根据最新的在线展示，政策制定者可能仍在赶上深层。Pindrop。
研究副总裁Elie Khoury解释说，该公司正在寻找可感知和不可思议的。前者的一个例子是AI模型与语音的斗争擦音。构成语音模型文本的文本分析，声学模型和声码器也往往会留下详尽的标志，这些标志在人耳中没有听到，而是将其产品的来源作为生成AI赋予。 Khoury和Pindrop副总裁Amit Gupta的产品，研究与工程副总裁讨论了这种算法分析的优势，而不是依赖水印。
这一点尤其重要，因为欧盟的AI法案是世界上对算法及其产品的最全面的监管，并不能禁止深层捕获。相反，它只是要求它们包括一个水印，如sumsubAI政策和合规专家Natalia Fritzen公司博客文章。
弗里岑（Fritzen）指出，观察家对AI法案规定的透明度方法的有效性受到了质疑，并且欺诈者不太可能有意遵守。
随着时间的流逝，各种人工制品可能会发生变化，但是由于Pindrop的模型经过专门设计，以寻找表明所呈现的声音已被欺骗的迹象，而攻击模型则设计为愚弄人类，因此仍然可以检测到算法参与的证据。作为产品和工程总监Sarosh Shahbuddin所说，用于创建深层蛋糕的模型是针对人类如何听到语音的方式的优化的，而不是“人类如何在频谱图中观看语音”。
Khoury指出，将来，攻击者可能会转向对抗性攻击模型，以专门针对Pindrop's等检测模型，但该公司已经在研究攻击对抗性攻击的方法。
一项关于DeepFake检测优先事项的民意调查表明，绝大多数网络研讨会参与者主要关心对呼叫中心的DeepFake攻击，而不是对高管，帮助办公桌员工或高净值个人的假冒。
Shahbuddin说，Pindrop还与未命名的合作伙伴合作，以阻止政治虚假信息。
有些人使用文本到语音和类似的工具，尽管残疾，但仍在与呼叫中心进行通信。软件工程高级经理Aarti Dongargaonkar解释了Pindrop的颗粒功能，用于将呼叫者排除在语音身份验证和LIVISE检测之外，以避免错误地将其视为欺诈风险。
Khoury表示，Pindrop的模型已证明超过99％的精确度，可以在内部基准测试中检测已知的生成AI工具的深层。他说，对于看不见的系统，其准确性通常超过90％，指的是一对近期突出的第三方挑战。他说，对于误报，客户的看法仅为0.1％，即使到那时，也是由电视上的语音等现象触发的，该现象在后台的音量相对较高。
