Este artículo destaca la complejidad y evolución del contenido deepfake en situaciones reales. Los referentes académicos existentes suelen presentar fuentes de entrenamiento homogéneas e imágenes de prueba de baja calidad, lo que desalienta significativamente la implementación de los detectores actuales en el mundo real. Para abordar esta deficiencia, presentamos el conjunto de datos HydraFake, que simula desafíos reales mediante pruebas de generalización jerárquica. HydraFake abarca diversas técnicas de deepfake, falsificaciones de campo, rigurosos protocolos de entrenamiento y evaluación, y abarca arquitecturas de modelos inéditas, novedosas técnicas de falsificación y nuevos dominios de datos. Basándonos en estos recursos, proponemos Veritas, un detector de deepfake basado en un modelo de lenguaje multimodal a gran escala (MLLM). A diferencia de los procesos de pensamiento convencionales (CoT), introducimos la inferencia de reconocimiento de patrones, que incorpora patrones de inferencia clave como la planificación y la autorreflexión para imitar los procesos forenses humanos. También proponemos un proceso de entrenamiento en dos etapas para integrar a la perfección estas capacidades de inferencia de deepfake en los MLLM existentes. Los experimentos con el conjunto de datos HydraFake demuestran que los detectores anteriores presentan un excelente rendimiento de generalización en escenarios multimodelo, pero presentan deficiencias en el ámbito de la falsificación no detectada y los datos. Veritas logra mejoras significativas en el rendimiento en diversos escenarios OOD, ofreciendo resultados de detección transparentes y precisos.
