> For the complete documentation index, see [llms.txt](https://library.zoom.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://library.zoom.com/technical-library/ja/ai/deepfake-risk-detection.md).

# ディープフェイクリスク検出

日々進化するAI技術により、本物の人物か、それとも詐称者かを見分けることがますます難しくなっています。これはディープフェイクとして知られる現象です。最近の実際の事例では、悪意ある行為者がディープフェイク技術を悪用して他人になりすまし、通常は金銭的利益や機密情報の入手を目的としていることが示されています。AIの急速な進歩により、ディープフェイクはさらに一般的になり、関連するセキュリティ脅威も増大する見込みです。

Zoomはユーザーの安全に取り組んでいるため、Zoom Meetingsにおける潜在的なディープフェイクのリスクを検出し、ユーザーに通知する独自のソリューション、Deepfake Risk Detectionを導入します。

{% hint style="warning" %}
**重要**

この機能は、2026年12月に有料アドオンSKUとしてリリースされる予定です。詳細については、Zoom担当者の連絡先情報をご確認ください。
{% endhint %}

顧客体験、実例、セキュリティとプライバシーの文脈、ユーザーと管理者向けの実践的なガイダンスについて、さらに詳細情報を知るには、引き続きお読みください。

Deepfake Risk Detectionとは何ですか？

Zoomは、ミーティングに潜在的なディープフェイクのリスクが提示されているかどうかを判断するのに役立つ独自の手法、Deepfake Risk Detectionを開発しました。このソリューションはZoom Meetingsにネイティブに組み込まれており、外部ツールを必要としない組み込み型のユーザー体験を実現します。

Deepfake Risk Detectionでできること：

* 合成されたオーディオまたはビデオのリスクの可能性を評価する
* ディープフェイクのリスクが特定されたときに、ミーティングの有効化された参加者に通知する
* ディープフェイクに関する判定結果を明確に表示し、参加者が評価してリスクを軽減するための対応を取れるようにする

Zoom独自のアプローチの技術的な詳細

Zoomは、人間と比較した場合の合成ビデオおよびオーディオの可能性を検出するための独自の機械学習モデルを作成しました。Zoom Deepfake Risk Detection がホストまたは有効化された参加者によってオンにされている場合、ディープフェイク検出技術はアクティブスピーカーのタイルを分析します。

## Zoomはどのようにディープフェイクの検出を支援するのですか？

### ビデオ検出

Zoom Deepfake Risk Detectionは、動画処理パイプラインに入る前に、送信者のデバイスでキャプチャされたビデオストリーム上で、クライアント側の生フレームを使用して直接実行されます。これにより、圧縮や低帯域幅のビデオのエンコード/デコード由来のアーティファクト、さらにディープフェイクの痕跡を隠したり消したりする可能性のあるその他の品質低下処理の影響を回避できるという大きな利点があります。

また、2ストリームの顔認証アーキテクチャも設計しました。受信側では、ビデオストリームがクラウドに送信され、送信側から取得したストリームと比較されて、両方のストリームが整合していることを認証します。これにより、攻撃者が送信側の本物のビデオストリームをディープフェイク検出サーバーに送り込みながら、Zoomの受信者にはディープフェイクのビデオストリームを配信することを防げます。タイムスタンプを使用した時間同期により、比較前に2つのビデオストリームが正しく整列されることが保証されます。

Deepfake Risk Detectionの主要な効率化機能の1つが、 **適応型検出頻度**です。参加者がミーティングに参加すると、システムは高頻度のチェックを開始し、確信度が高まるにつれて、時間の経過とともに頻度を段階的に下げます。検出頻度は、以前の認証結果に基づいて動的にさらに調整されます。確信度が高い場合は頻度を下げ、失敗が繰り返されてビデオフィードの信頼性が低いと判断された場合は検出を一時停止します。これに加えて、品質評価レイヤーがノイズ、明るさ、ぼかし、ランドマーク検出の確信度を評価してからディープフェイク検出を実行します。品質の低いフレームはスキップし、使用できない入力に一体型コンピュータのリソースを浪費するのではなく、参加者に具体的な改善手順（照明を改善する、モーションブラーを軽減するなど）を提示します。

Zoomミーティングでは、Zoomがミーティング体験内のビデオフィルター、アバター、スタジオ効果を制御します。Deepfake Risk Detectionが有効な場合、基盤となるオーディオおよびビデオストリームをより正確に解析するため、これらの特定機能はミーティングの間、無効になります。

{% hint style="info" %}
**注**

外見とバーチャル背景のほとんどの機能 **は、** Deepfake Risk Detectionと互換性があります。例外は姿勢補正で、Deepfake Risk Detectionが有効な場合は無効になります。
{% endhint %}

ビデオおよびオーディオストリームのデータ要素は取得され、クラウドに送信され、そこで検出が行われます。会議終了後、ビデオおよびオーディオデータと結果のスコアは削除されます。

### オーディオ検出

ZoomのオーディオDeepfake Risk Detectionは、クラウド側で各アクティブスピーカーのオーディオをリアルタイムで解析します。ミーティングのオーディオは、検出サービスに届く前にZoomの標準的なオーディオ処理を通過します。これらの標準処理には、エコーキャンセル、ノイズ抑制、コーデックエンコーディングなどがあります。私たちの検出モデルは、Zoom独自のパイプラインで処理されたオーディオを含む、幅広い実世界のオーディオ条件で学習されており、本物の発話が誤って偽物と判定されないようにしています。

音声ストリーム全体を継続的に分析するのではなく、システムはアクティブスピーカーから分類用の **短い音声区間** をインテリジェントに抽出します。品質評価レイヤーがリアルタイムで音声の状態を評価し、ネットワーク品質の低下によって劣化した区間を自動的に除外します。これにより、信頼性の低い入力の分析を避け、リソースをより有効に活用できます。また、 **音声認識ゲート** により、実際の発話だけがディープフェイク分析の対象になります。音楽や背景音などの非音声は自動的に除外されます。

ビデオ検出と同様に、Zoomはミーティング体験内のオーディオフィルターとスタジオ効果を制御します。Deepfake Risk Detectionが有効な場合、基盤となるオーディオストリームをより正確に解析するため、これらの特定機能は無効になります。ただし、参加者がアバターモードを使用している場合でも、オーディオのディープフェイク検出は引き続き動作するため、ビデオベースの解析が利用できない場合でも話者認証はアクティブなままです。

## アーキテクチャ

下の図はDeepfake Risk Detectionの概要を示しています。

<div data-with-frame="true"><figure><img src="https://2994873379-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2Fceg7QCwwI7tQIjqmJxa5%2Funknown.png?alt=media&amp;token=a6631afe-18af-4350-87a3-44e5c7547a15" alt="Architecture diagram showing data flow from sender to client to Zoom Cloud." height="695" width="624"><figcaption></figcaption></figure></div>

## ユーザー エクスペリエンス

Zoomミーティング中にZoom Deepfake Risk Detectionを有効にしている場合、潜在的なリスクがフラグ付けされた際に期待できる体験は次のとおりです。

Zoom Deepfake Risk Detectionは、次の方法で合成オーディオまたはビデオの潜在的な存在を有効なユーザー全員に通知します：

* 疑わしい参加者に **ディープフェイクのリスク** アイコンを付ける
* その参加者を画面の左上象限に移動する
* リンク付きの **ディープフェイクのリスクが検出されました** というポップアップを表示し、 **ディープフェイク検出ダッシュボード**を開くリンクから、詳細情報を確認できるようにする

次の画像は、アイコンとポップアップを示しています。

<div data-with-frame="true"><figure><img src="https://2994873379-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FxYY0DrODyhfsMeYCSjFV%2Funknown.png?alt=media&amp;token=12dc5921-4999-497f-a05a-983be5458381" alt="Sample image including Deepfake Risk Detection warnings." height="409" width="624"><figcaption></figcaption></figure></div>

「 **ディープフェイク検出ダッシュボード** 」では、有効化されたユーザーに次のような追加情報が表示されます。

* ミーティングの **すべての** 参加者のリスク状態
* 次の各ストリームに表示される検出リスクと確信度： **ビデオと音声の** 両方。追加の背景情報も確認できます。
* ユーザーに次の可能性のある手順を知らせるための、明確な行動喚起

以下は、ディープフェイク検出ダッシュボードの例です:

<div data-with-frame="true"><img src="https://2994873379-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FKUPezhc9d7x8UplAwue7%2Funknown.png?alt=media&amp;token=f90c2318-a92d-461d-aa51-b19b20cbe442" alt="" height="574" width="251"></div>

{% hint style="info" %}
**注**

Zoom Deepfake Risk Detection は、ビデオまたはオーディオのデータストリームが弱い、またはディープフェイクを検知するには品質が低すぎる場合、あるいは参加者が同意しなかった場合にも、ユーザーに通知します。
{% endhint %}

ユースケース

このセクションには、Deepfake Risk Detection の一般的なユースケースが 3 つ含まれています。ご相談したいシナリオがある場合は、Zoom の連絡先担当者にお問い合わせください。

### 金融機関コンサルタント

#### 概要

Bob Smith は、プライベートバンクで富裕層向けの個人コンサルタントを務めています。彼は毎日 5〜6 人の顧客と話し合い、個人の資産管理のための資産戦略や金融取引について助言しています。

#### リスク

Bob は顧客に代わって送金を行っており、新規アカウントの開設、大口の購入、遺産関係の業者への支払いなどを含みます。Bob は自分の判断、顧客を個人的に知っていること、そして簡易な認証チェックに頼っています。

#### 例

長年の顧客から、家族のために希少車を購入する予定だと伝えるため、Bob に急きょミーティングをしたいという依頼がありました。顧客は Bob に、所有者へ 19 万ドルを送金するよう指示しました。Zoom Deepfake Risk Detection は、ディープフェイクのリスクが高いと Bob に警告しました。この種の購入は顧客にとって珍しくありませんでしたが、Bob は慎重を期し、実際の送金前に携帯電話で顧客に通話しました。本物の顧客はこのミーティングを知らず、Bob は悪意のある人物への送金を回避できました。

### 人事採用担当者

#### 概要

Sally Ng は、中堅規模の組織で人材採用を担当しており、エンジニアリングおよび技術職の IT 採用を支援しています。彼女は常に 8〜10 件の募集ポジションを抱えており、候補者の特定からオファー交渉まで、採用プロセス全体を担当しています。

#### リスク

Sally は、リモート職の採用プロセスで慎重です。彼女の組織は、オフショアの候補者に対してますます多くのオファーを出しています。選考プロセスは厳格で、通常は 5〜6 人の追加面接官と、最終オファーが完了する前の成功したドキュメント認証を伴います。候補者は、対面で誰かに会うことなく入社することがよくあります。

#### 例

有望な面接プロセスの途中で、Sally は最終面接ラウンドについて知らせるため、候補者とビデオでつながりました。Zoom Deepfake Detection は、合成オーディオを含むリスクの高まりを Sally に警告しました。Sally は他の情報源と候補者の身元を照合し、その候補者が他人のオンラインプロフィールになりすましていると判断しました。Deepfake Risk Detection により、悪意のある人物が会社の社内 IT インフラと環境にアクセスする状況を回避できました。Sally は、ランサムウェア攻撃、顧客情報の危険、独自ソフトウェアの盗難の可能性を防ぎました。

### 金融機関担当マネージャー

#### 概要

Tom Cox は、大規模な組織でアカウント・ペイアブル（買掛金）スペシャリストのグループを管理しています。彼のチームは、会社のある部門にサービスを提供するベンダーへのお支払いを担当しています。

#### リスク

会社には、承認された請求書のみがお支払いされるようにするプロセスがあります。必要な承認レベルは請求書金額に応じて異なります。一部のベンダーは、インフラやデータサービスなど、会社の運営に欠かせない重要なサービスを提供しています。お支払いの遅延は、顧客への混乱を引き起こし、会社の評判を損ね、または罰金につながる可能性があります。

#### 例

Tom は、部門の金融機関担当副社長から突然通話を受けました。副社長は Tom に、機密プロジェクトのためベンダーへ 120 万ドルのお支払いをするよう指示しました。副社長が Tom に通話したのは、Tom の上司が外出中だったためです。そのお支払いは遅れており、今日中に行わないと Tom の会社に延滞ペナルティが発生する状況でした。不審に思った Tom は、副社長にすぐに Zoom ミーティングへ参加してもらい、本当に本人かどうかを認証するよう依頼しました。副社長はミーティングに参加し、Tom には本物の副社長とまったく同じ見た目と声に感じられましたが、Deepfake Risk Detection がそれは合成である可能性が高いと Tom に通知しました。Tom はお支払いを拒否し、高くつくミスを回避しました。

## 有効化と使用

アドオンを購入すると、アカウントオーナーと管理者は、組織の **グループ** レベルでDeepfake Risk Detectionを有効にできます。この機能をオンにするには、次の手順を実行します。

1. 「 [Zoomウェブポータル](https://www.zoom.com/).
2. 」にサインインします。管理者セクションに移動し、 **「アカウント管理」**&#x3092;クリックしてから、 **「アカウント設定」**.
3. をクリックします。上部のナビゲーションバーで、 **「一般」**&#x3092;クリックします。 **「セキュリティ」** セクションに移動し、 **「ディープフェイクのリスク検出を有効にする」**.

{% hint style="info" %}
**注**

この設定をロックして、この機能がすべてのミーティングで自動的に開始されるようにする場合は、機能を切り替えるスイッチの横にあるロックアイコンをクリックします。ミーティングの主催者や権限のあるユーザーに、個別のミーティングごとにこの機能をオンにするオプションを与えたい場合は、ロックを解除したままにします。
{% endhint %}

ミーティングでDeepfake Risk Detectionをオンにするには、下部のツールバーにあるメニューを開き、 **検出** アイコンをクリックします。

<div data-with-frame="true"><figure><img src="https://2994873379-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2F8jNV0vU542V4RmL0GOgW%2Funknown.png?alt=media&amp;token=d5aa945e-7698-44b0-baa5-67fc36f9310f" alt="Image of the menu, showing the Detection option in the middle of the second row." height="280" width="186"><figcaption></figcaption></figure></div>

同意

ホストと参加者の両方が、自分のミーティングで Deepfake Risk Detection を有効にすることができます。すべてのミーティング参加者に、Deepfake Risk Detection が有効になっていることが通知され、同意が求められます。参加者が同意する必要があるのは初回使用時のみで、その同意はユーザー設定に保存されます。ユーザーは、設定ポータルでいつでも同意の選択を変更できます。

<div data-with-frame="true"><figure><img src="https://2994873379-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FctBXUMeBy4rtLMmMkKRG%2Fuploads%2FjERq2uPA32Ri8PD1vtwV%2Funknown.png?alt=media&amp;token=658db132-011e-42d2-b248-b0d74899af37" alt="Sample Zoom meeting screen displaying a message that &#x22;Deepfake risk detection is on.&#x22;" height="411" width="624"><figcaption></figcaption></figure></div>

## 方法論

Zoom は、お客様が信頼でき安全なミーティング体験を得られるよう尽力しています。あらゆるリスク軽減ソリューションと同様に、完璧なものはありません。悪意のある人物は絶えず進化し、防御を試し続けるため、組織を守るための積極的な対策を講じる価値があります。

実際の事例を表すために複数の手法を組み合わせ、ビデオとオーディオの両方について主要なディープフェイクソリューションと直接比較を行いました。使用した手法には次のものがあります:

**ビデオ**

* 従来のグラフィックスベースの編集およびコンポジット手法
* オートエンコーダーに基づく顔の入れ替えなどの初期の深層学習手法
* GAN ベースの生成および操作手法
* 拡散ベースの生成／編集手法
* NeRF や 3D Gaussian Splatting などのニューラルレンダリング手法

**オーディオ**

* 参照条件付き生成 TTS
* スペクトログラム・ボコーダー TTS
* ニューラルコーデックまたはボコーダーによる再合成
* 音声変換または speech-to-speech

{% hint style="warning" %}
**重要**

ディープフェイクのリスク検知が有効かどうかにかかわらず、常に注意と慎重さを忘れないでください。
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://library.zoom.com/technical-library/ja/ai/deepfake-risk-detection.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
