التطور السريع في توليد الصور المصنعة وتلاعبها وصل الآن إلى نقطة تثير مخاوف كبيرة بشأن آثارها على المجتمع. في أحسن الأحوال، يؤدي هذا إلى فقدان الثقة في المحتوى الرقمي، ولكن قد يسبب ضرراً إضافياً من خلال نشر المعلومات الخاطئة أو الأخبار المزيفة. يفحص هذا البحث واقعية التلاعبات الصورية المتقدمة وكيفية صعوبة اكتشافها، سواء بشكل آلي أو من قبل البشر. لتوحيد تقييم طرق الاكتشاف، نقترح معياراً آلياً لاكتشاف التلاعب بالوجه. بصفة خاصة، يستند المعيار إلى تقنيات DeepFakes (ديبفاكس)، Face2Face (فيس تو فيس)، FaceSwap (فيس سواب) و NeuralTextures (نيورال تكستشرز) كممثلين بارزين للتلاعب بالوجه عند مستويات ضغط عشوائية وأحجام مختلفة.المعيار متاح للجمهور ويحتوي على مجموعة اختبار خفية بالإضافة إلى قاعدة بيانات تتكون من أكثر من 1.8 مليون صورة مصطنعة. هذه القاعدة البيانات أكبر بمقدار يتراوح بين عشرة أضعاف وأكثر من القواعد المتاحة للجمهور والمماثلة لها في مجال التزييف. استناداً إلى هذه البيانات، أجرينا تحليلًا شاملًا للكشف عن التزييف القائم على البيانات. أظهرنا أن استخدام المعرفة الخاصة بالمجال يحسن دقة الكشف عن التزييف بشكل غير مسبوق، حتى في وجود ضغط قوي، ويتفوق بوضوح على المراقبين البشريين.