Disinfo Verify — Fact-Checking su Richiesta
Verifica su richiesta di un testo, di un URL o di un’immagine a fronte dell’archivio delle verifiche già pubblicate dalle agenzie di fact-checking. La richiesta entra in una coda, il risultato viene salvato nello stesso documento e riceve un permalink — la verifica diventa un documento archiviabile, non una schermata che si perde.
Panoramica
L’archivio contava 98.818 verifiche indicizzate alla rilevazione del 26/07/2026, raccolte attraverso tre canali indipendenti: Data Commons, l’API di Google Fact Check Tools su 14 domini di agenzie e sette feed RSS. La raccolta gira ogni giorno alle 05:00.
La corrispondenza è lessicale e verificabile. La ricerca recupera le verifiche candidate e l’affidabilità deriva dalla sovrapposizione dei termini ponderata per rarità: un termine raro pesa più di un termine comune. Ci sono due soglie — sopra 0,55 il sistema decide, tra 0,38 e 0,55 segnala il caso per la revisione umana, sotto quel valore non afferma nulla. Ci sono inoltre dei minimi anti-falso-positivo: almeno tre termini di contenuto in comune, per un massimo di cinque verifiche mostrate su quaranta recuperate.
La zona di astensione non è modestia retorica. La precisione della corrispondenza lessicale è stata misurata su un insieme di 246 coppie etichettate e non supera il 17% nel punto migliore — per questo il sistema mostra i termini che hanno corrisposto e lascia la decisione visibile, invece di nascondere il metodo dietro un bollino.
Input e output
- Testo libero — etichetta prudenziale scelta tra quattro opzioni (“smentito da un fact-check”, “trovata una verifica correlata”, “indizio — richiede revisione umana”, “nessuna corrispondenza”), spiegazione, le verifiche che hanno in comune i termini rilevati e il blocco “In realtà”, con la rettifica scritta dall’agenzia stessa. Quando l’agenzia non ha pubblicato una rettifica, il blocco non compare — la frase non viene dedotta dall’affermazione.
- URL — lo stesso output, con il titolo recuperato dall’archivio, dalla pagina scaricata o da una copia su Internet Archive, più la circolazione sulle reti monitorate. L’identità dell’URL è l’hash della sua forma canonica, con i parametri di tracciamento rimossi, così che la stessa notizia condivisa da dieci campagne resti un solo documento.
- Immagine (JPEG, PNG, WebP, AVIF, GIF) — provenienza dichiarata (EXIF, XMP, IPTC e rilevamento del contenitore C2PA), storico dell’immagine nell’archivio per sha256 e per pHash, cinque indicatori di analisi forense dei pixel con intervallo e percentili, ricerca inversa sul web e trascrizione del testo sovrapposto.
Scelte ingegneristiche
Filtro di lingua con astensione. Senza filtro, il 9,0% dei candidati proveniva da un’altra lingua; con il filtro, zero. Ma il rilevatore si dichiara incerto nel 27,5% delle interrogazioni — e in quei casi il filtro viene disattivato, invece di scartare un candidato legittimo sulla base di un’ipotesi debole.
pHash con hash dell’immagine speculare. L’hash percettivo riconosce la stessa immagine dopo ricompressione o ridimensionamento. Poiché il ribaltamento orizzontale produce distanza massima, la piattaforma conserva anche l’hash dell’immagine speculare — otto byte in più che evitano il falso negativo più frequente nelle immagini riciclate.
Analisi forense stratificata per compressione. Dei 37 indicatori di pixel misurati ne sono stati pubblicati cinque: quelli che hanno superato quattro filtri simultanei, tra cui la robustezza alla ricompressione e l’assenza di bias per testata. Gli intervalli sono stratificati in base alla tabella di quantizzazione JPEG, così che l’indicatore misuri l’immagine e non la redazione che l’ha pubblicata.
Porta d’ingresso ostile. Tipo rilevato dai byte, tetto di dimensione e di megapixel, rifiuto delle bombe di decompressione leggendo l’intestazione prima di decodificare, SVG rifiutato perché non pittorico, e protezione contro l’SSRF nella ricerca per URL: DNS risolto prima, rifiuto se uno qualsiasi degli IP è privato, al massimo tre reindirizzamenti rivalidati a ogni salto.
Funzionalità
- Archivio delle agenzie con verdetto normalizzato in sei classi canoniche
- Zona di astensione dichiarata, con i termini che hanno corrisposto sempre visibili
- Sezione obbligatoria “ciò che non è stato possibile determinare”, con vocabolario chiuso di 17 motivi
- Verdetto umano firmato, limitato a cinque opzioni garantite da un vincolo nel database, in quattro stati di pubblicazione
- Segnali di coordinamento e amplificazione calibrati su un modello nullo, su sette reti normalizzate
Casi d’uso
- Verificare un’affermazione ricevuta via messaggio o pubblicata dalla stampa prima di rispondere
- Scoprire se un’immagine è già circolata in passato, su quali testate e da quando
- Conservare la verifica con permalink, prove e traccia di come è stata prodotta
- Dare priorità alla coda di lavoro di un team di comunicazione, legale o di fact-checking
Ciò che il sistema non fa
- Non emette verdetti automatici di vero o falso. Al modello di linguaggio è vietato per istruzione esprimersi sulla veridicità, e un blocco basato su dieci pattern intercetta qualsiasi campo di output che somigli a un bollino di autenticità.
- Non accetta video né audio — soltanto testo, URL e i cinque formati di immagine indicati sopra.
- Non classifica un’immagine come generata da IA: non esiste un classificatore calibrato, e la lettura visiva del modello viene presentata come opinione, con indizi e controindizi.
- Non convalida le credenziali C2PA: rileva la presenza del contenitore e dichiara di non averne verificato la firma.
- Non etichetta un account come bot, non riconosce volti e non geolocalizza le immagini.
- “Nessuna corrispondenza” non viene mai presentato come “vero”.
Integrazioni
- Google Fact Check Tools API, Data Commons e RSS delle agenzie
- Internet Archive, Google Cloud Vision (ricerca inversa su licenza, non scraping)
- OpenSearch, MinIO / Amazon S3
SLA e garanzie
Coda svuotata ogni 10 minuti · verdetto sulle immagini solo tramite parere umano firmato