arXiv は2026年8月7日、Alexandros Gazis氏ら6名によるサーベイ論文「ディープフェイクと合成メディア：生成・検出・ガバナンス」を公開した。論文番号は arXiv:2609.25017v1 で、コンピュータビジョンとパターン認識（cs.CV）に分類されている。30ページ、図2点、表3点、参考文献120件という構成で、深層生成モデルが生み出す合成音声・映像コンテンツの脅威を、生成・検出・ガバナンスの三層から整理している。
論文はまずリスクを広く捉える。ディープフェイクは身元詐欺、偽情報キャンペーン、証拠の捏造に利用され得る。ジャーナリズム、金融、医療、法務といった高リスク領域では、深刻な誤情報、市場操作、なりすまし、制度への信頼低下につながる。そのため、現代の視覚インテリジェンスとコンピュータビジョンを用いた検出手法が重要になる。
生成側では、GAN、オートエンコーダ、ニューラルレンダリング、拡散モデル、動画合成などの主要な生成アーキテクチャを概観する。敵対的手法がリアリズムを高め、既存検出器への挑戦を強める点も説明している。生成と検出のいたちごっこが続く構図である。
検出側では、視覚的アーティファクト、デジタルパターン、生理的手がかり、さらに空間・時間・周波数領域の異常が利用される。検出器の主要系統としてCNN、Transformer、周波数ベース手法が挙げられる。評価ベンチマークとプロトコルも整理し、特に異なる生成器をまたぐ汎化が分野の中心的未解決課題だと指摘する。
検出だけでなく、暗号学的来歴標準、ウォーターマーク、EU AI法、DSA、GDPRなどの規制枠組みも議論する。民用・軍事の内容検証に向けた新しいインテリジェンス技術も今後の方向として示される。
結論として、効果的なディープフェイクガバナンスには多層防御が必要であり、フォレンジック検出、検証可能な来歴、制度的説明責任を統合すべきだとしている。プラットフォーム、規制当局、検証主体にとって、技術・標準・法制度を協調させることが求められる。