evidoria

← Voltar à navegação

Boa prática Importada

O Modelo de Deteção de Deepfakes por IA da Coreia do Sul para as Eleições Locais de 2026

Coréia do Sul · Sejong · Ver o perfil de Coréia do Sul · Ver o perfil de Sejong

Evidência: Descritivo / autorreportado Top 62% 53/100 · Pergunte a Evidence Copilot sobre esta prática

O Ministério do Interior e Segurança e o Serviço Forense Nacional coreanos construíram um modelo de deteção de deepfakes por IA a partir de um concurso com 268 equipas (~92% de precisão), usado antes das eleições locais de junho de 2026.

388 cases
Casos ilegais de deepfake eleitoral, ciclo legislativo anterior
10,510 cases
Casos ilegais de deepfake eleitoral, período das eleições presidenciais de 2024
268 teams
Equipas na competição de modelos de deteção (December 2025)
1,077 participants
Participantes na competição de modelos de deteção (December 2025)
~92 %
Precisão de deteção em teste de verificação
O Modelo de Deteção de Deepfakes por IA da Coreia do Sul para as Eleições Locais de 2026

Detalhes

Maturidade
Em expansão
Promotor
Ministry of the Interior and Safety & National Forensic Service
Período
2025-2026
Palavras-chave
elections, deepfake detection, digital forensics, public safety

Contexto

A Coreia do Sul registou um aumento acentuado de material eleitoral ilegal gerado por IA e deepfakes, de 388 casos num ciclo eleitoral legislativo anterior para 10.510 casos durante o período das eleições presidenciais de 2024, segundo dados do Ministério do Interior e Segurança.

Objetivos

O Ministério do Interior e Segurança e o Serviço Forense Nacional propuseram-se construir um modelo de deteção dedicado antes das 9ª eleições locais simultâneas a nível nacional, realizadas em 3 de junho de 2026.

Atividades

Uma 'Competição de Modelos de Deteção de IA para Resposta a Crimes de Deepfake', realizada em dezembro de 2025, reuniu 268 equipas e 1.077 participantes; os cinco modelos com melhor desempenho foram integrados num único sistema que combina a análise global do fluxo de vídeo com a análise local de traços faciais, movimento labial e textura da pele.

Resultados

O sistema combinado atingiu cerca de 92% de precisão de deteção em testes de verificação, e um sistema de apoio à avaliação rápida encaminha agora o conteúdo sinalizado para a Comissão Eleitoral Nacional e agências de investigação durante o período eleitoral.

Conclusões

Os dados publicados descrevem apenas a precisão de testes de verificação pré-eleitorais e as contagens de casos de ciclos eleitorais anteriores, sem que se tenha encontrado nos relatos públicos uma auditoria independente de precisão em campo pós-eleitoral do lançamento de junho de 2026; as autoridades planeiam alargar a mesma infraestrutura a outros crimes possibilitados por IA, incluindo material de exploração sexual, difamação e fraude financeira.

Implementação
Custo indicativo
Médio (50 mil–500 mil €)
Tempo até resultados
Curto (< 1 ano)
Equipa e competências
Ministry of the Interior and Safety, National Forensic Service, 268 competition teams / 1,077 participants who built candidate detection models, National Election Commission and investigative agencies receiving flagged content

Condições de sucesso

  • an open competition format to source and select the five best-performing detection models
  • combining global video-flow analysis with local facial/lip/skin-texture analysis
  • a rapid-assessment routing pipeline to election and investigative authorities

Modos de falha comuns

  • only pre-election verification-test accuracy (~92%) is published; no independent post-election field-accuracy audit was found
  • no disclosed false-positive rate or appeals process

Habitualmente financiado por

National / regional programmes

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Anexos

Práticas semelhantes que podem ser úteis