Ответ на пост «В Сети появились видео с поврежденного российским ПВО самолета — правда или фейк?»
Итог встреч ракет с гражданами лайнерами:
Итог встреч ракет с гражданами лайнерами:
Украинские ЦИПсО тиражируют фейк об атаке российской системы ПВО на самолет над Москвой. В «доказательство» инцидента провокаторы создали видео с недовольством пассажирки и кадрами тряски в салоне.
Ни одно из видео не является актуальным и подлинным. На ролик с недовольством якобы гражданки Белоруссии, стоящей в салоне, наложена технология дипфейк. ИИ-генерацию выявила система «Зефир»*. В качестве ролика-донора было использовано обращение жительницы Приморья, оказавшейся заблокированной в самолете в Махачкале во время беспорядков в октябре 2023 года.
В качестве второго видео злоумышленники использовали архивные кадры салона, попавшего в зону турбулентности в 2019 году. Рейс болгарской компании следовал по маршруту Приштина — Базель. Видео отзеркалили и добавили аудиодорожку, озвученную с украинским акцентом и нарративами о некорректной работе российского ПВО.
Также в предложки белорусских пабликов отправляют еще один дипфейк с заявлением министра обороны Республики Беларусь Виктора Хренина. В ролике ложно утверждается, что атака ПВО была и самолет якобы поврежден, хоть и обошлось без пострадавших. За счет этой уловки с опровержением частности, но не общего вброса, может создаться впечатление о реальности так называемого friendly fire. В качестве основы для наложения дипфейка было взято архивное обращение Хренина от 4 октября 2022 года.
Напомним, что в действительности рейс «Аэрофлота» AFL1845 из Минска благополучно приземлился в Москве. Никаких ЧС при этом не замечено.
Таким образом, перед нами средних масштабов виртуальная кампания украинских инфодиверсантов, направленная на дискредитацию гражданской авиации в России. Цель провокаторов: вызвать панику среди населения и посеять сомнения в высокой безопасности полетов.
*«Зефир» — система мониторинга АНО «Диалог Регионы» для анализа (выявления) и мониторинга сфабрикованного аудиовизуального контента, в том числе дипфейков, на основе сочетания моделей машинного обучения