Давиденко, А.М.А.М.ДавиденкоАзарний, Д.І.Д.І.Азарний2026-06-162026-06-162025-11-20Давиденко, А., Азарний, Д. (2025). CHRONICL OF DIPFEYK SCIENTIFIC RESEARCH: ANALYSIS. Збірник наукових праць Військового інституту Київського національного університету імені Тараса Шевченка(87), 80–87. https://doi.org/10.17721/2519-481X/2025/87-0910.17721/2519-481X/2025/87-09https://ir.library.knu.ua/handle/15071834/23325The article provides a systematic review of scientific research on the issue of deepfake detection for the period from 2015 to 2025. It demonstrates how the growth of generative capabilities (from early GANs to modern diffusion models) stimulated the development of detection tools. Key architectural solutions are analyzed: convolutional neural networks, transformers, multimodal models, and self-supervised approaches. Considerable attention is paid to open datasets that became the driving force of progress in this field: FaceForensics++, DFDC, Celeb-DF, ForgeryNet. A quantitative analysis of the dynamics of scientific publications based on Google Scholar data is carried out — in particular, a sharp increase in interest in the topic after 2018 is shown. An attempt is made to periodize technological development, presented in the form of a generalized trend table. Current challenges are also described: the emergence of realistic voice fakes, increasing complexity of generators, and attacks on detectors. The article includes a chart of the increase in the number of scientific works on the topic of deepfakes during 2015–2024, which demonstrates exponential growth. Special attention is paid to applied aspects: the use of fake media detection in cybersecurity, forensic examination, journalism, and personal data protection. The prospects for creating unified standards for digital content labeling, integrating recognition methods into real communication systems, and countering disinformation in social networks are considered. The importance of international coordination in solving the deepfake problem and the active involvement of the scientific community in the development of ethical principles for the use of AI is emphasized. All of this confirms the strategic relevance of the research topic not only today but also in the near future. The results can be used as a methodological basis for interdisciplinary initiatives.У статті здійснено системний огляд наукових досліджень з проблематики виявлення діпфейків у період з 2015 по 2025 рік. Показано, як зростання генеративних можливостей (від перших GAN до сучасних дифузійних моделей) стимулювало розвиток засобів детекції. Проаналізовано ключові архітектурні рішення: згорткові нейронні мережі, трансформери, мультимодальні моделі, а також self-supervised підходи. Значну увагу приділено відкритим датасетам, що стали рушієм прогресу у цій галузі: FaceForensics++, DFDC, Celeb-DF, ForgeryNet. Проведено кількісний аналіз динаміки наукових публікацій за даними Google Scholar — зокрема, відображено стрімке зростання інтересу до тематики після 2018 року. Зроблено спробу періодизації технологічного розвитку, яку подано у вигляді узагальненої таблиці трендів. Описано також сучасні виклики: поява реалістичних голосових фейків, ускладнення генераторів, атаки на детектори. У статті наведено графік приросту кількості наукових робіт з теми діпфейків за 2015–2024 роки, що демонструє динаміку експоненційного росту. Окремо акцентовано прикладні аспекти: використання детекції фейкових медіа в кібербезпеці, судовій експертизі, журналістиці та захисті персональних даних. Розглядаються перспективи створення єдиних стандартів цифрового маркування контенту, інтеграції методів розпізнавання в реальні системи зв’язку та попередження дезінформації в соціальних мережах. Підкреслюється важливість міжнародної координації у вирішенні проблеми діпфейків, а також активна участь наукової спільноти у розробці етичних принципів використання штучного інтелекту. Усе це підтверджує стратегічну актуальність теми дослідження не лише сьогодні, а й у найближчому майбутньому. Результати можуть бути використані як методична база для міждисциплінарних ініціатив.ukдіпфейкгенеративні мережімультимодальна детекціярозпізнавання фейківтрансформеринейромережіdeepfakegenerative networksmultimodal detectionfake recognitiontransformersСтаття