予測不能な明滅パターンによる、スマートフォン撮影動画の偽造コスト引き上げ

1 概要

ImReal は、スマートフォンで撮影された動画に「実際のカメラで撮影されたこと」の証明を付与するカメラアプリケーションである。生成 AI による生成動画と撮影動画の見分けが困難になった 2026 年現在、ピクセルレベルの解析で生成動画か否かを検出するアプローチは、検出されないための生成技術との「いたちごっこ」に帰着し、構造的に優位性がない。一方、特定のセンサー署名付きカメラや、それが搭載された次世代型のスマートフォンが大衆層に届くまでには多くの年月が必要であることが予想される。

ImReal は生成動画検出ではなく、実際に撮影した動画の証明というアプローチを取る。撮影終了時にスマートフォンの背面フラッシュライトを予測不能なパターンで明滅させ、その物理反射を映像に焼き込む。録画停止後、端末内の独立したセキュリティ領域内の秘密鍵で、映像全体に C2PA 署名を付与する。その鍵は改竄されていない端末で取得されており、それを証明する証明書チェーンも同ファイルに同梱されている。

本論の中核主張は、任意の AI 生成動画を、ImReal 方式の正規撮影と区別できない形で紛れ込ませようとするとき、攻撃者が支払うコストは、従来型のカメラアプリケーションを偽装する場合と比較して構造的に跳ね上がる、ということである。

2 問題:信頼の崩壊と既存対策の限界

2.1 受動的な検出アプローチの構造的限界

生成動画検出技術は、本質的に「生成器と検出器のいたちごっこ」である。検出器が「ある特徴αがあれば AI 生成だ」と学習すれば、生成器側はその特徴αを含めないように修正がかけられる。同じ土俵の上で双方が学習を行える以上、検出器が長期的に勝てる構造的な根拠は存在しない。

2024〜2026 年の複数の評価論文は、最新検出器の精度が未知の生成モデルに対して最大 53.92% 劣化することを報告しており（arXiv 2404.16212、MDPI 15/3/1225）、これは受動的な検出アプローチに構造的限界が存在することを示唆している。

2.2 「嘘つきの分け前」による情報の汚染

検出が困難になると副次的な問題が発生する。撮影された動画を「これはAIだ。」と一方的に決めつけることが容易になり、いわゆる嘘つきの分け前が深刻な問題となる。例えば、発信力を持つ人間であれば、被害者の証言、現場の記録、政治的説明責任に対し、これはフェイクだと発信することで不都合な情報を容易に棄却できてしまう問題が発生する。

もはや、人間の目による検出は限界に近く、訓練されていない人間のディープフェイク検出精度は平均 65.64% にとどまる（arXiv 2405.04097）。

現在まで、あらゆるメディアの情報流通は、画像や動画が現場で実際に撮影されたという根拠に基づいて発信されている。しかし、既に現時点でその根拠は崩壊しつつある。

2.3 真正性証明カメラの広がりと限界

撮影証明を付与するための仕組みは広がり始めている。コンテンツの来歴を扱う標準規格である C2PA、特定の高性能カメラに搭載されたセンサーレベルの署名システム。この仕組みにより撮影後の改ざん、あるいは偽造コンテンツを撮影したと主張することが不可能になる。

現時点でこれらに共通するのは、特殊な機材が必要であることだ。一般的なスマートフォンを持つユーザ、ジャーナリスト、なりすまし被害者、クリエイターには届かない。

この仕組みはまさに今必要とされているのに、ほとんど広がりを見せていない。誰もが日常的に使用しているスマートフォンのカメラで撮影証明を行うアプリケーションが浸透しないことには大きく分けて 2 つの理由があると考える。

1. 偽動画検出の需要と真正性証明の供給が噛み合わないこと
2. 一般的なスマートフォンでの撮影証明が原理的に不可能であること

1 について。フェイク動画による被害を被るのは動画を見る側であるケースがほとんどであり、撮影する側が撮影証明をつける動機は小さい。

2 について。現在普及しているスマートフォンのセンサーは構造的に脆弱である。OS レベルの管理権限を強制的に取得する改造が活発に行われており、センサーレベルでフェイク動画のデータを注入するハッキングが容易に行えるため、スマートフォンで撮影、取得するあらゆるセンサーデータを信頼することができない。

3 ImReal の主張と設計

3.1 主張

ImReal はスマートフォンアプリであり、先述したように原理的に信頼できないデバイス上で動作するプログラムのため、厳密な撮影証明を行うことはできない。当アプリケーションが主張するのは、「フェイク動画を、限られた時間内で ImReal 形式で作ることがコスト・難易度の面で容易ではない」の一点に絞られる。

言い換えれば、当アプリケーションは絶対的な偽造不可能性を保証しない。十分なコストと技術、そして今後の AI・物理シミュレーション分野、コンピュータの計算性能向上等の発展により、当方式の優位性が崩れる可能性を否定することが難しいからである。

それでも、当アプリケーションの攻撃者が支払うコストは、従来型のカメラアプリケーションを偽装する場合と比較して構造的に跳ね上がる。

これにより、国家レベルのフェイク動画、巨額の金額が動く情報偽装等を除き、大多数の一般層が発信する動画情報においては、当アプリケーションを用いた撮影証明が一定以上の効果を発揮すると主張する。

3.2 撮影と署名のフロー

当アプリケーションでは、撮影時にリアルタイムでサーバーから取得した不規則なビットパターンをデジタル変調し、フラッシュライトの明滅として再生する。その光は被写体に物理的に反射し、そのまま動画に焼き込まれる。すなわち、物理世界の振る舞いを撮影時に強制的に映像へ結合する仕組みによって、動画の偽造コストを引き上げる。

撮影開始から終了までのフローは下記の通りである:

1. 通常の動画撮影を行ったのちに撮影終了ボタンを押下
2. 信頼できる分散型ランダムビーコン(drand など)からリアルタイムで乱数を取得する
3. 乱数ビットをデジタル変調し、端末のフラッシュライトで約 2 秒間の明滅として再生する
4. 光が目の前の物体に当たって反射する様子を、カメラがそのまま映像に焼き付ける
5. 撮影終了時刻の第三者時刻認証局による署名を取得する
6. 端末の独立したセキュリティ領域内の秘密鍵でオンデバイス C2PA 署名を行う。この鍵は改造されていない端末で取得されたものであることを事前検証済みであり、それを示す証明書チェーンを同梱する

このフローを攻撃者が偽造するには、撮影が終わるその瞬間まで予測できなかったチャレンジパターンに対して、反射・影・スペキュラまで物理整合する自然な映像を、限定された時間ウィンドウ内にリアルタイムで生成し、かつ事前検証を通過した正統な秘密鍵による署名フローを通す必要がある。

3.3 検証フロー

署名済み動画を受け取った第三者は、3 つの独立した観点から検証を行う。

1. パターン照合:映像末尾の輝度変化を復号し、サーバーから発行されたビットパターンと一致するかを確認する
2. 暗号検証:時刻署名、C2PA 署名、証明書チェーンなど、暗号的な整合性をすべて機械的に検証する
3. 物理光応答の検証:フラッシュ区間の光の振る舞いが、現実の撮影と整合するかを判定する

1 と 2 はソフトウェアで自動的に完了する。3 が当方式の検証上の核である。

スペキュラー反射の位置と強度が被写体の表面形状と一致しているか、影の方向と濃度がフラッシュの点光源位置と矛盾しないか、拡散反射が素材特性と整合するか、これらがシーン全体にわたって一貫しているか。フェイク動画では、これらすべてを物理的に正確かつ一貫して維持することが、シミュレーションであっても AI 生成であっても困難な課題として残る。

この困難さこそが、当方式の検出上の優位である。任意の動画から AI 生成の痕跡を探す汎用的なディープフェイク判定では、検出に使える手がかりが限られ、生成技術の進化とともに消失していく。一方、当方式では既知のパターンに対する物理応答という明確な検証対象が存在し、検出側が利用できる材料が構造的に多い。現時点ではこの判定を人間の目視に委ねている。この限定された領域には自動検出を組み込む余地があり、段階的に補強していく。

上記の検証はファイル単体で第三者が独立に実行できるが、以下のルート認証局を信頼する前提に立っている。

信頼の起点

• ImReal Root CA および ICA:ICA は App Attest(iOS)または Play Integrity(Android)による端末完全性の検査を行い、検査に通った端末の鍵に対して証明書を発行する
• 分散型ランダムビーコンの運営基盤:drand など、複数の独立した組織が共同運用する乱数発行基盤。チャレンジの予測不能性と生成元の正当性を担保する
• RFC 3161 準拠の商用タイムスタンプ機関:撮影終了時刻に第三者署名を付与する

4 脅威モデル

4.1 想定する攻撃者

当方式は、金銭的な動機を持つ専門的な攻撃者を想定する。コスト非対称性による防御は、攻撃の経済合理性を崩すことで機能するため、経済合理性に基づいて行動する攻撃者がその対象となる。国家レベルの攻撃や巨額の情報偽装は §3.1 で述べたとおり対象外とする。

4.2 防御側のゴール

正規ユーザの撮影コストを実質ゼロのまま、攻撃者の偽造コストを桁違いに引き上げる。完全な阻止ではなく、コスト非対称性の最大化が目標である。

4.3 非スコープ

以下は脅威モデルに含めない。

• 暗号基盤の破綻:SHA-256、Ed25519 等の暗号アルゴリズムそのものが破られるケースは別問題として扱う。
• 信頼の起点の侵害:ImReal Root CA、ビーコン運営基盤、TSA、Apple / Google のアテステーション基盤が侵害された場合、ImReal に限らずそれらに依存するシステム全体が崩壊する。ImReal 固有の問題ではない。
• 被写体の物理的な加工:偽の物を目の前に置いて撮影すること自体は止められない。
• 正規利用者の悪意:本人が自分の証明書で撮影・署名したものは正規の署名済み動画である。
• モニター再撮影:モニターに映した動画をスマートフォンで撮影した場合、暗号的には正規の撮影となる。ただしフラッシュがモニター表面で鏡面反射するため、映像上の光学的特徴から判別が可能である。

5 コスト分析

5.1 正規撮影者のコスト

正規撮影者の限界コスト:実質ゼロ。

5.2 攻撃者のコスト

具体的なアプローチ節で述べたとおり、当方式を攻撃するにはリアルタイムで物理整合する光応答を生成しセンサー入力に注入する能力が必要となる。その構築・運用コストを以下に示す。

固定コスト(初回構築):

変動コスト(偽造 1 本ごと):

5.3 比較と結論

当方式が存在しない場合、攻撃者は AI 動画生成サービスを利用して 1 本あたり数セント〜数ドルで偽動画を作成でき、リアルタイムの制約も物理整合の要件もない。偽動画の限界コストは実質ゼロである。

当方式はこの状況を変える。正規撮影者の限界コストは実質ゼロのまま、攻撃者の限界コストはリアルタイムの物理整合生成、Root 端末の保守、検出リスクの負担へと引き上げられる。

さらに、この攻撃は規模拡大ができない。チャレンジは毎回異なり、被写体も毎回異なるため、1 本の偽造に費やした計算は次の 1 本に転用できない。試行を増やせば検出リスクも比例して上がる。偽造の経済合理性が構造的に成り立たないことが、コスト非対称性の本質である。

6 関連研究

汎用スマートフォンのフラッシュとカメラのみで能動的照明検証を行い、C2PA と組み合わせてコンテンツの真正性を主張する試みは先行例がない。能動的照明検証という原理自体は学術的に確立された分野である。

7 限界

当アプリケーションの防御は、物理光応答のリアルタイム生成が現時点では困難であることに依存している。AI およびリアルタイムレンダリング技術の進化により、この困難さは将来的に減少し得る。防御強度は固定ではなく、技術環境とともに変動する。

撮影環境による制約もある。屋外直射日光下ではフラッシュの信号対雑音比が低下し、パターンの検出精度に影響する。

当アプリケーションは、動画の内容が事実であるかの判定、悪意あるディープフェイクの流通停止、AI 生成そのものの抑止を行うものではない。これらは問題領域外である。