rilevatori possono risolvere la questione? L’accordo può aggiungere contesto, ma un voto di maggioranza non è una prova. I rilevatori possono condividere dati di addestramento, famiglie di modelli o ipotesi di pre-elaborazione, quindi i loro errori possono essere correlati. Non fare la media dei punteggi di sistemi non correlati. Registra invece cosa abbia esaminato ogni strumento, ambito supportato, versione del file e parole del risultato. Se i risultati divergono, indaga sulla differenza invece di scegliere il numero più sicuro. Le prove indipendenti valgono più di un altro punteggio opaco: registri di provenienza, dichiarazioni del creatore, file originali, versioni precedenti o riprese di conferma possono rispondere a domande a cui un classificatore non può. Qual è la differenza tra rilevatore e verificatore di filigrane? Un rilevatore passivo deduce se il contenuto somigli a esempi associati alla generazione IA. Un verificatore di filigrane cerca un segnale incorporato noto. Un validatore di provenienza controlla registri firmati e la loro relazione con il contenuto. Questi metodi rispondono a domande diverse. Una filigrana positiva del fornitore può fornire prova diretta dell’origine nel sistema supportato di quel fornitore. Un rilevatore passivo può coprire contenuti senza contrassegno, ma di solito con maggiore incertezza. Content Credentials possono spiegare azioni dichiarate, ma possono mancare o essere rimossi. Il flusso più solido usa insieme i canali disponibili senza fingere che uno sostituisca l’altro. Come interpretare un risultato AIFakeScan? La metodologia di AIFakeScan afferma che valutazione e calibrazione beta sono incomplete. I risultati solo passivi restano inconcludenti e il servizio non presenta una probabilità IA misurata o una percentuale di accuratezza validata. Esamina quali prove siano state trovate: Content Credentials, metadati, segnali di filigrana disponibili al servizio o osservazioni del modello passivo. Un risultato sull’intera immagine può non localizzare una piccola regione modificata. Il campionamento video può perdere una breve manipolazione e Basic Scan non include classificazione specializzata della sostituzione del volto o del parlato clonato. Usa il rilevatore di immagini IA o il rilevatore video IA per raccogliere le prove supportate, poi conserva l’incertezza nella conclusione. Cosa fare dopo un possibile falso positivo? Non pubblicare un’accusa basata solo sul risultato. Conserva il file esatto e registra strumento, data, impostazioni e risultato. Poi cerca prove che possano sostenere o contestare indipendentemente la classificazione. Conferma che il tipo di contenuto rientri nell’ambito dichiarato dal rilevatore. Ottieni il file originale invece di una schermata o ripubblicazione compressa. Esamina Content Credentials e metadati disponibili. Ricostruisci versioni precedenti e dichiarazioni del creatore. Confronta i risultati tra versioni del file senza fare la media dei punteggi. Chiedi al fornitore cosa significhi il risultato e quale validazione lo sostenga. Sottoponi i casi con conseguenze importanti a revisione umana qualificata. Per l’indagine specifica sulle immagini segui Come rilevare immagini generate dall’IA. Per i video usa Come capire se un video è generato dall’IA. Una revisione pratica quando una foto reale viene segnalata Usa quanto segue come spunti di indagine, non come diagnosi di un rilevatore specifico. Anche l’affermazione della fonte va verificata: un file descritto come foto da fotocamera può contenere modifiche generative successive. Storia del file da indagare Prove da chiedere Confronto utile Elaborazione smartphone o modalità ritratto Esportazione originale della fotocamera e dettagli dello scatto Originale contro copia condivisa, documentando il flusso Ritocco o filtri di bellezza Cronologia delle modifiche e immagine precedente, se disponibili Separa il ritocco convenzionale da eventuali operazioni generative dichiarate Restauro o aumento di risoluzione Applicazione, funzione, impostazioni e file sorgente Chiedi se il flusso abbia ricostruito dettagli con IA Schermata o condivisione ripetuta Download originale e percorso di condivisione Confronta prove del file e risultati del modello visivo Illustrazione o CGI inviata come foto Progetto del creatore o cronologia di esportazione Stabilisci la categoria del contenuto prima di applicare le ipotesi di un rilevatore fotografico Non continuare a modificare un file finché il punteggio non cambia verso la risposta desiderata. Definisci prima il confronto e conserva ogni risultato. Un risultato cambiato mostra che il sistema ha risposto diversamente a un input diverso; senza provenienza nota non mostra quale risposta sia corretta. Scrivi una nota di revisione verificabile da altri Registra affermazione contestata, identità del file, storia nota delle modifiche, strumento e data, risultato esatto e verifiche non eseguite. Allega eventuali prove fornite dal creatore e spiega i conflitti. Una conclusione utile potrebbe essere: «La segnalazione del rilevatore contrasta con la storia della fonte fornita; il metodo di creazione resta irrisolto in attesa dell’esportazione originale». È un modello illustrativo, non un risultato su un’immagine testata. Per una sospetta fonte IA Google mantieni la verifica ufficiale SynthID separata dalla classificazione visiva. Per provenienza mancante o non valida consulta la guida ai risultati C2PA. I soli segnali visivi beta di AIFakeScan restano inconcludenti. Aggiungi un controllo delle trasformazioni prima di contestare il risultato Il nostro caso di studio su 60 file con schermate e compressione ha mostrato perché l’input esatto conta. Su quattro immagini generate, il risultato grezzo medio del modello locale era 0.9968 sugli originali, 0.8569 sulle schermate del browser, 0.7151 dopo il ridimensionamento e 0.5226 dopo l’esportazione JPEG qualità 60. I singoli file sono cambiati in misura molto diversa. Questi valori non sono percentuali di accuratezza. Sono un promemoria misurato per conservare l’originale, cambiare un’impostazione alla volta e mantenere ogni risultato. Se il risultato di una foto reale è contestato, confronta il file intatto e ogni derivato controllato invece di modificarlo ripetutamente finché il punteggio non cambia. Domande frequenti Un rilevatore IA può accusare falsamente qualcuno? Sì. Può verificarsi un falso positivo, soprattutto con contenuti fuori ambito, trasformati o sconosciuti. Non usare il risultato di un rilevatore da solo per conclusioni disciplinari, reputazionali o legali. Un punteggio alto prova la generazione IA? Non da solo. Devi sapere come il punteggio sia stato definito, calibrato e validato per contenuti comparabili. Molti punteggi di modello non sono probabilità. La compressione può far sembrare autentico un contenuto IA a un rilevatore? La compressione può indebolire i segnali usati da un rilevatore e introdurre artefatti che confondono la classificazione. L’effetto dipende da rilevatore, file e processo di compressione. Un risultato inconcludente è un fallimento? No. Inconcludente è il risultato corretto quando le prove non sostengono una conclusione binaria affidabile. Comunica l’incertezza invece di nasconderla. Quali prove sono più forti di un punteggio del rilevatore? Provenienza verificata, filigrana specifica del fornitore, file originali, storia di creazione documentata e contesto della fonte confermato indipendentemente possono offrire prove più dirette su origine e uso. La conclusione pratica I rilevatori IA possono essere strumenti utili per un primo esame, ma i loro errori dipendono da dati, ambito, trasformazioni e soglie. Considera i risultati un canale di prova, verifica indipendentemente l’affermazione sottostante e non trasformare mai un punteggio non calibrato in una certezza che non era progettato a fornire."},{"id":"https://aifakescan.com/it/resources/what-is-an-ai-watermark-what-it-can-and-cannot-prove","url":"https://aifakescan.com/it/resources/what-is-an-ai-watermark-what-it-can-and-cannot-prove","title":"Cos’è una filigrana IA? Cosa può e non può dimostrare","summary":"Scopri come funzionano le filigrane IA visibili e invisibili, cosa può stabilire un segnale positivo e perché l’assenza di una filigrana non dimostra che il contenuto sia reale.","date_published":"2026-09-22T03:26:18.348Z","date_modified":"2026-09-24T18:28:42.409Z","tags":["Filigrane IA","Content Credentials","Provenienza dei contenuti"],"content_text":"Una filigrana IA è un segnale aggiunto a contenuti generati o modificati con l’IA affinché un rilevatore compatibile possa identificarne in seguito l’origine o il metodo di produzione. Il segnale può essere visibile, come un logo, oppure impercettibile, come un motivo incorporato nei pixel delle immagini, nei fotogrammi video, nell’audio o nel testo generato. Una filigrana rilevata può fornire una prova positiva utile. Una filigrana assente non può dimostrare che il contenuto sia stato creato da una persona e neppure una filigrana valida dimostra che la scena o la didascalia siano vere. Come funzionano le filigrane IA? Un sistema IA aggiunge un segnale noto mentre produce o esporta contenuti. Un verificatore corrispondente cerca quel segnale e indica se è stato rilevato con sufficiente affidabilità. I metodi di inserimento e rilevamento dipendono dal tipo di contenuto e dal fornitore della filigrana. Per immagini e video, un sistema può apportare piccole modifiche ai motivi dei pixel, progettate per resistere alle trasformazioni comuni. I sistemi audio possono alterare le caratteristiche del segnale senza creare una marcatura chiaramente udibile. La marcatura del testo può influenzare la selezione dei token affinché i passaggi generati mostrino un motivo statistico. Il rapporto di NIST sui contenuti sintetici spiega che la progettazione di filigrane comporta obiettivi concorrenti: robustezza, sicurezza, bassa distorsione percepibile, capacità informativa sufficiente, efficienza e minima interferenza con i normali flussi di lavoro. Migliorare una proprietà può rendere più difficile ottenerne un’altra. Qual è la differenza tra filigrane visibili e invisibili? Le filigrane visibili sono marcature che una persona può vedere, come un logo, un’etichetta, un nome utente o una sovrapposizione traslucida. Comunicano direttamente, ma spesso possono essere ritagliate, coperte, clonate o rappresentate in modo ingannevole. Le filigrane invisibili sono segnali incorporati nel contenuto in modo da essere impercettibili. Richiedono un rilevatore compatibile e possono essere progettate per resistere a ridimensionamento, filtri, compressione, ritaglio o altre trasformazioni previste. Tipo di filigrana Vantaggio principale Limite principale Logo o etichetta visibile Subito comprensibile per chi guarda Può essere ritagliata, coperta o copiata Segnale invisibile nell’immagine Può sopravvivere ad alcune modifiche comuni senza cambiare l’aspetto Richiede il rilevatore corretto e può fallire dopo cambiamenti più forti Filigrana nei fotogrammi video Può identificare segmenti o fotogrammi marcati Ricodifica e montaggio influiscono sulla copertura del rilevamento Filigrana audio Può restare inaudibile consentendo la verifica automatica Rumore, remix e formati non supportati possono influire sul rilevamento Filigrana di testo Può marcare l’output tramite motivi nella selezione dei token Il testo breve, fattuale, tradotto o molto riscritto è più difficile da valutare Nessuna delle due categorie è universale per natura. Un rilevatore creato per una famiglia di filigrane non ne riconosce automaticamente un’altra. Cosa può dimostrare una filigrana IA rilevata? Una corrispondenza positiva può sostenere un’affermazione limitata di attribuzione: il contenuto esaminato contiene un segnale che un determinato verificatore riconosce come appartenente al proprio sistema di filigrane. La solidità di tale affermazione dipende dalla sicurezza, dal processo di validazione, dalla copertura e dai controlli sui falsi positivi del sistema. Per esempio, Google DeepMind descrive SynthID come una filigrana invisibile incorporata in immagini, audio, testo e video compatibili generati da Google. Un risultato SynthID verificato può indicare che l’IA compatibile di Google ha creato o modificato il contenuto. Non è una dichiarazione generale su tutti i sistemi IA. Alcune filigrane codificano solo la presenza. Altre possono aiutare a localizzare informazioni esterne sulla provenienza o a identificare un modello, un servizio o un file. Leggi il risultato esatto del verificatore prima di riformularlo. Cosa non può dimostrare una filigrana IA? Una filigrana non stabilisce in modo indipendente se il contenuto rappresentato sia vero. Un’immagine generata di un evento reale e un’illustrazione immaginaria possono entrambe avere una filigrana IA valida. La filigrana riguarda l’origine o il processo, non la verità di una didascalia. Inoltre non dimostra chi abbia richiesto la generazione, chi abbia pubblicato il file, se l’uso fosse autorizzato o se ogni componente sia stato generato. Una composizione può contenere elementi con e senza filigrana. Un segnale rilevato non deve essere esteso ad affermazioni che il verificatore non ha fatto. «Questo file contiene una filigrana associata al sistema X» è più preciso di «Questo dimostra che il post è disinformazione». L’assenza di una filigrana significa che il contenuto è reale? No. Una verifica negativa della filigrana si applica solo ai segnali e ai contenuti supportati dal verificatore. Il contenuto potrebbe essere stato creato da un modello senza filigrana, esportato prima dell’introduzione della marcatura, trasformato oltre la possibilità di rilevamento o generato da un altro fornitore. Potrebbe anche essere contenuto autentico ripreso da una fotocamera. Il punto è che l’assenza non distingue queste possibilità. La copertura può variare in base a prodotto, modello, data, tipo di file e percorso di esportazione. La guida di OpenAI sulla provenienza rende esplicito questo ambito per i contenuti supportati. Un’interpretazione responsabile dovrebbe nominare la filigrana verificata invece di riferire una «scansione delle filigrane IA» universale. Le filigrane IA possono essere rimosse? Alcune trasformazioni possono indebolire o distruggere una filigrana. Il risultato dipende dal progetto della filigrana, dal contenuto e dall’intensità della modifica. Ritaglio, ricompressione, ridimensionamento, rumore, filtri, trascrizione, traduzione, parafrasi, remix o registrazione del contenuto tramite un altro dispositivo possono alterare il segnale. I sistemi robusti vengono testati contro le modifiche innocue previste, ma la robustezza non è invulnerabilità. Google afferma che SynthID per immagini e video è progettato per resistere a cambiamenti come ritagli, filtri, variazioni della frequenza dei fotogrammi e compressione con perdita, pur descrivendo le filigrane come un elemento e non una soluzione completa. Un attaccante può anche tentare di falsificare una filigrana o affermare falsamente che un file senza marcatura sia autentico. La sicurezza comprende quindi la resistenza sia alla rimozione sia all’inserimento. Come influiscono gli screenshot sulle filigrane IA? Uno screenshot crea una nuova immagine dai pixel visualizzati. Comunemente perde i metadati e il manifesto incorporato del file originale, oltre a ridimensionare, convertire i colori o ricomprimere il contenuto visibile. Una filigrana invisibile nei pixel può sopravvivere se il suo segnale rimane abbastanza forte nello screenshot, ma dipende dal sistema. Una marcatura visibile può restare, a meno che lo screenshot non la escluda o copra. Un servizio di impronte digitali o di collegamento debole potrebbe trovare una provenienza correlata anche quando il nuovo file non contiene più il registro originale. Non generalizzare da un solo test. «Nessun segnale trovato in questo screenshot» non è uguale a «l’originale non aveva una filigrana». In che modo le filigrane IA differiscono dalle Content Credentials C2PA? Una filigrana IA è solitamente un segnale incorporato nel contenuto. Le Content Credentials C2PA sono registri di provenienza firmati che possono contenere informazioni più ricche su origine, modifiche, ingredienti e uso dell’IA. C2PA può usare filigrane invisibili o impronte digitali come collegamenti deboli che aiutano a ritrovare un manifesto dopo una trasformazione. Le tecnologie possono quindi completarsi: la filigrana migliora la durata, mentre il manifesto fornisce contesto e dichiarazioni crittografiche. Leggi Content Credentials C2PA: cosa sono e come funzionano per una spiegazione dettagliata di firme, collegamenti ai file e credenziali mancanti. Come verificare un risultato di filigrana IA? Inizia dal verificatore gestito o documentato dal fornitore della filigrana. Conferma che supporti il tipo di contenuto, il prodotto, il modello e il periodo approssimativo di creazione in questione. Conserva il miglior file originale disponibile e la sua URL di origine. Registra il verificatore, la data, la versione del file e il testo esatto del risultato. Distingui una corrispondenza positiva, un risultato negativo, un file non supportato e un risultato inconcludente. Controlla separatamente le Content Credentials o altra provenienza. Verifica in modo indipendente la fonte, la data, il luogo e l’affermazione fattuale del post. Evita di trasformare un risultato specifico di un fornitore in un verdetto universale sull’IA. AIFakeScan non afferma di avere accesso a tutti i verificatori di filigrane invisibili dei fornitori. La nostra metodologia tratta «nessuna marcatura trovata» come cosa diversa dalla prova che il contenuto sia reale. Scegli il verificatore in base al tipo di prova Prova necessaria Percorso di verifica Cosa significa l’assenza SynthID dell’IA di Google [Percorso ufficiale SynthID](https://aifakescan.com/it/synthid-checker) tramite Gemini Filigrana dell’IA di Google non rilevata o risultato incerto; non esclude altri generatori Content Credentials C2PA [Verificatore C2PA](https://aifakescan.com/it/c2pa-checker) Nessuna credenziale utilizzabile trovata in quel file esatto; non dimostra l’autenticità Etichetta o logo visibile Ispezione visiva e verifica della fonte Nessuna etichetta visibile osservata; i sistemi invisibili non sono stati verificati Segnale nei motivi dei pixel [Rilevatore di immagini IA](https://aifakescan.com/it/ai-image-detector) Il modello non ha prodotto prove forti entro la copertura dichiarata; non è prova di una foto reale AIFakeScan non offre un rilevatore universale di filigrane invisibili. La validazione C2PA, l’ispezione dei metadati e la revisione del testo visibile non possono essere ridefinite come copertura di ogni filigrana proprietaria. Il confronto degli strumenti 2026 elenca quali prove controlla effettivamente ogni percorso disponibile. Domande frequenti Tutte le immagini generate dall’IA hanno una filigrana? No. Adozione e copertura delle filigrane differiscono per fornitore, modello, prodotto, tipo di file, data e percorso di esportazione. I flussi open source e di terze parti possono usare segnali diversi o nessuno. Ci si può fidare di un’etichetta IA visibile? Considerala una pista. Le etichette visibili possono essere copiate, rimosse o applicate in modo inesatto. Cerca una provenienza di supporto e verifica la fonte che ha applicato l’etichetta. Un rilevatore può trovare ogni filigrana invisibile? No. Le famiglie di filigrane usano metodi diversi di inserimento e rilevamento. Un rilevatore compatibile deve generalmente sapere quale segnale cerca. Una filigrana è uguale ai metadati? No. I metadati sono memorizzati come informazioni associate a un file e possono contenere registri dettagliati. Una filigrana invisibile è incorporata nelle caratteristiche del contenuto e può sopravvivere in alcuni casi in cui i metadati vengono rimossi. Devo fidarmi del contenuto quando non viene rilevata una filigrana? Una verifica negativa non stabilisce l’autenticità. Continua con la ricerca della fonte, l’ispezione della provenienza, la verifica del contesto e altre prove appropriate. La conclusione pratica Usa le filigrane IA come segnali di provenienza specifici del fornitore. Un risultato positivo può essere significativo; un risultato negativo lascia aperte più spiegazioni. Combina le verifiche delle filigrane con Content Credentials, verifica della fonte e interpretazione attenta dell’affermazione effettiva."},{"id":"https://aifakescan.com/it/resources/how-to-detect-ai-generated-images","url":"https://aifakescan.com/it/resources/how-to-detect-ai-generated-images","title":"Come rilevare immagini generate dall’IA","summary":"Scopri come rilevare immagini generate dall’IA usando controlli delle fonti, Content Credentials, esame visivo e risultati dei rilevatori, senza scambiare indizi per prove.","date_published":"2026-09-21T08:13:53.515Z","date_modified":"2026-09-24T18:28:42.409Z","tags":[],"content_text":"Per rilevare immagini generate dall’IA combina verifica della fonte, controlli della provenienza, esame visivo e un rilevatore che spieghi i propri limiti. Nessun singolo dettaglio strano o punteggio risolve affidabilmente ogni caso. La domanda utile non è solo «Sembra IA?», ma «Quali prove sostengono come sia stata creata questa immagine?». Questa guida offre un metodo ripetibile per indagare su un’immagine senza trattare il sospetto come prova. Separa anche due domande diverse: se un’immagine sia stata generata o modificata con IA e se l’affermazione associata sia vera. 1. Definisci cosa devi verificare Prima di aprire un rilevatore, scrivi l’affermazione. «Questa fotografia mostra l’alluvione di ieri in questa città» contiene un’affermazione sul luogo, una sulla data e l’implicazione che una fotocamera abbia registrato la scena. Ognuna richiede prove diverse. Una fotografia autentica con didascalia falsa può essere fuorviante senza IA. Una modifica assistita dall’IA può cambiare solo lo sfondo. Un’illustrazione interamente sintetica può essere chiaramente etichettata e del tutto appropriata nel contesto. Per un’immagine di attualità, dai priorità alla fonte originale, al luogo, alla data e alle notizie indipendenti. Per un annuncio di prodotto chiedi altre fotografie originali o un altro modo per verificare l’oggetto. Per una controversia sulla paternità chiedi cronologia di creazione e file originali invece di affidarti al solo aspetto. Tieni separate queste domande nelle note. «Non ho potuto verificare la data» non significa «generata dall’IA». 2. Conserva il miglior file disponibile Salva URL del post originale, nome dell’account, didascalia e ora di accesso. Se possibile ottieni dal creatore l’immagine originale scaricabile anziché una schermata di una ripubblicazione. Lavora su una copia. Evita di esportare o ridimensionare ripetutamente il file prima dell’esame: così cambi il materiale che cerchi di valutare. Registra se la tua copia sia originale, download di piattaforma o schermata. Se non lo sai, dillo. Non caricare documenti privati, immagini intime o materiale riservato di clienti su un rilevatore terzo senza permesso e un’adeguata valutazione della privacy. Puoi indagare sulla fonte pubblica prima di inviare il file ovunque. 3. Ricostruisci fonte e usi precedenti dell’immagine Cerca l’intera immagine, poi prova un ritaglio caratteristico come edificio, cartello o oggetto riconoscibile. Leggi le pagine dietro le corrispondenze invece di confrontare solo le miniature. Cerca didascalie precedenti, copie a risoluzione maggiore, dichiarazioni del creatore e una sequenza coerente di post. La documentazione Google su Informazioni su questa immagine descrive un contesto che può includere quando Google abbia incontrato per la prima volta l’immagine o immagini simili. Consideralo un aiuto alla ricerca, non una data di creazione certificata. Una copia indicizzata più vecchia non identifica necessariamente fotografo o editore originale. L’assenza di risultati nella ricerca inversa non prova una generazione IA. Anche una nuova fotografia, un’immagine privata o un ritaglio molto modificato potrebbero non avere corrispondenze accessibili. Per esempio, supponi che un’immagine drammatica di una «nuova» tempesta appaia in una pagina precedente su un altro paese. Questo mette in dubbio la didascalia attuale. Puoi spiegare la discrepanza senza affermazioni non sostenute sul metodo di produzione. 4. Controlla Content Credentials e metadati Quando Content Credentials sono disponibili, esamina risultato della validazione, firmatario e azioni registrate. Descrivono un’immagine generata, una modifica assistita dall’IA o una storia di acquisizione e modifica? Le informazioni si applicano davvero a questo file? La spiegazione C2PA descrive registri di provenienza legati crittograficamente. Un registro valido può sostenere una storia attribuita; non certifica indipendentemente che l’evento rappresentato o la didascalia siano veri. Credenziali mancanti sono neutre, non prova che un file sia autentico o sintetico. I normali metadati meritano una lettura separata e più prudente. Campi della fotocamera e nomi di software possono offrire indizi, ma possono essere modificati o rimossi. Un’etichetta di esportazione software dice qualcosa su una fase di elaborazione, non necessariamente su come sia stato creato ogni elemento visibile. Allo stesso modo una filigrana visibile può essere copiata o rimossa. Le verifiche delle filigrane invisibili sono specifiche del sistema. La panoramica SynthID di Google DeepMind descrive il suo sistema di filigrana; non è un test universale per ogni generatore e questa guida non implica che AIFakeScan fornisca un verificatore SynthID. 5. Esamina la coerenza visiva, non una lista di «segni IA» Inizia dall’intera scena, poi esamina i dettagli a un ingrandimento ragionevole. Cerca relazioni incoerenti: un oggetto che si unisce a un altro senza un confine plausibile, un riflesso incoerente con l’oggetto che dovrebbe riflettere o strutture ripetute che cambiano inaspettatamente. Mani, denti, scritte, ombre e trame fini possono essere punti utili da guardare. Non sono impronte permanenti dell’IA. Un’immagine convincente può non avere errori evidenti, mentre una fotografia ordinaria può contenere sfocatura da movimento, prospettiva insolita, artefatti di elaborazione o un’illusione ottica. Osservazione Approfondimento utile Cosa non stabilisce Scritte distorte Trova un originale più chiaro e confronta il cartello Che l’IA abbia creato l’intera immagine Mano o bordo strani Esamina contesto vicino e possibile sfocatura Un verdetto IA affidabile da solo Metadati mancanti Chiedi l’esportazione originale o il file di acquisizione Che l’immagine sia sintetica Azione IA dichiarata in credenziali valide Esamina azione, firmatario e storia interessata Che ogni parte della scena sia fabbricata Copia precedente con didascalia diversa Verifica contesto e cronologia precedenti Se sia stata coinvolta l’IA Descrivi l’osservazione prima di nominare una causa. «La ringhiera si fonde con la manica» è una dichiarazione verificabile. «I pixel provano l’IA» di solito nasconde ipotesi ancora da testare. 6. Usa un rilevatore di immagini IA come prova di supporto Se usi il rilevatore di immagini AIFakeScan, leggi prove e limiti insieme al risultato. La nostra metodologia spiega che valutazione e calibrazione beta sono incomplete: i risultati solo passivi restano inconcludenti e il servizio non presenta una probabilità IA misurata né una percentuale di accuratezza validata. Controlla cosa abbia esaminato lo strumento. Ha riportato una dichiarazione di provenienza, un indizio nei metadati o un segnale di modello passivo? Sono tipi diversi di prova. Un risultato per l’intera immagine non individua necessariamente una piccola area modificata con IA. Se gli strumenti non concordano, conserva la differenza. Non fare la media di punteggi non correlati né considerare una maggioranza come prova. Chiediti se gli strumenti supportino il tipo di contenuto pertinente e se le conclusioni dipendano da segnali simili. 7. Scrivi una conclusione coerente con le prove Usa una breve registrazione con quattro campi: affermazione, file esaminato, prove trovate e incertezza residua. Collega la fonte originale e distingui le tue osservazioni dal risultato di uno strumento. Conclusioni appropriate potrebbero essere «Il creatore etichetta l’immagine come generata dall’IA», «I registri di provenienza disponibili dichiarano una modifica IA» o «La fonte non ha potuto essere verificata da questa schermata». Evita di trasformare l’ultima in un’accusa definitiva. Per decisioni importanti su reputazione, lavoro o possibili illeciti di una persona, una rapida verifica con rilevatore non basta. Cerca materiale originale e revisione qualificata prima di agire o condividere un’accusa. Conserva una scheda di verifica dell’immagine Copia questa scheda vuota nelle note. Trasforma i sette passaggi precedenti in una registrazione che un’altra persona può seguire. È una procedura suggerita, non un esperimento completato o un benchmark di accuratezza. Campo della revisione La tua voce Affermazione da verificare Separa le domande su generazione, modifica, identità e didascalia Identità del file Nome, formato, dimensioni e hash SHA-256 se necessario Fonte Primo URL individuato, editore, data e modalità di ottenimento del file Versione Esportazione originale, download dalla piattaforma, schermata o sconosciuta Trasformazioni note Software, impostazioni e ordine; indica esplicitamente i dettagli sconosciuti Content Credentials Presenza, validazione dettagliata, fiducia nel firmatario e azioni dichiarate; oppure non verificato Filigrana del fornitore Verificatore ufficiale, data, risposta esatta e copertura Modello visivo Strumento/versione se disponibile, risultato esatto, limiti dichiarati e verifiche non disponibili Conferma della fonte Spiegazione del creatore, pubblicazioni precedenti e contesto indipendente Conclusione Affermazione circoscritta sostenuta, prove contrastanti e domande residue Confrontare un originale con una schermata o copia compressa Conserva prima l’originale. Se un confronto è utile, crea ogni derivato dalla stessa fonte intatta, cambia un’impostazione alla volta ed etichetta il risultato. Registra editor, dimensioni, impostazioni di esportazione e ogni report separato. Un download da piattaforma social può combinare varie trasformazioni, quindi descrivi il percorso effettivo invece di attribuire tutte le differenze alla compressione. Tieni metadati, validazione delle credenziali, verifica della filigrana e risultato del modello visivo in colonne separate. Non farne la media in una percentuale di autenticità. Senza una storia nota della fonte, un risultato cambiato non può stabilire quale versione abbia ricevuto la classificazione corretta. Usa la guida SynthID per la verifica ufficiale Google, la guida C2PA per gli stati delle credenziali e la guida ai falsi positivi quando una segnalazione contrasta con altre prove. Inizia dalla verifica adatta all’affermazione Usa il C2PA Checker per la provenienza incorporata e lo stato del firmatario. Usa il percorso di verifica SynthID quando la domanda è specificamente se l’IA Google abbia creato o modificato il file. Usa il rilevatore di immagini IA per un segnale del modello visivo con limiti dichiarati. Il confronto strumenti 2026 collega questi tipi di prova ad AIFakeScan, Gemini, Adobe Inspect e un’API visiva ospitata. L’esperimento su schermate e compressione offre un esempio completato di confronto delle versioni con hash e risultati per singola riga scaricabili. Domande frequenti Si può capire se un’immagine è generata dall’IA solo guardandola? A volte incoerenze evidenti suggeriscono dove indagare, ma l’aspetto da solo non può risolvere affidabilmente ogni caso. Usa storia della fonte e provenienza quando disponibili e mantieni inconcludenti i casi inconcludenti. L’assenza di dati EXIF significa che un’immagine è generata dall’IA? No. I metadati mancanti non identificano un metodo di produzione. Chiedi come il file sia stato scaricato, esportato o acquisito prima di concludere. Un rilevatore IA può provare che un’immagine sia reale? Un risultato negativo o inconcludente non stabilisce l’autenticità. Non può nemmeno provare data, luogo o storia associati. Queste affermazioni richiedono una propria verifica. Cosa controllare per primo? Inizia dalla fonte e dall’affermazione. Conserva la copia migliore, cerca usi precedenti, poi esamina provenienza e dettagli visivi. Usa un rilevatore per aggiungere prove, non per sostituire l’indagine. Il prossimo passo Raccogli URL originale e migliore immagine disponibile, poi esegui i controlli sopra. Se vuoi esaminare i segnali supportati del file, apri il rilevatore di immagini IA e leggi come funziona AIFakeScan prima di interpretare il risultato."},{"id":"https://aifakescan.com/it/resources/how-to-tell-if-a-video-is-ai-generated","url":"https://aifakescan.com/it/resources/how-to-tell-if-a-video-is-ai-generated","title":"Come capire se un video è generato dall’IA","summary":"Scopri come valutare un video tramite ricerca della fonte, esame dei fotogrammi, controlli audio e provenienza, e cosa i rilevatori non possono provare.","date_published":"2026-09-21T08:13:53.515Z","date_modified":"2026-09-21T08:13:53.515Z","tags":[],"content_text":"Per capire se un video è generato dall’IA, ricostruisci la fonte, esamina quando possibile il file originale, osserva il movimento nel tempo e confronta eventuali risultati di rilevamento con provenienza e prove indipendenti. Un fotogramma strano o un movimento delle labbra non sincronizzato sono motivi per indagare, non prove di generazione IA. Il video aggiunge una complicazione rispetto alle fotografie: devi controllare come la scena cambia nel tempo. Può anche combinare riprese genuine, inserti generati, un volto alterato, sottotitoli e audio sostitutivo. Un’unica etichetta può nascondere queste differenze. 1. Separa il video dall’affermazione Scrivi esattamente cosa stai verificando. La domanda è se una persona abbia detto certe parole, se un evento sia accaduto nel luogo dichiarato o se l’intera scena sia stata generata? Queste domande richiedono controlli diversi. Un filmato autentico può essere fuorviante perché vecchio, abbreviato, doppiato o accompagnato da una didascalia falsa. Un video può anche usare l’IA per un elemento senza essere interamente sintetico. Per una presunta dichiarazione pubblica cerca una registrazione completa da una fonte identificabile. Per le riprese di un evento cerca altre registrazioni, notizie e dettagli contestuali. Non lasciare che un’etichetta IA sostituisca la verifica della storia sottostante. 2. Conserva la fonte e ottieni una copia migliore Salva URL del post, account, didascalia, ora di accesso ed eventuale dichiarazione del creatore. Se puoi chiedi l’originale o una versione di qualità superiore. Una registrazione dello schermo di una ripubblicazione è un punto di partenza più debole per l’esame tecnico rispetto al file sottostante. Conserva l’originale intatto ed esamina una copia di lavoro. Registra la durata e se il filmato sembra modificato. Annota eventuali inizio, fine o audio mancanti. Non presumere che un breve estratto in circolazione contenga il contesto necessario per interpretarlo. Fai attenzione ai filmati sensibili. Prima di caricarli considera consenso, riservatezza e termini del servizio sul trattamento dei dati. Un’indagine su fonti pubbliche può rispondere alla domanda senza esporre contenuti privati altrui. 3. Cerca fotogrammi rappresentativi e il contesto circostante Scegli diversi fotogrammi chiari di momenti differenti: una vista ampia, un luogo caratteristico e un fotogramma con cartelli o oggetti riconoscibili. Cerca ciascuno con la ricerca inversa. Un fotogramma sfocato di transizione è di solito un cattivo punto di partenza. Prova sia il fotogramma intero sia un ritaglio significativo. Cerca separatamente frasi e nomi visibili. Confronta date e didascalie sulle pagine corrispondenti e segui gli indizi verso un caricamento originale o una versione più lunga. Le risorse WITNESS sulla verifica dei video offrono una base più ampia per verificare riprese di testimoni oculari. Il compito centrale è stabilire cosa una registrazione sostenga, non soltanto decidere se sembri convincente. Le indicazioni Google sul contesto delle immagini possono aiutare con i fotogrammi, ma una corrispondenza indicizzata è solo un indizio. L’assenza di risultati non significa che il video sia stato generato. Una registrazione privata, recente o fortemente modificata potrebbe non avere una copia precedente accessibile. 4. Guarda normalmente, poi esamina i cambiamenti nel tempo Guarda prima l’intero filmato a velocità normale, con audio se appropriato. Annota i momenti da rivedere. Poi rallenta quelle sezioni e passa tra fotogrammi adiacenti. Un singolo fotogramma fermo può accentuare una transizione o una sfocatura ordinaria; la sequenza circostante conta. Cerca coerenza in identità, forma degli oggetti, contatto e movimento. Gli abiti di una persona cambiano senza un taglio? Un oggetto scompare senza essere nascosto? Una mano attraversa qualcosa che sembra tenere? Sono spunti di indagine, non test autonomi. Controlla se un’apparente anomalia abbia una spiegazione ordinaria, come occlusione, movimento della fotocamera, taglio, riflesso o copia di bassa qualità. Ricorda anche che un movimento coerente non stabilisce l’autenticità: una sequenza sintetica convincente può non avere difetti visivi evidenti. Area da esaminare Domanda da porre Limite importante Volti e abiti I tratti sono coerenti nei fotogrammi adiacenti? Sfocatura, tagli e occlusione complicano il confronto Mani e oggetti Il contatto resta fisicamente coerente? Un fotogramma poco chiaro è una prova debole Sfondo Cartelli e strutture restano coerenti durante il movimento della fotocamera? Prospettiva e modifiche possono cambiare l’aspetto Riflessi e ombre I cambiamenti sono coerenti con scena e movimento? Una luce complessa può essere poco intuitiva Intervallo sospetto Il problema persiste in una copia migliore? Una ripubblicazione può introdurre propri artefatti Conserva note con i tempi. «La tazza cambia forma tra questi due momenti» è più utile di «Tutto il video sembra falso». 5. Tratta l’audio come una traccia di prova separata Ascolta cambiamenti bruschi nel rumore di fondo, modifiche attorno a parole importanti e se l’audio appartenga allo stesso ambiente apparente. Confronta un discorso dichiarato con una registrazione ufficiale completa o una trascrizione, se disponibili. La mancata sincronizzazione labiale non prova clonazione della voce o modifica IA del volto. Doppiaggio, errori di sincronizzazione e montaggio convenzionale sono spiegazioni alternative. Allo stesso modo, un parlato naturale non prova che sia stato registrato dalla persona nominata. Non dedurre un verdetto sulla clonazione della voce da un rilevatore visivo. L’ispezione audio Basic di AIFakeScan non classifica parlato clonato o sintetico e Basic Scan non include classificazione specializzata della sostituzione del volto. Questi limiti contano soprattutto per un filmato centrato sull’identità di una persona. 6. Esamina la provenienza senza confonderla con la verità Se il file ha Content Credentials, esamina stato di validazione, firmatario e azioni registrate. Una dichiarazione relativa all’IA può essere una prova utile della storia di produzione registrata. Stabilisci se descriva generazione, modifica o un’altra azione prima di riassumerla. La spiegazione C2PA illustra come la provenienza sia collegata ai contenuti. Una storia valida non stabilisce indipendentemente che la didascalia sia accurata o che l’evento rappresentato sia avvenuto come dichiarato. Le credenziali mancanti non sono prova di generazione IA. Le filigrane sono un meccanismo separato. Google DeepMind descrive la filigrana SynthID per testo e video, ma un metodo di verifica specifico del fornitore non è uno scanner universale per tutti i contenuti sintetici. AIFakeScan non promette accesso a ogni verificatore di filigrane invisibili. 7. Comprendi cosa ha effettivamente controllato un rilevatore video Prima di interpretare un risultato, chiediti se il servizio abbia esaminato ogni fotogramma, campionato fotogrammi, ispezionato metadati o verificato la provenienza disponibile. Questi approcci hanno coperture diverse. Un campione può perdere un breve inserto e un tempo può indicare un intervallo esaminato invece del confine esatto di una modifica. Il rilevatore video AIFakeScan dovrebbe essere usato con la metodologia pubblicata. Calibrazione e valutazione beta restano incomplete. I risultati basati solo su segnali passivi restano inconcludenti; non esistono percentuali di accuratezza validate o probabilità IA misurate da usare come verdetto. Deep Scan non è disponibile pubblicamente. Se il file non può essere valutato, registra il fallimento invece di trattarlo come risultato negativo. Se due strumenti sono in disaccordo, mantieni separate le osservazioni e indaga sul motivo invece di fare una media dei punteggi. 8. Riporta la conclusione più circoscritta sostenuta dalle prove Immagina un filmato etichettato come evento appena accaduto. La ricerca inversa di un fotogramma trova un caricamento più lungo di un anno precedente. Puoi avere ora prove contro la data attuale dichiarata. Questo da solo non mostra che il filmato sia generato dall’IA. In alternativa, un creatore potrebbe dichiarare esplicitamente una produzione sintetica e fornire provenienza corrispondente. Puoi riportare tale prova attribuita distinguendola comunque da una valutazione indipendente di ogni fotogramma. Usa una breve registrazione della verifica: URL della fonte, versione del file, affermazione, tempi esaminati, risultati e domande irrisolte. «Non verificato» è un esito legittimo. Per accuse con conseguenze, ottieni materiale originale e una revisione qualificata prima di agire. Domande frequenti Una schermata può provare che un video sia generato dall’IA? Di solito no. Una schermata elimina il contesto di movimento e audio e può catturare un momento non rappresentativo. Può aiutare a trovare una fonte precedente, ma valuta anche la sequenza e il file originale. Un battito di ciglia innaturale è un test affidabile dei deepfake? Nessun comportamento singolo dovrebbe decidere il caso. Cerca prove di conferma nella fonte, nella sequenza e nella storia di produzione invece di affidarti a una lista fissa di indizi visivi. Un video può essere autentico ma comunque fuorviante? Sì. Data, luogo, didascalia o contesto possono essere errati anche se la registrazione è autentica. Verifica separatamente queste affermazioni. Un rilevatore controlla ogni fotogramma e la voce di chi parla? Non necessariamente. Leggi la copertura dichiarata dal servizio. Campionamento dei fotogrammi, classificazione della sostituzione del volto e rilevamento del parlato sintetico sono capacità diverse; non presumere che una includa le altre. Il prossimo passo Salva la fonte, seleziona fotogrammi rappresentativi e documenta l’affermazione prima di avviare una scansione. Usa il rilevatore video IA per le verifiche supportate, poi combina le sue prove con la tua indagine sulla fonte. Un risultato onestamente irrisolto è più utile di un’etichetta sicura ma non sostenuta."}],"language":"it"}