1. Veritas
  2. Всі випуски
  3. Випуск 1, Номер 2, 2025
  4. Діпфейки: визначення поняття та критерії розмежування шкідливих та нешкідливих діпфейків

Діпфейки: визначення поняття та критерії розмежування шкідливих та нешкідливих діпфейків

Veritas.
2025;
Випуск 1, Номер 2
: 12-20

Hachkevych A. (2025). Deepfakes: Definition of the Concept and Criteria for Distinguishing Between Harmful and Harmless Deepfakes. Veritas: Legal and Psychological-Pedagogical Research. 1(2), 12–20. DOI:

Автори:
  1. Андрій Гачкевич
1
Національний університет “Львівська політехніка”, Навчально-науковий інститут права, психології та інноваційної освіти

Анотація. Стаття присвячена проблемі боротьби з діпфейками, яка набула особливої актуаль-
ності на сучасному етапі. Внаслідок появи загальнодоступних можливостей на базі штучного інтелекту
створювати дуже правдоподібні зображення, відеокліпи та інші види контенту, а також формування
сприятливого цифрового середовища для їхнього поширення, технологія діпфейків стала широко засто-
совуваною. Через небезпеку діпфейків виникла нагальна потреба у вдосконаленні права, що забезпечує
охорону основоположним цінностям, для яких діпфейки часто становлять загрозу. Поширення
шкідливого діпфейку загрожує правам людини, яка є дійовою особою діпфейку, спричиняє збитки для
організації, на інтереси якої він впливає, руйнуючи позитивну репутацію, а також може бути небез-
печним для суспільства загалом – як ефективний інструмент дезінформування та маніпулювання
громадською думкою. Відповідно у цій статті автор розглядає явище діпфейків як виклик та розкриває
суть поняття діпфейку, зауважуючи окремі спірні моменти. Названо чотири критерії, завдяки яким
можна відрізняти шкідливі діпфейки від нешкідливих: згода особи (чи показана особа дала свою згоду),
відсутність злочину (чи не має стосунку діпфейк до складу можливого злочину), позначення викорис-
тання штучного інтелекту (чи сам контент містить вказівку на те, що він створений з використанням
штучного інтелекту), а також сприяння суспільному благу (чи поширення діпфейку корисне для
суспільства). Автор зробив спробу навести власне визначення поняття діпфейку, а також виокремити
його складові: технологічну та інтелектуальну. Крім широко розповсюджених зображень та відеокліпів
як форм діпфейків, відзначена доцільність долучати до діпфейків й аудіозаписи. У статті порушено
питання взаємозв’язку між поширенням шкідливих діпфейків та відображенням у праві сучасних дер-
жав таких категорій, як порнопомста, дифамація, право на приватність, недобросовісна конкуренція,
дезінформація та ін.

діпфейк
визначення діпфейку
шкідливі діпфейки
штучний інтелект
глибоке машинне навчання
порнопомста
дифамація
право на приватність
дезінформація
закон про діпфейки
  1. Alanazi, S., Asif, S. (2024). Exploring deepfake technology: creation, consequences and countermeasures. Human-Intelligent Systems Integration, 6, 49-60. https://doi.org/10.1007/s42454-024-00054-8 
  2. Alanazi, S., Asif, S., Moulitsas, I. (2024) Examining the societal impact and legislative requirements of deepfake technology: a comprehensive study. International Journal of Social Science and Humanity, 14(2), 58-64.
  3. Almars, A. (2021). Deepfakes Detection Techniques Using Deep Learning: A Survey. Journal of Computer and Communications, 9, 20-35. https://doi.org/10.4236/jcc.2021.95003
  4. Anstey, B. J. (2017). Criminal defamation and reputation as 'honour': a cross-jurisdictional perspective. Journal of Media Law, 9(1), 132–153. https://doi.org/10.1080/17577632.2017.1311467
  5. Arslan, F. (2023). Deepfake Technology: A Criminological Literature Review. Sakarya Üniversitesi Hukuk Fakültesi Dergisi, 11(1), 701-720. https://doi.org/10.56701/shd.1293642.
  6. Blancaflor, E., Garcia, J.I., Magno, F.D., & Vilar, M.J. (2024). Deepfake Blackmailing on the Rise: The Burgeoning Posterity of Revenge Pornography in the Philippines. In Proceedings of the 2024 9th International Conference on Intelligent Information Technology (ICIIT '24). Association for Computing Machinery, New York, NY, USA, 295–301. https://doi.org/10.1145/3654522.3654548
  7. Botha, J.G. & Pieterse, H. (2020). Fake news and deepfakes: A dangerous threat for 21st century information security. In Payne, B. and Wu, H. (Eds.), Proceedings of the 15th International Conference on Cyber Warfare and Security (pp. 57-66). 
  8. Campbell, C., Plangger, K., Sands, S., Kietzmann, J., & Bates, K. (2022). How Deepfakes and Artificial Intelligence Could Reshape the Advertising Industry: The Coming Reality of AI Fakes and Their Potential Impact on Consumer Behavior. Journal of Advertising Research, 62(3), 241–251. https://doi.org/10.2501/JAR-2022-017
  9. Chadha, A., Kumar, V., Kashyap, S., Gupta, M. (2021). Deepfake: An Overview. In: Singh, P.K., Wierzchoń, S.T., Tanwar, S., Ganzha, M., Rodrigues, J.J.P.C. (Eds.), Proceedings of Second International Conference on Computing, Communications, and Cyber-Security. Springer. https://doi.org/10.1007/978-981-16-0733-2_39
  10. Chesney, R. & Citron, D. (2019). Deepfakes and the New Disinformation War. Foreign Affairs, 98(1), 147-155. 
  11. Dogan, S., Lemley, M. (2006). What the Right of Publicity Can Learn from Trademark Law. Stanford Law Review, 58, 1161-1220.
  12. European Commission. (2023, October 30). Hiroshima Process International Guiding Principles for Advanced AI system. Retrieved from https://digital-strategy.ec.europa.eu/en/library/hiroshima-process-inter...
  13. Franks, M.A. (2017). 'Revenge Porn' Reform: A View from the Front Lines. Florida Law Review, 69, 1251-1287.
  14. Gamage, D., Sewwandi, D., Zhang, M., & Bandara, A. (2025). Labeling Synthetic Content: User Perceptions of Warning Label Designs for AI-generated Content on Social Media. Retrived from https://arxiv.org/abs/2503.05711
  15. Hancock, J., & Bailenson, N. (2020). The Social Impact of Deepfakes. Cyberpsychology, Behavior, and Social Networking, 24(3), 149-152. https://doi.org/10.1089/cyber.2021.29208.jth
  16. Kaur, A., Hoshyar, A.N., Wang, X., & Xia, F. (2024). Beyond Deception: Exploiting Deepfake Technology for Ethical Innovation in Healthcare. In Proceedings of the 1st International Workshop on Multimedia Computing for Health and Medicine (pp. 70-78). Association for Computing Machinery. https://doi.org/10.1145/3688868.3689196
  17. Kidd, J. & Rees, A. (2022). Chapter 10: A Museum of Deepfakes? Potentials and Pitfalls for Deep Learning Technologies. In T. Stylianou-Lambert, A. Bounia & A. Heraclidou (Ed.), Emerging Technologies and Museums: Mediating Difficult Heritage (pp. 218-232). Berghahn Books. https://doi.org/10.1515/9781800733756-012
  18. Kietzmann, J., Lee, L. W., McCarthy, I. P., & Kietzmann, T. C. (2020). Deepfakes: Trick or treat? Business Horizons, 63(2), 135-146. https://doi.org/10.1016/j.bushor.2019.11.006
  19. Kikerpill, K., Siibak, A. & Valli, S. (2021). Dealing with Deepfakes: Reddit, Online Content Moderation, and Situational Crime Prevention. In J.B. Wiest (Ed.), Theorizing Criminality and Policing in the Digital Media Age (Studies in Media and Communications, Vol. 20) (pp. 25-45). Emerald Publishing Limited. https://doi.org/10.1108/S2050-206020210000020008
  20. Kirchengast, T. (2020). Deepfakes and image manipulation: criminalisation and control. Information & Communications Technology Law, 29(3), 308–323. https://doi.org/10.1080/13600834.2020.1794615
  21. MacKenzie, W. I., Jr, Weber, R., Barr, H. M., Lanius, C., & Tenhundfeld, N. L. (2025). Deepfake Label Recall: Combating Disinformation with Labels is Especially Effective for Those Who Dislike the Speaker. International Journal of Human–Computer Interaction, 1–15. https://doi.org/10.1080/10447318.2025.2466068
  22. Maddocks, S. (2020). 'A Deepfake Porn Plot Intended to Silence Me': exploring continuities between pornographic and ‘political’ deep fakes. Porn Studies, 7(4), 415–423. https://doi.org/10.1080/23268743.2020.1757499
  23. Masood, M., Nawaz, M., Malik, K.M., Javed, A., Irtaza, A., & Malik, H. (2023). Deepfakes generation and detection: state-of-the-art, open challenges, countermeasures, and way forward. Applied Intelligence, 53, 3974–4026. https://doi.org/10.1007/s10489-022-03766-z
  24. McCarthy, T. (1995). The Human Persona as Commercial Property: The Right of Publicity. Columbia University School of Law and the Arts, 19(3-4), 129-148.
  25. McKenna, M. (2005). The Right of Publicity and Autonomous Self-Definition. University of Pittsburgh Law Review, 67, 225-294.
  26. Meikle, G. (2022). Deepfakes. John Wiley & Sons.
  27. Meskys, E., Liaudanskas, A., Kalpokiene, J., & Jurcys, P. (2019). Regulating deep fakes: Legal and ethical considerations. Journal of Intellectual Property Law & Practice, 15(1), 24-31.  https://doi.org/10.1093/jiplp/jpz167 
  28. Miller, D., Somoray, K., & Stevens, H. (2025). A Shallow History of Deepfakes (January 22, 2025). Available at SSRN: https://papers.ssrn.com/sol3/Delivery.cfm/5130379.pdf?abstractid=5130379...
  29. Merriam-Webster. (n.d.) Revenge Porn. In Merriam-Webster.com dictionary. Retrieved March 10, 2025, from https://www.merriam-webster.com/dictionary/revenge%20porn
  30. Mirsky, Y. & Lee, W. (2021). The Creation and Detection of Deepfakes: A Survey. ACM Computing Surveys, 54(1), 7. https://doi.org/10.1145/3425780
  31. Moskalenko, K. (2015). The right of publicity in the USA, the EU, and Ukraine. International Comparative Jurisprudence, 1(2), 113-120. https://doi.org/10.1016/j.icj.2015.12.001
  32. Mudra, I. (2016). The Concept of “Fake” and its Views in the Media. TV and Radio Journalism, 15, 184-188.
  33. Mullen, M. (2022). A New Reality: Deepfake Technology and the World Around Us. Mitchell Hamline Law Review, 48(1), 210-234.
  34. Mustak, M., Salminen, J., Mäntymäki, M., Rahman, A., & Dwivedi, Y. K. (2023). Deepfakes: Deceptions, mitigations, and opportunities. Journal of Business Research, 154, Article 113368. https://doi.org/10.1016/j.jbusres.2022.113368
  35. Nguyen, T. T., Nguyen, Q. V. H., Nguyen, D. T., Nguyen, D. T., Huynh-The, T., Nahavandi, S., Nguyen, T. T., Pham, Q., & Nguyen, C. M. (2022). Deep learning for deepfakes creation and detection: A survey. Computer Vision and Image Understanding, 223, 103525. https://doi.org/10.1016/j.cviu.2022.103525
  36. Pandey, C.K., Mishra, V.K., & Tiwari, N.K. Deepfakes: When to Use It. In 2021 10th International Conference on System Modeling & Advancement in Research Trends (pp. 80-84). IEEE. https://doi.org/10.1109/SMART52563.2021.9676297
  37. Sandoval, M.P., de Almeida Vau, M., Solaas, J., Rodrigues, L. (2024). Threat of deepfakes to the criminal justice system: a systematic review. Crime Science, 13, 41. https://doi.org/10.1186/s40163-024-00239-1
  38. Sharma, M., Kaur, M. (2022). A review of deepfake technology: an emerging AI threat. In Soft Computing for Security Applications: Proceedings of ICSCS 2021 (pp. 605-619). Springer. https://doi.org/10.1007/978-981-16-5301-8_44
  39. Tariq, S., Abuadbba, A., & Moore, K. (2023). Deepfake in the Metaverse: Security Implications for Virtual Gaming, Meetings, and Offices. In Proceedings of the 2nd Workshop on Security Implications of Deepfakes and Cheapfakes (pp. 16-19). Association for Computing Machinery. https://doi.org/10.1145/3595353.3595880
  40. Vaccari, C., & Chadwick, A. (2020). Deepfakes and Disinformation: Exploring the Impact of Synthetic Political Video on Deception, Uncertainty, and Trust in News. Social Media + Society, 6(1), 1-13. https://doi.org/10.1177/2056305120903408
  41. Vasist, P., & Krishnan, S. (2022). Deepfakes: An Integrative Review of the Literature and an Agenda for Future Research. Communications of the Association for Information Systems, 51, 556-562. https://doi.org/10.17705/1CAIS.05126
  42. Verdoliva, L. (2020). Media Forensics and DeepFakes: An Overview. IEEE Journal of Selected Topics in Signal Processing, 14(5), 910-932. https://doi.org/10.1109/JSTSP.2020.3002101
  43. Wang, S.-Y., Wang, O., Zhang, R., Owens, A., & Efros, A.A. (2020). CNN-Generated Images Are Surprisingly Easy to Spot… for Now. In 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) (pp. 8692-8701). Seattle. https://doi/10.1109/CVPR42600.2020.00872
  44. Werner, J. (2024, October 24). Singapore's parliament passes bill to combat manipulated online election content. Retrieved from https://babl.ai/singapores-parliament-passes-bill-to-combat-manipulated-...
  45. Wittenberg, C., Epstein, Z., Berinsky, A. J., & Rand, D. G. (2024). Labeling AI-Generated Content: Promises, Perils, and Future Directions. An MIT Exploration of Generative AI. https://doi.org/10.21428/e4baedd9.0319e3a6
  46. Westerlund M. (2019). The Emergence of Deepfake Technology: A Review. Technology Innovation Management Review, 9(11), 40-53. 
  47. Whittaker, L., Letheren, K., & Mulcahy, R. (2021). The Rise of Deepfakes: A Conceptual Framework and Research Agenda for Marketing. Australasian Marketing Journal, 29(3), 204-214. https://doi.org/10.1177/1839334921999479
  48. Zhu, B., Fang, H., Sui, Y., & Li, L. (2020). Deepfakes for Medical Video De-Identification: Privacy Protection and Diagnostic Information Preservation. In Proceedings of the AAAI/ACM Conference on AI, Ethics, and Society (pp. 414-420). Association for Computing Machinery. https://doi.org/10.1145/3375627.3375849