Deepfake là nội dung giả mạo — video, hình ảnh hoặc giọng nói — được tạo ra bằng trí tuệ nhân tạo để trông và nghe giống hệt người thật, dù người đó chưa từng nói câu đó hay làm hành động đó. Cách nhận biết deepfake hiệu quả nhất không dựa vào một dấu hiệu duy nhất mà là kết hợp ba lớp kiểm chứng: quan sát các dấu vết kỹ thuật trên khuôn mặt, giọng nói và chuyển động; kiểm tra nguồn gốc nội dung bằng công cụ tìm kiếm ngược và kiểm tra siêu dữ liệu; và xác minh qua một kênh liên lạc độc lập, ví dụ gọi lại cho người thân bằng số điện thoại đã lưu sẵn thay vì tin ngay cuộc gọi video đang diễn ra. Bài viết này giải thích bản chất và cơ chế tạo deepfake, liệt kê chi tiết từng dấu hiệu nhận biết video, ảnh và giọng nói giả mạo, giới thiệu các công cụ kiểm chứng đang dùng được năm 2026, phân tích rủi ro lừa đảo deepfake tại Việt Nam cùng khung pháp lý liên quan, và đưa ra checklist tự bảo vệ cho cá nhân và doanh nghiệp.
Deepfake là gì?
Deepfake là nội dung giả mạo được tạo ra bằng học sâu (deep learning), ghép khuôn mặt, giọng nói hoặc toàn bộ cơ thể của một người thật vào một video, hình ảnh hay đoạn âm thanh mà người đó chưa từng thực hiện. Thuật ngữ này ghép từ “deep learning” (học sâu) và “fake” (giả mạo), xuất hiện lần đầu năm 2017 khi một tài khoản Reddit có tên “deepfakes” đăng các video hoán đổi khuôn mặt người nổi tiếng. Từ một trò đùa trên diễn đàn, công nghệ này chỉ trong vài năm đã trở thành công cụ phổ biến, vừa phục vụ giải trí, điện ảnh, giáo dục, vừa bị lợi dụng để lừa đảo, bôi nhọ và phát tán thông tin sai lệch.
Điểm mấu chốt cần hiểu là deepfake không phải là một phần mềm duy nhất mà là một họ công nghệ. Có deepfake hoán đổi khuôn mặt (face swap), deepfake đồng bộ môi (lip sync), deepfake tạo toàn bộ video từ văn bản, deepfake nhân bản giọng nói (voice cloning) và deepfake thời gian thực dùng trong cuộc gọi video. Mỗi loại dùng một kiến trúc mô hình khác nhau, có độ khó khác nhau và để lại những dấu vết khác nhau. Người dùng bình thường không cần phân biệt được từng kiến trúc, nhưng hiểu sơ bộ về cách chúng hoạt động sẽ giúp việc nhận biết trở nên dễ dàng hơn rất nhiều, vì mọi dấu hiệu nhận biết đều bắt nguồn từ giới hạn của chính công nghệ tạo ra chúng.
Vì sao deepfake nguy hiểm hơn ảnh ghép Photoshop truyền thống? Thứ nhất, nó tự động: một người không có kỹ năng kỹ thuật cũng có thể tạo video giả mạo trong vài phút bằng các ứng dụng miễn phí hoặc dịch vụ trực tuyến. Thứ hai, nó thuyết phục: mô hình học sâu học được hàng nghìn đặc điểm nhỏ trên khuôn mặt và giọng nói — cách một người nhíu mày, cách môi cong khi phát âm một từ cụ thể, nhịp ngắt hơi khi nói — nên kết quả ngày càng khó phân biệt bằng mắt thường. Thứ ba, nó rẻ và nhanh: chỉ cần vài chục bức ảnh công khai của nạn nhân trên mạng xã hội và một đoạn ghi âm giọng nói vài chục giây là đủ để tạo ra bản sao số đủ dùng cho một cuộc gọi lừa đảo. Thứ tư, nó tấn công vào kênh tin cậy nhất của con người: chúng ta tin vào những gì mắt thấy, tai nghe, đặc biệt khi đó là khuôn mặt và giọng nói của người thân.
Tuy nhiên, deepfake không phải lúc nào cũng xấu. Cùng một công nghệ này đang được dùng để lồng tiếng phim bằng chính giọng của diễn viên gốc, phục dựng giọng nói cho người mất khả năng nói, tạo video đào tạo với người dẫn ảo, giúp các hãng phim “trẻ hóa” diễn viên, và hỗ trợ người sáng tạo nội dung sản xuất video nhanh hơn. Bài viết này tập trung vào mặt rủi ro — cách nhận biết và phòng tránh — nhưng độc giả nên nhớ rằng vấn đề không nằm ở công nghệ mà ở mục đích sử dụng và ở việc nội dung có được gắn nhãn minh bạch hay không.
Deepfake được tạo ra như thế nào? Cơ chế GAN, diffusion và nhân bản giọng nói
Deepfake được tạo ra bằng cách huấn luyện mô hình học sâu trên dữ liệu của người thật — ảnh, video và giọng nói — để mô hình học được đặc điểm của người đó rồi tái tạo lại trong nội dung mới. Ba họ công nghệ chính đứng sau hầu hết deepfake hiện nay là mạng đối kháng tạo sinh (GAN), mô hình khuếch tán (diffusion model) và các mô hình tổng hợp giọng nói. Hiểu được mỗi họ công nghệ giúp bạn biết dấu vết nào nên tìm ở loại nội dung nào.
Mạng đối kháng tạo sinh (GAN): hai mô hình thi đấu với nhau
GAN (Generative Adversarial Network) gồm hai mạng nơ-ron thi đấu với nhau: một “bộ tạo” (generator) chuyên sinh ra nội dung giả, và một “bộ phân biệt” (discriminator) chuyên phát hiện nội dung giả. Bộ tạo cố gắng đánh lừa bộ phân biệt, bộ phân biệt cố gắng bắt lỗi bộ tạo, và sau hàng triệu vòng lặp, bộ tạo trở nên giỏi đến mức ngay cả bộ phân biệt cũng không phân biệt được thật và giả. Đây là kiến trúc đã tạo nên thế hệ deepfake đầu tiên, đặc biệt là face swap: mô hình học cách mã hóa khuôn mặt của người A thành một dạng biểu diễn số, rồi giải mã lại thành khuôn mặt của người B với cùng biểu cảm, góc đầu và ánh sáng.
Dấu vết đặc trưng của deepfake GAN là các lỗi ở ranh giới: viền khuôn mặt bị mờ hoặc không khớp với cổ và tóc, màu da mặt hơi khác màu da cổ, răng và mắt thiếu chi tiết khi phóng to. Nguyên nhân là bộ tạo phải “vá” khuôn mặt mới lên khung hình cũ, và vùng tiếp giáp này luôn là nơi khó nhất. Các thế hệ GAN mới đã giảm đáng kể lỗi này, nhưng ở video có độ phân giải thấp hoặc bị nén mạnh — đúng kiểu video thường gặp trên mạng xã hội — lỗi ranh giới vẫn là dấu hiệu đáng tin cậy.
Mô hình khuếch tán (diffusion): thế hệ deepfake mới nhất
Mô hình khuếch tán (diffusion model) là kiến trúc đứng sau các công cụ tạo ảnh và video từ văn bản nổi tiếng hiện nay. Thay vì hai mô hình thi đấu, diffusion học cách “khử nhiễu”: nó bắt đầu từ một hình ảnh toàn nhiễu ngẫu nhiên và từng bước loại bỏ nhiễu cho đến khi hiện ra hình ảnh khớp với mô tả văn bản. Các mô hình video diffusion mở rộng nguyên lý này sang chuỗi khung hình, giữ cho chuyển động liền mạch giữa các khung hình liên tiếp.
Deepfake diffusion nguy hiểm ở chỗ nó không cần ghép mặt vào video có sẵn mà có thể tạo ra toàn bộ video mới từ một câu mô tả: “một người đàn ông trung niên mặc vest, ngồi trong văn phòng, nói về đầu tư chứng khoán”. Kết quả là video không có video gốc để đối chiếu, khiến việc tìm kiếm ngược hình ảnh trở nên khó khăn hơn. Dấu vết của deepfake diffusion thường nằm ở tính nhất quán theo thời gian: chi tiết nền thay đổi nhẹ giữa các khung hình, ngón tay hoặc vật thể biến dạng khi di chuyển, văn bản trong khung hình bị sai chính tả hoặc biến dạng. Đây cũng là lý do các chuyên gia khuyên nên xem video ở chế độ toàn màn hình và tua chậm những đoạn nghi ngờ: lỗi nhất quán thời gian lộ rõ nhất khi xem kỹ từng khung hình.
Nhân bản giọng nói (voice cloning): chỉ cần vài giây ghi âm
Nhân bản giọng nói (voice cloning) là công nghệ tạo ra giọng nói giả giống hệt một người thật từ một mẫu ghi âm ngắn. Các mô hình hiện đại chỉ cần khoảng 3 đến 30 giây giọng nói mẫu để bắt chước được âm sắc, cao độ, nhịp điệu và cách nhấn nhá của người đó. Quy trình gồm hai bước: một mô hình mã hóa trích xuất “dấu vân giọng nói” (speaker embedding) từ mẫu ghi âm, và một mô hình tổng hợp giọng nói (text-to-speech) dùng dấu vân đó để đọc bất kỳ văn bản nào bằng giọng của nạn nhân.
Nguy hiểm nhất của voice cloning là nó không cần dữ liệu hiếm: giọng nói của bất kỳ ai cũng có sẵn trên mạng xã hội qua video, livestream, tin nhắn thoại. Kẻ lừa đảo chỉ cần tải xuống một video nạn nhân từng đăng, tách lấy âm thanh, đưa vào công cụ nhân bản giọng nói, rồi gọi điện cho người thân của nạn nhân để vay tiền khẩn cấp. Vì cuộc gọi chỉ là giọng nói, nạn nhân không có bất kỳ tín hiệu hình ảnh nào để kiểm chứng. Các dấu vết của giọng nói nhân bản gồm ngữ điệu đều đều bất thường, thiếu hơi thở và tiếng ngập ngừng tự nhiên, phát âm các từ khó hoặc tên riêng hơi sai, và âm thanh nền quá sạch hoặc quá đều so với môi trường thật.
Deepfake thời gian thực trong cuộc gọi video: mức nguy hiểm cao nhất
Deepfake thời gian thực (real-time deepfake) là công nghệ hoán đổi khuôn mặt và giọng nói ngay trong lúc gọi video, để kẻ lừa đảo xuất hiện trên màn hình với khuôn mặt của người thân nạn nhân và nói chuyện tương tác trực tiếp. Khác với video deepfake ghi sẵn, deepfake thời gian thực phải xử lý từng khung hình trong vài chục mili giây, nên trước đây chất lượng còn thấp. Nhưng từ năm 2024 trở đi, các công cụ deepfake thời gian thực chạy được trên máy tính thông thường đã xuất hiện, với độ trễ thấp và chất lượng đủ để lừa người dùng trong một cuộc gọi ngắn, đặc biệt khi nạn nhân đang vội và không để ý kỹ.
Một biến thể đặc biệt nguy hiểm đã xuất hiện tại Việt Nam là deepfake dùng để vượt qua xác thực sinh trắc học: theo báo cáo năm 2026, cơ quan chức năng phát hiện các đối tượng dùng ảnh tĩnh hoặc video ngắn tạo bằng AI để giả lập cử động khuôn mặt, vượt qua cơ chế kiểm tra sinh trắc học của một số hệ thống, thậm chí can thiệp vào camera điện thoại để thay hình ảnh thật bằng ảnh trong kho khi hệ thống ngân hàng yêu cầu quét khuôn mặt. Các đường dây sản xuất và mua bán phần mềm, thiết bị giúp vượt qua xác thực sinh trắc học đã bị Công an TP Hà Nội và Thanh Hóa triệt phá. Điều này cho thấy deepfake không chỉ là mối đe dọa với cá nhân mà còn là thách thức với toàn bộ hạ tầng xác thực số.
Các dạng deepfake phổ biến hiện nay
Không phải mọi deepfake đều giống nhau. Bảng dưới đây phân loại các dạng deepfake thường gặp nhất, cách nhận biết nhanh và mức độ nguy hiểm của từng dạng, để bạn biết nên cảnh giác ở đâu.
| Dạng deepfake | Cách hoạt động | Dùng để làm gì | Dấu hiệu dễ thấy nhất |
|---|---|---|---|
| Hoán đổi khuôn mặt (face swap) | Ghép khuôn mặt người A lên video của người B | Video giả mạo người nổi tiếng, lãnh đạo, người thân | Viền mặt mờ, màu da mặt khác da cổ, mắt thiếu tự nhiên |
| Đồng bộ môi (lip sync) | Thay đổi chuyển động môi để khớp với âm thanh mới | Video người thật nhưng nói lời chưa từng nói | Môi và âm thanh lệch nhau, răng biến dạng khi nói nhanh |
| Tạo video từ văn bản | Mô hình diffusion sinh toàn bộ video từ mô tả chữ | Video quảng cáo giả, tin tức giả, video “người nổi tiếng khuyên đầu tư” | Nền thay đổi giữa các khung hình, tay và vật thể biến dạng |
| Nhân bản giọng nói (voice cloning) | Tổng hợp giọng nói giống người thật từ mẫu ghi âm ngắn | Cuộc gọi giả mạo người thân vay tiền, giả mạo sếp chỉ đạo chuyển khoản | Ngữ điệu đều, thiếu hơi thở, phát âm tên riêng sai |
| Deepfake thời gian thực | Hoán đổi mặt và giọng ngay trong cuộc gọi video | Gọi video giả mạo người thân, vượt xác thực sinh trắc học | Mặt cứng khi quay đầu, độ trễ môi và tiếng, yêu cầu làm động tác lạ thì lúng túng |
| Ảnh deepfake | Tạo hoặc chỉnh sửa ảnh bằng AI tạo sinh | Ảnh giả mạo sự kiện, ảnh hồ sơ giả, ảnh “bằng chứng” giả | Tay và ngón tay sai số lượng, chữ trong ảnh sai chính tả, nền méo mó |
| Giả mạo toàn thân (full-body) | Tạo cả cơ thể và chuyển động của một người | Video khiêu dâm giả mạo, video quảng cáo giả | Tỷ lệ cơ thể bất thường, chuyển động tay chân cứng nhắc |
Trong thực tế lừa đảo tại Việt Nam, hai dạng nguy hiểm nhất là nhân bản giọng nói và deepfake thời gian thực, vì chúng tấn công trực tiếp vào lòng tin gia đình và vào quy trình làm việc của doanh nghiệp. Một cuộc gọi video ngắn từ “người thân” đang gặp tai nạn cần tiền viện phí gấp tạo ra áp lực tâm lý rất lớn, khiến nạn nhân chuyển tiền trước khi kịp suy nghĩ. Hiểu rõ từng dạng giúp bạn chọn đúng cách kiểm chứng cho từng tình huống, thay vì áp dụng một mẹo chung cho mọi loại nội dung.
Cách nhận biết video deepfake: dấu hiệu trên khuôn mặt và chuyển động
Video deepfake thường lộ ra qua các dấu hiệu nhỏ trên khuôn mặt và chuyển động mà mô hình AI chưa tái tạo hoàn hảo. Không có dấu hiệu nào là bằng chứng tuyệt đối, nhưng khi hai hoặc ba dấu hiệu cùng xuất hiện trong một video, bạn nên coi nội dung đó là đáng ngờ và chuyển sang bước kiểm chứng nguồn gốc. Dưới đây là từng nhóm dấu hiệu, sắp xếp theo mức độ tin cậy từ cao xuống thấp.
Mắt, chớp mắt và ánh nhìn: dấu hiệu kinh điển vẫn còn giá trị
Con người chớp mắt trung bình khoảng 15 đến 20 lần mỗi phút, với nhịp không hoàn toàn đều và thời gian mỗi lần chớp mắt khoảng 100 đến 400 mili giây. Các deepfake thế hệ đầu thường không chớp mắt hoặc chớp mắt quá ít, vì dữ liệu huấn luyện chủ yếu là ảnh tĩnh và video mà người mẫu mở mắt. Các mô hình mới đã học được cách chớp mắt, nhưng nhịp chớp mắt vẫn thường quá đều hoặc không khớp với cảm xúc trong lời nói — ví dụ người trong video đang kể một câu chuyện xúc động nhưng mắt gần như không chớp, hoặc chớp mắt ngay giữa một từ quan trọng một cách máy móc.
Ánh nhìn cũng là điểm yếu của deepfake. Trong video thật, mắt của người nói thường di chuyển theo người đối diện, liếc xuống khi suy nghĩ, hoặc nhìn lệch khi nhớ lại sự việc. Trong video deepfake, ánh nhìn thường “dính” vào một điểm, hướng nhìn không thay đổi khi đầu quay, hoặc hai mắt nhìn về hai hướng hơi khác nhau. Một mẹo thực hành: tạm dừng video và phóng to vùng mắt. Nếu lòng trắng mắt có đốm sáng phản chiếu không đối xứng giữa hai mắt, hoặc con ngươi có hình dạng méo mó, đó là dấu hiệu mạnh của nội dung tổng hợp. Phản chiếu trong mắt cũng phải khớp với nguồn sáng trong khung hình: nếu trong mắt phản chiếu cửa sổ nhưng khung hình không có cửa sổ, video đó có vấn đề.
Da, răng, tóc và viền khuôn mặt
Da người thật có kết cấu không đồng đều: lỗ chân lông, nếp nhăn nhỏ, vết tàn nhang, sự thay đổi màu sắc theo vùng. Deepfake thường làm da quá mịn và đều màu, như được phủ một lớp lọc làm đẹp quá tay, hoặc ngược lại, tạo ra các nếp nhăn không khớp với tuổi của đôi mắt và mái tóc. Một kiểm tra nhanh là so sánh màu da mặt với màu da cổ và tai: nếu mặt sáng hơn cổ một cách rõ rệt, hoặc tai có màu khác hẳn mặt, khả năng cao khuôn mặt đã bị thay thế. Ranh giới giữa mặt và tóc cũng là vùng dễ lộ lỗi: tóc trong deepfake thường bị mờ ở chân tóc, sợi tóc dính vào trán, hoặc phần tóc mai biến mất rồi xuất hiện lại giữa các khung hình.
Răng là một trong những chi tiết khó tái tạo nhất. Khi người trong video nói nhanh hoặc cười lớn, răng trong deepfake thường mờ, dính vào nhau thành một khối trắng, hoặc số răng thay đổi giữa các khung hình. Tương tự, lưỡi và khoang miệng khi phát âm các âm cần mở miệng lớn thường bị biến dạng. Nếu video có đoạn người nói cười to hoặc phát âm rõ, hãy tua chậm đoạn đó và quan sát miệng: video thật giữ nguyên cấu trúc răng ổn định qua mọi khung hình, video giả thường không làm được điều này.
Đồng bộ môi và âm thanh: kiểm tra bằng cách tắt tiếng
Đồng bộ môi (lip sync) là bài kiểm tra đơn giản mà hiệu quả. Hãy xem video hai lần: một lần có tiếng, một lần tắt tiếng và chỉ nhìn miệng. Trong video thật, chuyển động môi, hàm và lưỡi khớp chính xác với từng âm tiết, kể cả các âm khó như âm môi (b, p, m) khi môi phải khép hoàn toàn, hay âm răng (f, v) khi răng trên chạm môi dưới. Trong video deepfake, môi thường chuyển động hơi chậm hoặc hơi nhanh hơn tiếng nói một nhịp, đặc biệt ở đầu câu và cuối câu, hoặc môi không khép hẳn khi phát âm các âm môi. Độ lệch chỉ vài chục mili giây cũng đủ để não người cảm thấy “có gì đó sai sai” dù không chỉ ra được cụ thể.
Một dấu hiệu khác là chuyển động đầu và cơ thể. Người thật khi nói thường gật đầu nhẹ, nghiêng đầu theo ngữ điệu, vai chuyển động theo hơi thở. Deepfake face swap giữ nguyên chuyển động đầu của người đóng thế nhưng thay khuôn mặt khác lên, nên thường xuất hiện sự không khớp tinh tế: đầu quay sang một bên nhưng khuôn mặt vẫn hướng thẳng, hoặc cổ và vai chuyển động nhưng mặt gần như bất động. Khi người trong video quay đầu nhanh sang trái hoặc phải, deepfake thường lộ rõ nhất vì mô hình phải tái tạo khuôn mặt ở góc mà nó ít dữ liệu huấn luyện nhất. Đó là lý do các chuyên gia khuyên: nếu nghi ngờ một cuộc gọi video, hãy yêu cầu đối phương quay đầu sang hai bên hoặc đứng dậy di chuyển — deepfake thời gian thực rất khó giữ khuôn mặt ổn định trong các chuyển động đó.
Ánh sáng, bóng đổ và tính nhất quán của khung hình
Ánh sáng trong video thật tuân theo vật lý: một nguồn sáng tạo ra bóng đổ theo một hướng nhất quán trên mặt, cổ, quần áo và vật thể xung quanh. Deepfake ghép mặt thường tạo ra ánh sáng trên khuôn mặt không khớp với ánh sáng trên cơ thể và phông nền: mặt sáng từ bên trái trong khi bóng trên tường đổ về bên trái, hoặc mặt quá sáng so với căn phòng tối xung quanh. Hãy so sánh hướng bóng đổ trên mũi và cằm với hướng bóng đổ của các vật thể khác trong khung hình. Nếu hai hướng khác nhau, video đã bị can thiệp.
Tính nhất quán theo thời gian là dấu hiệu mạnh nhất với video tạo bằng diffusion. Hãy xem video ở chế độ toàn màn hình và chú ý các chi tiết nền: một bức tranh trên tường có thay đổi nhẹ giữa các giây không, tay cầm của chiếc cốc có biến dạng khi người nói giơ tay lên không, hoa văn trên áo có “trôi” theo chuyển động không. Video thật giữ mọi chi tiết nền ổn định tuyệt đối; video tạo bằng AI thường để các chi tiết nhỏ “nhấp nháy” hoặc biến dạng nhẹ qua từng khung hình. Ngoài ra, hãy để ý hiện tượng nhấp nháy tổng thể: khuôn mặt trong deepfake chất lượng thấp thường rung nhẹ hoặc thay đổi độ sáng theo từng khung hình, tạo cảm giác hình ảnh không “dính” vào đầu người nói.
Cách nhận biết hình ảnh deepfake: tay, chữ và phông nền
Hình ảnh do AI tạo ra thường lộ ra qua bàn tay, văn bản trong ảnh và sự phi lý của phông nền. Đây là ba nhóm dấu hiệu dễ kiểm tra nhất mà không cần công cụ, chỉ cần phóng to ảnh và nhìn kỹ.
Bàn tay là điểm yếu nổi tiếng nhất của ảnh AI. Mô hình tạo ảnh học được hình dạng tổng thể của bàn tay nhưng thường sai ở chi tiết: ngón tay thừa hoặc thiếu, ngón tay dài bất thường, móng tay mọc sai vị trí, hai bàn tay không đối xứng, hoặc ngón tay hòa vào vật thể đang cầm. Hãy đếm ngón tay trong mọi bức ảnh nghi ngờ, đặc biệt khi tay đang cầm cốc, điện thoại hay bắt tay người khác. Tuy nhiên, cần lưu ý rằng các mô hình mới nhất đã cải thiện đáng kể khả năng vẽ tay, nên “tay bình thường” không còn là bằng chứng ảnh thật, chỉ có “tay bất thường” vẫn là bằng chứng ảnh giả.
Văn bản trong ảnh là dấu hiệu thứ hai. Mô hình tạo ảnh không hiểu chữ viết mà chỉ bắt chước hình dạng của chữ, nên biển hiệu, bìa sách, màn hình máy tính hay áo phông có chữ trong ảnh AI thường bị sai chính tả, chữ biến dạng, chữ cái lặp lại vô nghĩa, hoặc chữ bị nhòe đúng ở những vị trí quan trọng. Một bức ảnh “bằng chứng” có biển số xe, biển tên công ty hay tài liệu với dòng chữ không đọc được là dấu hiệu cảnh báo mạnh. Hãy phóng to mọi vùng có chữ trong ảnh và đọc thử: ảnh thật có chữ rõ ràng và đúng chính tả, ảnh AI thường không làm được điều này.
Phông nền là dấu hiệu thứ ba. Hãy quét toàn bộ phông nền để tìm các vật thể phi lý: một chiếc ghế có ba chân, một cửa sổ mở ra bức tường, một người đi đường bị mất nửa thân, đường kẻ trên tường không thẳng, gương phản chiếu hình ảnh khác với thực tế. Mô hình tạo ảnh giỏi vẽ chủ thể chính nhưng thường cẩu thả với các chi tiết ở rìa khung hình. Ngoài ra, hãy kiểm tra siêu dữ liệu (metadata) của ảnh: ảnh chụp bằng điện thoại thật thường còn dữ liệu EXIF ghi thiết bị, thời gian và đôi khi cả tọa độ; ảnh tạo bằng AI thường không có EXIF hoặc có EXIF trống. Trên máy tính, bạn có thể xem EXIF bằng cách nhấp chuột phải vào file ảnh và chọn Properties hoặc Details; trên điện thoại, nhiều ứng dụng xem ảnh cho phép xem thông tin chi tiết của file.
Cách nhận biết giọng nói giả mạo: ngữ điệu, hơi thở và âm thanh nền
Giọng nói nhân bản thường lộ ra qua ngữ điệu đều đều, sự vắng mặt của hơi thở tự nhiên và cách xử lý các từ khó. Tai người rất nhạy với giọng nói quen thuộc: bạn có thể không chỉ ra được chính xác điểm nào sai, nhưng bạn sẽ cảm thấy giọng của “người thân” trong cuộc gọi có gì đó khác lạ. Hãy tin vào cảm giác đó và kiểm chứng thêm.
Ngữ điệu là dấu hiệu đầu tiên. Giọng nói thật có nhịp điệu lên xuống theo cảm xúc và ý nghĩa câu nói: câu hỏi lên giọng ở cuối, câu kể chuyện có chỗ nhấn nhá, chỗ ngập ngừng. Giọng nói nhân bản, đặc biệt khi được tạo từ một mẫu ghi âm ngắn, thường có ngữ điệu đều đều hơn, nhấn nhá không đúng chỗ, hoặc lên giọng ở những vị trí không tự nhiên trong câu. Hãy nghe cách “người gọi” phát âm tên riêng của bạn, tên địa danh quen thuộc hay các từ địa phương: mô hình nhân bản giọng nói thường phát âm các từ này theo cách chuẩn hóa, khác với cách phát âm riêng của người thật mà bạn đã quen tai.
Hơi thở và tiếng ngập ngừng là dấu hiệu thứ hai. Khi nói chuyện thật, con người hít thở giữa các câu, có tiếng “ừm”, “à”, ngập ngừng khi suy nghĩ, thậm chí ho nhẹ hay cười khúc khích. Giọng nói nhân bản thường quá “sạch”: không có hơi thở, không có tiếng ngập ngừng, các câu nối nhau một cách trơn tru bất thường. Ngược lại, một số hệ thống cố tình chèn tiếng ngập ngừng giả vào nhưng chèn sai vị trí — ví dụ “ừm” xuất hiện giữa một cụm từ không cần suy nghĩ. Âm thanh nền cũng đáng chú ý: cuộc gọi thật từ ngoài đường có tiếng xe, từ quán cà phê có tiếng nhạc nền thay đổi theo thời gian; cuộc gọi dùng giọng nhân bản thường có âm thanh nền hoàn toàn tĩnh hoặc hoàn toàn vắng lặng, hoặc tiếng ồn nền lặp lại theo chu kỳ.
Quan trọng hơn mọi dấu hiệu kỹ thuật là dấu hiệu về nội dung và bối cảnh. Kẻ lừa đảo dùng giọng nói giả mạo gần như luôn tạo ra tình huống khẩn cấp: tai nạn, cần tiền viện phí ngay, bị công an giữ, cần chuyển khoản trong vài phút. Chúng gây áp lực không cho nạn nhân thời gian suy nghĩ, không cho gọi lại xác minh, và thường yêu cầu chuyển tiền vào tài khoản lạ. Quy tắc vàng là: bất kỳ yêu cầu chuyển tiền khẩn cấp nào qua điện thoại — dù giọng nói nghe quen thuộc đến đâu — cũng phải được xác minh qua một kênh khác trước khi chuyển. Hãy cúp máy và gọi lại cho người thân bằng số điện thoại bạn đã lưu sẵn, hoặc nhắn tin qua một ứng dụng khác để hỏi trực tiếp. Nếu đó là người thân thật đang gặp sự cố, họ sẽ hiểu và chờ bạn xác minh; chỉ kẻ lừa đảo mới gây áp lực để bạn không kịp xác minh.
Nhận biết deepfake trong cuộc gọi video trực tiếp: các phép thử thực hành
Cuộc gọi video giả mạo là tình huống nguy hiểm nhất vì nạn nhân có rất ít thời gian suy nghĩ, nhưng cũng là tình huống dễ kiểm chứng nhất nếu bạn biết các phép thử đúng. Dưới đây là các phép thử có thể thực hiện ngay trong cuộc gọi, sắp xếp từ dễ đến khó, và kẻ dùng deepfake thời gian thực sẽ rất khó vượt qua tất cả.
Phép thử thứ nhất là yêu cầu đối phương thực hiện một động tác bất ngờ: quay đầu sang trái rồi sang phải thật chậm, giơ tay che một phần khuôn mặt, chạm tay lên mũi hoặc cằm, hoặc đứng dậy và đi vài bước. Deepfake thời gian thực được huấn luyện chủ yếu trên khuôn mặt nhìn thẳng, nên khi khuôn mặt quay nghiêng quá 45 độ, mô hình thường bị vỡ: khuôn mặt biến dạng, viền mặt nhòe, hoặc mặt không theo kịp chuyển động đầu. Khi tay che mặt, mô hình phải quyết định phần nào của tay là thật và phần nào của mặt là giả, và thường xử lý sai, khiến ngón tay “chìm” vào mặt hoặc mặt bị méo khi tay di chuyển qua.
Phép thử thứ hai là yêu cầu đối phương tương tác với một vật thể thật theo cách không đoán trước được: cầm một tờ giấy viết một từ bạn đọc ngẫu nhiên rồi giơ lên trước camera, uống một ngụm nước, hoặc đeo kính rồi tháo kính ra. Deepfake không thể tạo ra chữ viết tay theo yêu cầu trong thời gian thực một cách thuyết phục, và việc đeo kính thường làm lộ viền mặt giả vì gọng kính cắt ngang vùng mặt đã bị thay thế. Phép thử thứ ba là kiểm tra đồng bộ âm thanh và hình ảnh: yêu cầu đối phương vỗ tay một cái thật mạnh rồi quan sát xem tiếng vỗ tay có khớp đúng lúc hai bàn tay chạm nhau không; trong deepfake thời gian thực, độ trễ xử lý thường khiến âm thanh và hình ảnh lệch nhau một nhịp nhỏ.
Phép thử quan trọng nhất không nằm trong cuộc gọi mà nằm ngoài cuộc gọi: thỏa thuận trước với gia đình một “mật khẩu gia đình” — một từ hoặc câu chỉ người trong nhà biết, ví dụ tên thú cưng đầu tiên của gia đình hay một kỷ niệm riêng. Khi nhận cuộc gọi video xin tiền từ người thân, hãy hỏi mật khẩu này trước khi làm bất cứ điều gì khác. Kẻ lừa đảo dù có giọng nói và khuôn mặt giống hệt cũng không thể biết mật khẩu mà gia đình bạn chưa từng công khai. Ngoài ra, hãy đặt quy tắc gia đình: mọi yêu cầu chuyển tiền trên một hạn mức nhất định đều phải được xác nhận bằng cuộc gọi lại tới số điện thoại đã lưu sẵn, không bao giờ chuyển tiền ngay trong cuộc gọi đến từ một số lạ hoặc tài khoản mạng xã hội mới kết bạn.
Công cụ kiểm chứng deepfake: dùng gì và dùng như thế nào
Không có công cụ nào phát hiện deepfake với độ chính xác tuyệt đối, nhưng kết hợp nhiều công cụ với kiểm chứng nguồn gốc sẽ cho kết quả đáng tin cậy hơn bất kỳ công cụ đơn lẻ nào. Các công cụ dưới đây được chia thành bốn nhóm: kiểm tra hình ảnh và video, kiểm tra giọng nói, kiểm tra nguồn gốc và xác minh ngược, và xác thực xuất xứ nội dung. Hầu hết đều có bản miễn phí cho người dùng cá nhân.
| Công cụ | Kiểm tra gì | Cách dùng | Lưu ý |
|---|---|---|---|
| Hive Moderation | Ảnh và video do AI tạo | Tải ảnh hoặc video lên trang web, nhận điểm xác suất AI tạo sinh | Miễn phí với giới hạn lượt dùng; kết quả là xác suất, không phải kết luận tuyệt đối |
| Deepware Scanner | Video deepfake | Dán link video hoặc tải file lên để quét | Chuyên về video, phân tích từng khung hình |
| Microsoft Video Authenticator | Video và ảnh bị thao túng | Phân tích video và cho điểm tin cậy theo từng khung hình | Được phát triển cho báo chí và kiểm chứng thông tin |
| Intel FakeCatcher | Video deepfake thời gian thực | Phân tích tín hiệu sinh học (thay đổi lưu lượng máu dưới da) trong video | Dùng tín hiệu sinh lý thay vì chỉ phân tích pixel, khó bị đánh lừa hơn |
| Resemble AI Detect | Giọng nói nhân bản | Tải đoạn ghi âm lên để phân tích dấu vết tổng hợp giọng nói | Chuyên về âm thanh, bổ sung cho kiểm tra bằng tai |
| Google Lens / tìm kiếm hình ảnh ngược | Nguồn gốc ảnh và video | Chụp màn hình một khung hình rồi tìm kiếm ngược trên Google hoặc TinEye | Phát hiện ảnh bị lấy từ ngữ cảnh khác; không phát hiện được video tạo mới hoàn toàn |
| InVID / WeVerify | Video lan truyền trên mạng xã hội | Tiện ích trình duyệt tách khung hình, kiểm tra siêu dữ liệu, tìm kiếm ngược | Công cụ chuẩn của giới kiểm chứng tin tức (fact-checker) |
| Sensity AI, Reality Defender | Giám sát deepfake trên diện rộng | Quét nền tảng và cảnh báo nội dung đáng ngờ | Chủ yếu phục vụ doanh nghiệp và cơ quan báo chí |
| Content Credentials (C2PA) | Xuất xứ và lịch sử chỉnh sửa nội dung | Xem thông tin “Content Credentials” gắn trong file ảnh hoặc video | Chuẩn mở được Adobe, Google, Microsoft và nhiều hãng máy ảnh hỗ trợ |
Quy trình kiểm chứng 5 bước mà bất kỳ ai cũng có thể áp dụng trong vài phút: bước một, quan sát kỹ nội dung bằng mắt và tai theo các dấu hiệu đã liệt kê ở trên; bước hai, chụp màn hình một khung hình rõ nét và tìm kiếm ngược hình ảnh để xem nội dung này đã xuất hiện ở đâu, trong ngữ cảnh nào; bước ba, kiểm tra tài khoản đăng nội dung: tài khoản mới lập, ít bạn bè, ít bài đăng cũ hay đăng cùng lúc nhiều nội dung giật gân đều là dấu hiệu đáng ngờ; bước bốn, chạy nội dung qua một công cụ phát hiện deepfake miễn phí như Hive Moderation hoặc Deepware Scanner; bước năm, xác minh qua kênh độc lập — gọi lại cho người trong video bằng số điện thoại đã lưu, hoặc tìm xem các báo chính thống có đưa tin về sự việc trong video hay không. Chỉ khi cả năm bước đều không phát hiện vấn đề thì mới nên tin nội dung, và ngay cả khi đó, với các nội dung liên quan đến tiền bạc hay quyết định quan trọng, vẫn nên xác minh thêm một lần nữa.
Một lưu ý quan trọng về giới hạn của công cụ phát hiện: các công cụ này được huấn luyện trên deepfake của ngày hôm qua, trong khi kẻ tạo deepfake dùng công nghệ của ngày hôm nay. Nghiên cứu và thực tế đều cho thấy độ chính xác của công cụ phát hiện giảm mạnh khi gặp mô hình tạo sinh mới chưa từng xuất hiện trong dữ liệu huấn luyện, và video bị nén mạnh khi đăng lên mạng xã hội cũng làm giảm độ chính xác vì nén làm mất các dấu vết tinh vi mà công cụ dựa vào. Vì vậy, đừng bao giờ coi kết quả “không phát hiện deepfake” của một công cụ là bằng chứng nội dung là thật. Công cụ chỉ là một lớp trong hệ thống phòng thủ nhiều lớp, trong đó lớp quan trọng nhất vẫn là kiểm chứng nguồn gốc và xác minh qua kênh độc lập.
Xác thực xuất xứ nội dung: Content Credentials và chuẩn C2PA
Hướng phòng thủ bền vững nhất trước deepfake không phải là phát hiện nội dung giả ngày càng giỏi, mà là chứng minh nội dung thật một cách đáng tin cậy ngay từ lúc nó được tạo ra. Đây là triết lý đằng sau chuẩn C2PA (Coalition for Content Provenance and Authenticity) và hệ thống Content Credentials: mỗi bức ảnh chụp bằng máy ảnh hoặc điện thoại hỗ trợ chuẩn này sẽ được gắn một “chứng minh thư số” không thể làm giả, ghi lại thiết bị chụp, thời gian, địa điểm và toàn bộ lịch sử chỉnh sửa sau đó. Khi bạn mở một ảnh có Content Credentials, bạn có thể xem chính xác ảnh đó được chụp bằng thiết bị nào, có bị chỉnh sửa bằng AI hay không, và chỉnh sửa ở bước nào.
Chuẩn C2PA hiện đã được Adobe tích hợp vào Photoshop và Firefly, được Google, Microsoft, OpenAI và nhiều hãng máy ảnh lớn hỗ trợ, và đang dần xuất hiện trên các nền tảng mạng xã hội lớn. Khi một nền tảng hiển thị nhãn “được tạo bằng AI” hay “đã chỉnh sửa bằng AI” trên nội dung, đó chính là ứng dụng của cơ chế xác thực xuất xứ này. Với người dùng, thói quen cần xây dựng là: khi xem một nội dung quan trọng, hãy tìm thông tin Content Credentials nếu có; khi tự mình đăng nội dung, hãy giữ nguyên thông tin xuất xứ thay vì xóa metadata; và khi làm việc trong doanh nghiệp, hãy yêu cầu đối tác cung cấp nội dung kèm chứng thực xuất xứ với các tài liệu quan trọng. Trong vài năm tới, “nội dung không có chứng thực xuất xứ” sẽ ngày càng được coi là nội dung cần xác minh thêm, giống như cách email không có chữ ký số ngày nay được coi là kém tin cậy hơn.
Lừa đảo deepfake tại Việt Nam: thực trạng và các kịch bản đang diễn ra
Lừa đảo bằng AI và deepfake đã vươn lên thành một trong những phương thức lừa đảo nguy hiểm nhất tại Việt Nam trong năm 2025 và 2026. Theo thống kê của Bộ Công an, chỉ riêng năm 2025, lực lượng chức năng đã phát hiện hơn 4.200 vụ lừa đảo trực tuyến với tổng thiệt hại ước tính vượt 8.000 tỷ đồng, và trong 6 tháng đầu năm 2026, gần 1.000 vụ lừa đảo chiếm đoạt tài sản trên không gian mạng đã được ghi nhận với thiệt hại lên đến hàng ngàn tỷ đồng. Hiệp hội An ninh mạng quốc gia nhận định các phương thức lừa đảo dùng AI và deepfake đã vươn lên vị trí nguy hiểm nhất trong năm 2025, và xu hướng này tiếp tục tăng trong năm 2026.
Kịch bản phổ biến nhất là giả mạo người thân vay tiền khẩn cấp. Kẻ gian thu thập hình ảnh và đoạn ghi âm giọng nói công khai của người thân nạn nhân trên mạng xã hội, dùng deepfake ghép mặt và tạo giọng nói giả mạo, rồi gọi video cho nạn nhân với câu chuyện người thân gặp tai nạn, cần tiền đóng viện phí gấp. Một nạn nhân tại TP. Hồ Chí Minh đã bị chiếm đoạt 20 triệu đồng bằng đúng kịch bản này. Một trường hợp tương tự tại Hà Nội vào tháng 10/2025: nạn nhân nhận cuộc gọi video từ tài khoản Telegram giả mạo bạn thân, trong đó đối tượng dùng nội dung giả tạo bằng AI để yêu cầu chuyển 20 triệu đồng. Điểm chung của các vụ việc là kẻ gian tạo áp lực thời gian rất lớn, nạn nhân chuyển tiền trong lúc hoảng loạn và chỉ phát hiện ra sự thật khi liên lạc lại được với người thân thật.
Kịch bản thứ hai là giả mạo lãnh đạo, sếp hoặc đối tác kinh doanh để chỉ đạo chuyển tiền. Kẻ gian nghiên cứu cơ cấu tổ chức của doanh nghiệp qua website và mạng xã hội, tạo video hoặc giọng nói giả mạo giám đốc, rồi gọi cho kế toán hoặc nhân viên tài chính với yêu cầu chuyển tiền gấp cho một “đối tác” hay “dự án bí mật”. Trên thế giới, một công ty kỹ thuật quốc tế đã mất 25 triệu USD trong năm 2024 vì một cuộc gọi video deepfake giả mạo lãnh đạo cấp cao, theo báo cáo an ninh mạng được trích dẫn rộng rãi. Tại Việt Nam, các doanh nghiệp vừa và nhỏ, nơi quy trình phê duyệt chuyển tiền còn dựa nhiều vào chỉ đạo qua điện thoại hay tin nhắn, là mục tiêu dễ bị tổn thương nhất trước kịch bản này.
Kịch bản thứ ba là giả mạo người nổi tiếng để quảng cáo đầu tư, tiền mã hóa hoặc bán hàng. Các video deepfake người nổi tiếng, chuyên gia tài chính khuyên đầu tư vào một dự án hay sàn giao dịch xuất hiện dày đặc trên mạng xã hội, dẫn nạn nhân đến các website lừa đảo thu thập tiền hoặc thông tin tài khoản ngân hàng. Kịch bản thứ tư là tống tiền bằng deepfake khiêu dâm: kẻ gian tạo video nhạy cảm giả mạo nạn nhân rồi đe dọa phát tán nếu không chuyển tiền. Kịch bản thứ năm, mới xuất hiện và đặc biệt nguy hiểm, là dùng deepfake để vượt qua xác thực sinh trắc học khi mở tài khoản ngân hàng hoặc ví điện tử, như các đường dây đã bị triệt phá tại Hà Nội và Thanh Hóa.
Bộ Công an đã phát cảnh báo về thủ đoạn này, trong đó cảnh báo ngày 08/09/2026 nêu rõ các đối tượng lợi dụng AI để giả mạo người thân, bạn bè hoặc lãnh đạo cơ quan, yêu cầu vay tiền và chuyển khoản khẩn cấp. Các ngân hàng cũng tăng cường cảnh báo: hệ thống giám sát của Ngân hàng Nhà nước đã kết nối với gần 100 tổ chức tài chính, ghi nhận hơn 668.000 tài khoản có dấu hiệu vi phạm, và tính đến ngày 02/10/2026, toàn ngành ngân hàng đã đối chiếu sinh trắc học hơn 178 triệu hồ sơ khách hàng. Thông điệp chung từ cơ quan chức năng là nhất quán: mắt thấy, tai nghe chưa chắc đã là thật, và mọi yêu cầu chuyển tiền khẩn cấp qua mạng đều cần được xác minh độc lập trước khi thực hiện.
Khung pháp lý Việt Nam về deepfake và giả mạo bằng AI
Việt Nam chưa có một đạo luật riêng về deepfake, nhưng hành vi tạo và sử dụng deepfake để lừa đảo, bôi nhọ hay phát tán thông tin sai lệch đã có thể bị xử lý theo nhiều văn bản pháp luật hiện hành. Hiểu khung pháp lý này giúp nạn nhân biết mình được bảo vệ ở đâu và cần thu thập bằng chứng gì, đồng thời giúp doanh nghiệp biết ranh giới khi sử dụng công nghệ AI tạo sinh.
Lừa đảo chiếm đoạt tài sản: Điều 174 Bộ luật Hình sự 2015
Hành vi dùng deepfake giả mạo người khác để chiếm đoạt tài sản có thể bị xử lý theo Điều 174 Bộ luật Hình sự năm 2015 (sửa đổi, bổ sung năm 2017) về tội lừa đảo chiếm đoạt tài sản, nếu đáp ứng đầy đủ các dấu hiệu cấu thành tội phạm. Mức xử lý phụ thuộc vào số tiền chiếm đoạt và tính chất vụ việc, có thể lên đến tù chung thân với số tiền đặc biệt lớn. Việc dùng công nghệ cao để phạm tội thường được coi là tình tiết tăng nặng. Nạn nhân cần lưu lại toàn bộ bằng chứng: ghi âm cuộc gọi, chụp màn hình cuộc gọi video, sao kê chuyển khoản, tin nhắn trao đổi, và trình báo ngay với cơ quan công an nơi xảy ra vụ việc hoặc qua cổng thông tin của Cục An ninh mạng và phòng, chống tội phạm sử dụng công nghệ cao (A05), Bộ Công an.
Bảo vệ dữ liệu cá nhân: Nghị định 13/2023 và quyền về hình ảnh
Nghị định số 13/2023/NĐ-CP ngày 17/4/2023 về bảo vệ dữ liệu cá nhân, có hiệu lực từ ngày 01/7/2023, là văn bản quan trọng nhất liên quan đến deepfake ở góc độ dữ liệu. Theo Nghị định, dữ liệu cá nhân là thông tin dưới dạng ký hiệu, chữ viết, chữ số, hình ảnh, âm thanh gắn liền với một con người cụ thể, trong đó hình ảnh của cá nhân được liệt kê rõ ràng là dữ liệu cá nhân cơ bản. Mọi hoạt động xử lý dữ liệu cá nhân — bao gồm thu thập, ghi, phân tích, sao chép, chia sẻ, truyền đưa — đều phải có sự đồng ý của chủ thể dữ liệu, trừ trường hợp luật có quy định khác, và sự đồng ý phải rõ ràng, tự nguyện, thể hiện bằng văn bản, giọng nói, đánh dấu vào ô đồng ý hoặc cú pháp qua tin nhắn; sự im lặng hoặc không phản hồi không được coi là đồng ý.
Điều này có nghĩa là việc thu thập ảnh và giọng nói của một người trên mạng xã hội rồi dùng làm dữ liệu huấn luyện deepfake mà không có sự đồng ý của họ đã vi phạm nguyên tắc xử lý dữ liệu cá nhân. Bên cạnh đó, Điều 32 Bộ luật Dân sự 2015 quy định quyền của cá nhân đối với hình ảnh của mình: việc sử dụng hình ảnh của cá nhân phải được người đó đồng ý, trừ trường hợp luật có quy định khác, và người có hình ảnh bị sử dụng trái phép có quyền yêu cầu chấm dứt, xin lỗi, cải chính và bồi thường thiệt hại. Đối với các tổ chức xử lý dữ liệu cá nhân nhạy cảm, Nghị định 13/2023 còn yêu cầu lập hồ sơ đánh giá tác động xử lý dữ liệu cá nhân và gửi cho cơ quan chức năng.
Thông tin giả mạo và an ninh mạng: các văn bản liên quan khác
Luật An ninh mạng 2018 nghiêm cấm hành vi đưa thông tin sai sự thật gây hoang mang trong nhân dân, gây thiệt hại cho hoạt động kinh tế — xã hội, và hành vi chiếm đoạt tài sản, giả mạo tổ chức, cá nhân trên không gian mạng. Nghị định 15/2020/NĐ-CP quy định xử phạt vi phạm hành chính trong lĩnh vực bưu chính, viễn thông, trong đó có hành vi cung cấp, chia sẻ thông tin giả mạo, thông tin sai sự thật, xuyên tạc, vu khống, xúc phạm uy tín của cơ quan, tổ chức, danh dự, nhân phẩm của cá nhân. Tùy mức độ, hành vi có thể bị phạt tiền và buộc gỡ bỏ thông tin vi phạm.
Một cột mốc quan trọng là Luật Trí tuệ nhân tạo năm 2025, được nhắc đến trong các phân tích pháp lý gần đây như một cơ sở pháp lý quan trọng trong việc quản lý và sử dụng AI tại Việt Nam, đặt nền tảng cho việc quản lý các hệ thống AI có rủi ro cao, trong đó có công nghệ tạo sinh và deepfake. Cùng với đó, các nền tảng mạng xã hội lớn cũng đang bị yêu cầu tăng cường gắn nhãn nội dung do AI tạo ra và gỡ bỏ nội dung deepfake độc hại. Xu hướng pháp lý là rõ ràng: trách nhiệm của người tạo deepfake, người phát tán deepfake và nền tảng lưu trữ deepfake đều sẽ ngày càng nặng hơn, và việc gắn nhãn minh bạch nội dung AI sẽ chuyển từ khuyến nghị thành nghĩa vụ.
Cách tự bảo vệ bản thân trước deepfake: checklist cho cá nhân
Phòng ngừa deepfake hiệu quả nhất bắt đầu từ việc giảm lượng dữ liệu cá nhân mà kẻ xấu có thể thu thập, và xây dựng thói quen xác minh trước khi tin. Bạn không thể ngăn công nghệ deepfake tồn tại, nhưng bạn có thể khiến mình trở thành mục tiêu khó tấn công hơn và giảm thiệt hại khi bị tấn công.
Giảm dữ liệu huấn luyện mà kẻ xấu có thể lấy được
Kẻ tạo deepfake cần dữ liệu của bạn: ảnh rõ mặt, video nói chuyện, ghi âm giọng nói. Hãy rà soát lại những gì bạn đã công khai: đặt tài khoản mạng xã hội ở chế độ bạn bè thay vì công khai nếu không cần thiết; hạn chế đăng video dài mà bạn nói trực tiếp vào camera với âm thanh rõ ràng; cân nhắc trước khi đăng video hát, đọc truyện hay livestream dài, vì đó là nguồn giọng nói mẫu lý tưởng; không đăng ảnh chụp giấy tờ tùy thân, vé máy bay hay bất kỳ tài liệu nào có thông tin cá nhân. Với trẻ em, cần đặc biệt cẩn trọng: ảnh và video của trẻ được đăng công khai có thể bị dùng để tạo deepfake tống tiền gia đình, và trẻ em là đối tượng dễ bị tổn thương nhất.
Một biện pháp kỹ thuật đơn giản là bật xác thực hai lớp cho mọi tài khoản mạng xã hội, email và ngân hàng, vì nhiều vụ lừa đảo deepfake bắt đầu từ việc chiếm đoạt tài khoản mạng xã hội của nạn nhân rồi dùng tài khoản đó để gọi video giả mạo cho bạn bè và người thân của họ. Ngoài ra, hãy tắt tính năng tự động tải xuống và hạn chế quyền truy cập micro, camera của các ứng dụng không cần thiết trên điện thoại. Khi tham gia các cuộc họp trực tuyến với người lạ, hãy cân nhắc tắt camera nếu không cần thiết, và không bao giờ đọc to mã OTP hay thông tin tài khoản trong lúc đang bật micro.
Thói quen xác minh: quy tắc 30 giây
Hãy đặt cho mình quy tắc 30 giây: bất kỳ nội dung nào khiến bạn có cảm xúc mạnh — hoảng sợ, tức giận, vui mừng quá mức — đều phải dừng lại 30 giây để kiểm chứng trước khi hành động. Trong 30 giây đó, tự hỏi ba câu: nội dung này đến từ đâu, có đáng tin không; người trong nội dung có thật sự nói điều này trong ngữ cảnh này không; và nếu mình hành động theo nội dung này thì hậu quả là gì. Với yêu cầu chuyển tiền, quy tắc phải nghiêm ngặt hơn: không chuyển tiền trong cuộc gọi đầu tiên, luôn gọi lại bằng số điện thoại đã lưu sẵn, và luôn hỏi mật khẩu gia đình đã thỏa thuận trước.
Hãy chủ động thỏa thuận mật khẩu gia đình ngay hôm nay, đừng đợi đến khi xảy ra sự cố. Mật khẩu nên là điều chỉ người trong nhà biết và không xuất hiện trên mạng xã hội: tên món ăn gia đình hay nấu, tên con vật nuôi đầu tiên, hay một câu nói đùa riêng của gia đình. Đồng thời, hãy dạy quy tắc này cho cha mẹ lớn tuổi và con cái — hai nhóm dễ bị lừa đảo deepfake nhất vì ít tiếp xúc với công nghệ mới và thường tin tưởng tuyệt đối vào giọng nói, hình ảnh của người thân.
Khi phát hiện mình là nạn nhân của deepfake
Nếu phát hiện hình ảnh, video hay giọng nói của mình bị dùng để tạo deepfake, hãy hành động theo bốn bước: một, lưu lại toàn bộ bằng chứng ngay lập tức — chụp màn hình, quay màn hình, lưu đường link, lưu file gốc nếu có — vì nội dung vi phạm có thể bị xóa bất cứ lúc nào; hai, báo cáo nội dung vi phạm với nền tảng nơi nó xuất hiện và yêu cầu gỡ bỏ, đồng thời lưu lại mã số báo cáo; ba, trình báo với cơ quan công an, mang theo bằng chứng đã lưu và sao kê thiệt hại nếu có mất mát tài chính; bốn, cảnh báo người thân và bạn bè rằng có deepfake giả mạo mình đang lan truyền, để họ không bị lừa bởi nội dung đó. Nếu deepfake gây thiệt hại về danh dự, bạn có quyền yêu cầu bồi thường theo Điều 32 Bộ luật Dân sự 2015 và các quy định về bảo vệ dữ liệu cá nhân theo Nghị định 13/2023.
Doanh nghiệp tự bảo vệ trước deepfake như thế nào?
Với doanh nghiệp, deepfake là rủi ro vận hành và rủi ro tài chính, không chỉ là rủi ro truyền thông, nên biện pháp phòng ngừa phải được đưa vào quy trình làm việc chính thức. Ba khu vực cần bảo vệ là quy trình chuyển tiền, quy trình xác thực danh tính và thương hiệu doanh nghiệp.
Với quy trình chuyển tiền, nguyên tắc quan trọng nhất là không bao giờ phê duyệt chuyển tiền chỉ dựa trên một cuộc gọi thoại hay video. Mọi lệnh chuyển tiền trên một hạn mức nhất định phải có xác nhận bằng văn bản qua ít nhất hai kênh độc lập, ví dụ email công ty và cuộc gọi lại tới số nội bộ đã đăng ký, và phải có người thứ hai phê duyệt. Quy tắc này phải được viết thành văn bản, phổ biến cho toàn bộ nhân viên tài chính, kế toán, và được kiểm tra định kỳ bằng các bài tập giả lập: giả vờ gọi điện giả mạo sếp để yêu cầu chuyển tiền và xem nhân viên có tuân thủ quy trình hay không. Nhiều doanh nghiệp lớn trên thế giới đã áp dụng diễn tập này sau vụ mất 25 triệu USD vì cuộc gọi video deepfake năm 2024.
Với quy trình xác thực danh tính, doanh nghiệp nên kết hợp nhiều lớp: sinh trắc học cộng với xác minh giấy tờ, cộng với xác minh qua kênh đã đăng ký từ trước. Không nên chỉ dựa vào một cuộc gọi video để xác minh danh tính khách hàng hay đối tác trong các giao dịch quan trọng. Với thương hiệu, doanh nghiệp nên giám sát việc tên tuổi và hình ảnh lãnh đạo bị dùng để tạo deepfake: đăng ký cảnh báo tên thương hiệu trên mạng xã hội, chuẩn bị sẵn quy trình phản hồi nhanh khi phát hiện deepfake giả mạo lãnh đạo, và công khai kênh liên lạc chính thức duy nhất để khách hàng xác minh mọi thông tin về khuyến mãi hay kêu gọi đầu tư. Một bài đăng cảnh báo kịp thời từ tài khoản chính thức có thể ngăn hàng trăm khách hàng bị lừa bởi một video deepfake giả mạo giám đốc công ty.
Đào tạo nhân viên là biện pháp có tỷ lệ hiệu quả trên chi phí cao nhất. Một buổi đào tạo 60 phút về deepfake — gồm các ví dụ thực tế, các phép thử trong cuộc gọi video, và quy trình báo cáo khi nghi ngờ — có thể giảm đáng kể rủi ro cho toàn bộ doanh nghiệp. Đào tạo nên lặp lại mỗi 6 tháng, vì công nghệ deepfake thay đổi nhanh và các dấu hiệu nhận biết của năm ngoái có thể đã lỗi thời. Doanh nghiệp cũng nên chỉ định một đầu mối tiếp nhận báo cáo nghi ngờ deepfake, để nhân viên biết phải báo cho ai ngay khi phát hiện điều bất thường, thay vì tự xử lý một mình.
Tương lai của deepfake: cuộc đua giữa tạo và phát hiện
Cuộc đua giữa công nghệ tạo deepfake và công nghệ phát hiện deepfake sẽ tiếp tục leo thang, và trong ngắn hạn, bên tạo ra đang có lợi thế. Mỗi khi một công cụ phát hiện mới ra đời, kẻ tạo deepfake lại dùng chính công cụ đó để kiểm tra và cải thiện sản phẩm của mình cho đến khi qua mặt được công cụ. Đây là vòng lặp đối kháng không có điểm dừng, tương tự cuộc đua giữa virus và phần mềm diệt virus. Vì vậy, chiến lược phòng thủ dài hạn không thể chỉ dựa vào phát hiện, mà phải dựa vào xác thực xuất xứ và xác minh danh tính.
Ba xu hướng sẽ định hình tương lai gần. Thứ nhất, xác thực xuất xứ bằng chuẩn C2PA và Content Credentials sẽ trở nên phổ biến: máy ảnh, điện thoại và phần mềm chỉnh sửa sẽ mặc định gắn thông tin xuất xứ, và các nền tảng sẽ hiển thị nhãn “đã xác thực” hoặc “được tạo bằng AI” một cách rõ ràng. Thứ hai, xác thực danh tính sẽ chuyển từ “bạn trông giống ai” sang “bạn chứng minh được mình là ai bằng khóa mật mã”: các hệ thống xác minh bằng khóa số, chữ ký số và xác thực đa yếu tố sẽ dần thay thế việc chỉ nhìn mặt hay nghe giọng. Thứ ba, khung pháp lý sẽ siết chặt: yêu cầu gắn nhãn nội dung AI, trách nhiệm của nền tảng trong việc gỡ bỏ deepfake độc hại, và chế tài nặng hơn với hành vi tạo deepfake lừa đảo sẽ trở thành chuẩn mực tại nhiều quốc gia, trong đó có Việt Nam với Luật Trí tuệ nhân tạo 2025.
Với người dùng bình thường, điều quan trọng nhất cần ghi nhớ là: công nghệ sẽ thay đổi, dấu hiệu nhận biết sẽ thay đổi, nhưng nguyên tắc xác minh thì không thay đổi. Đừng tin một nội dung chỉ vì nó trông thật và nghe thật. Hãy xác minh nguồn gốc, xác minh qua kênh độc lập, và đừng bao giờ để cảm xúc khẩn cấp thay bạn ra quyết định về tiền bạc. Trong thế giới mà bất kỳ ai cũng có thể bị giả mạo, thói quen xác minh chính là kỹ năng sống còn của thời đại AI.
Câu hỏi thường gặp (FAQs)
Deepfake là gì?
Deepfake là video, hình ảnh hoặc giọng nói giả mạo được tạo ra bằng trí tuệ nhân tạo, cụ thể là công nghệ học sâu, để trông và nghe giống hệt người thật dù người đó chưa từng nói hay làm điều đó. Thuật ngữ này ghép từ “deep learning” (học sâu) và “fake” (giả mạo), xuất hiện lần đầu năm 2017. Deepfake bao gồm nhiều dạng: hoán đổi khuôn mặt, đồng bộ môi, tạo video từ văn bản, nhân bản giọng nói và deepfake thời gian thực trong cuộc gọi video. Công nghệ này có ứng dụng hợp pháp trong điện ảnh, giáo dục và giải trí, nhưng cũng bị lợi dụng để lừa đảo, bôi nhọ và phát tán thông tin sai lệch.
Làm thế nào để nhận biết video deepfake?
Để nhận biết video deepfake, hãy quan sát khuôn mặt và chuyển động: mắt chớp không tự nhiên hoặc ánh nhìn “dính” một chỗ, da mặt quá mịn và khác màu da cổ, răng biến dạng khi nói nhanh, viền mặt mờ ở chân tóc và hàm, môi không khớp với tiếng nói, ánh sáng trên mặt không khớp với ánh sáng trong khung hình, và các chi tiết nền thay đổi nhẹ giữa các khung hình. Không có dấu hiệu nào là bằng chứng tuyệt đối, nên khi thấy hai hoặc ba dấu hiệu cùng xuất hiện, hãy kiểm chứng thêm bằng cách tìm kiếm ngược hình ảnh, chạy video qua công cụ phát hiện deepfake miễn phí như Hive Moderation hoặc Deepware Scanner, và xác minh qua kênh liên lạc độc lập.
Làm thế nào để nhận biết giọng nói giả mạo bằng AI?
Giọng nói giả mạo bằng AI thường có ngữ điệu đều đều và nhấn nhá không đúng chỗ, thiếu hơi thở và tiếng ngập ngừng tự nhiên, phát âm tên riêng và từ địa phương theo cách chuẩn hóa khác với người thật, và có âm thanh nền quá sạch hoặc lặp lại theo chu kỳ. Tuy nhiên, dấu hiệu đáng tin cậy nhất không nằm ở âm thanh mà ở nội dung: kẻ lừa đảo hầu như luôn tạo ra tình huống khẩn cấp và gây áp lực chuyển tiền ngay. Quy tắc vàng là bất kỳ yêu cầu chuyển tiền nào qua điện thoại cũng phải được xác minh bằng cách cúp máy và gọi lại cho người thân bằng số điện thoại đã lưu sẵn trước khi chuyển tiền.
Deepfake trong cuộc gọi video có nhận biết được không?
Deepfake trong cuộc gọi video có thể nhận biết được bằng các phép thử trực tiếp: yêu cầu đối phương quay đầu sang trái và phải thật chậm, giơ tay che một phần khuôn mặt, cầm một tờ giấy viết từ bạn đọc ngẫu nhiên rồi giơ lên trước camera, hoặc vỗ tay mạnh và xem tiếng vỗ có khớp với hình ảnh không. Deepfake thời gian thực thường bị vỡ khi khuôn mặt quay nghiêng quá 45 độ, khi tay che mặt, hoặc khi phải tương tác với vật thể theo yêu cầu bất ngờ. Biện pháp phòng ngừa hiệu quả nhất là thỏa thuận trước “mật khẩu gia đình” với người thân và quy tắc gọi lại xác minh mọi yêu cầu chuyển tiền bằng số điện thoại đã lưu sẵn.
Công cụ nào phát hiện deepfake miễn phí và đáng tin cậy?
Các công cụ phát hiện deepfake miễn phí phổ biến gồm Hive Moderation cho ảnh và video, Deepware Scanner cho video, Microsoft Video Authenticator cho video và ảnh, Resemble AI Detect cho giọng nói, cùng với tìm kiếm hình ảnh ngược trên Google Lens hoặc TinEye và tiện ích InVID/WeVerify để kiểm tra nguồn gốc video lan truyền. Không có công cụ nào đạt độ chính xác tuyệt đối, và độ chính xác giảm khi gặp mô hình tạo sinh mới hoặc video bị nén mạnh trên mạng xã hội. Vì vậy, công cụ chỉ nên dùng như một lớp kiểm chứng trong quy trình 5 bước: quan sát, tìm kiếm ngược, kiểm tra tài khoản đăng, chạy công cụ phát hiện, và xác minh qua kênh độc lập.
Lừa đảo deepfake tại Việt Nam phổ biến như thế nào?
Lừa đảo bằng AI và deepfake đã trở thành một trong những phương thức lừa đảo nguy hiểm nhất tại Việt Nam. Theo thống kê của Bộ Công an, năm 2025 lực lượng chức năng phát hiện hơn 4.200 vụ lừa đảo trực tuyến với tổng thiệt hại ước tính vượt 8.000 tỷ đồng, và trong 6 tháng đầu năm 2026 đã ghi nhận gần 1.000 vụ lừa đảo chiếm đoạt tài sản trên không gian mạng với thiệt hại hàng ngàn tỷ đồng. Các kịch bản phổ biến nhất là giả mạo người thân gọi video vay tiền khẩn cấp, giả mạo lãnh đạo chỉ đạo kế toán chuyển tiền, giả mạo người nổi tiếng quảng cáo đầu tư, và dùng deepfake vượt qua xác thực sinh trắc học. Bộ Công an đã phát cảnh báo về thủ đoạn này, trong đó có cảnh báo ngày 08/09/2026.
Dùng deepfake để lừa đảo bị xử lý như thế nào theo pháp luật Việt Nam?
Dùng deepfake để lừa đảo có thể bị xử lý theo Điều 174 Bộ luật Hình sự 2015 về tội lừa đảo chiếm đoạt tài sản, với mức xử lý tùy theo số tiền chiếm đoạt, có thể lên đến tù chung thân với số tiền đặc biệt lớn, và việc dùng công nghệ cao thường được coi là tình tiết tăng nặng. Việc thu thập ảnh và giọng nói của người khác để tạo deepfake mà không có sự đồng ý vi phạm Nghị định 13/2023 về bảo vệ dữ liệu cá nhân, vì hình ảnh cá nhân là dữ liệu cá nhân cơ bản và mọi hoạt động xử lý đều cần sự đồng ý rõ ràng của chủ thể dữ liệu. Ngoài ra, việc sử dụng hình ảnh trái phép còn vi phạm quyền về hình ảnh theo Điều 32 Bộ luật Dân sự 2015, và hành vi phát tán thông tin giả mạo có thể bị xử lý theo Luật An ninh mạng 2018 và Nghị định 15/2020. Nạn nhân nên lưu lại toàn bộ bằng chứng và trình báo ngay với cơ quan công an.
Làm sao để bảo vệ bản thân và gia đình khỏi lừa đảo deepfake?
Để bảo vệ bản thân và gia đình khỏi lừa đảo deepfake, hãy thực hiện ba nhóm biện pháp: giảm dữ liệu mà kẻ xấu có thể thu thập bằng cách hạn chế đăng video và ảnh rõ mặt công khai, đặt tài khoản mạng xã hội ở chế độ bạn bè và bật xác thực hai lớp; xây dựng thói quen xác minh bằng quy tắc không chuyển tiền trong cuộc gọi đầu tiên, luôn gọi lại bằng số điện thoại đã lưu sẵn, và thỏa thuận trước “mật khẩu gia đình” chỉ người trong nhà biết; và dạy quy tắc này cho cha mẹ lớn tuổi và con cái, hai nhóm dễ bị lừa nhất. Với doanh nghiệp, cần quy định mọi lệnh chuyển tiền trên hạn mức nhất định phải được xác nhận qua ít nhất hai kênh độc lập và có người thứ hai phê duyệt, đồng thời đào tạo nhân viên về deepfake mỗi 6 tháng.
Liên hệ AIA qua hotline 0939 936 168 để được tư vấn giải pháp AI phù hợp với nhu cầu của bạn.
