情報操作 ジャーナリズムの価値——DW Akademie・UNESCO・国際公共利益メディア基金による証拠統合レポートが示す、経済・国家安全保障・危機対応への実証的インパクト
DW Akademie・UNESCO・国際公共利益メディア基金が委託した証拠レビュー「The Value of Journalism」を検証。97カ国のGDP分析、OCCRPの120億ドル回収実績、ブルキナファソの乳幼児死亡率低下等、報道の経済・安全保障・危機対応への実証的効果を精読する。
情報操作 
情報操作 中国情報空間に響くロシアの声――NASK報告書が解明する対ポーランド偽情報、四つのナラティブと「情報ロンダリング」の構造
NASK(ポーランド国立研究所)偽情報分析センターが2025年1-8月、中国系25以上のメディアを監視し検出した対ポーランド言説966件を分析した報告書。ロシア由来の4ナラティブと、TikTok等を介した「情報ロンダリング」構造、中露情報協力の実態を解説する。
偽情報対策全般 国家の偽情報対処能力をどう測るか――Monash大学「Disinformation Defeat Capacity Maturity Model」の理論的基盤
モナッシュ大学のコップ博士が2026年8月に発表した、国家の偽情報対処能力成熟度モデルの理論的根拠を示すホワイトペーパーを紹介。プロキシ問題、Borden-Kopp欺瞞モデル、生存可能性方程式、LLMハルシネーション、豪・瑞・米・EUの政策比較まで、その構造を具体的に解説する。
情報操作 中国国内偽情報エコシステム2026年7月時点評価――物理的に遮断された「長城」、制度化されたAIプロパガンダ、九つのナラティブ
Disinformation Commissionが2026年7月に公開した中国国内情報統制評価を、GPPi・DoublethinkLab・JAMA等の一次資料で裏付け検証。VPN物理遮断、AIプロパガンダの制度化、九つの国家ナラティブと反証、検閲の実態を分析する。
情報操作 NZSIS年次脅威評価2026:スパイ活動・インサイダー脅威・対外的影響工作を接続する生成AI
ニュージーランド保安情報局（NZSIS: New Zealand Security Intelligence Service）は2026年8月、年次脅威評価「New Zealand's Security Threat Environment...
偽情報の拡散 ケンブリッジ大学教授ジェイソン・アーデイの辞任と死――盗用疑惑、AI生成デマ、書き換えられた連帯書簡が重なった九日間
英ケンブリッジ大学教授ジェイソン・アーデイが博士論文盗用疑惑で辞任した9日後に死去した事案を、BBC・Retraction Watch・Lead Stories等の一次報道から検証。法的圧力による報道抑制、AI生成デマ、書き換えられた連帯書簡という複数の情報操作層が実害に至った構造を分析する。
ファクトチェック 令和8年熊本地震にみる災害偽情報の構造――人工地震説からAI加工写真、外国人排斥言説まで
2026年7月28日発生のM7.1熊本地震で拡散した偽・誤情報を、piyolog・日本ファクトチェックセンター・国内外報道など複数情報源から検証。人工地震説の投稿数推移、生成AIによる写真加工、外国人排斥言説への転化過程まで、拡散構造の変化を具体的に分析する。
ジェンダー ミソジニーを覆い隠す偽情報――OHPI報告書『Technology Facilitated Violence Against Women』にみる修辞戦術の類型化
豪州のOHPIが2026年8月に公表した、Collective Shoutへの2025年オンライン虐待キャンペーンを分析した135ページの報告書を紹介。アド・ホミネムやトゥ・クォークなど偽情報の修辞戦術を類型化し、ミソジニー正当化の構造を検証する。
情報操作 EEAS『2025年 人権と民主主義に関する年次報告書』にみる偽情報・情報操作対策——選挙監視から新技術章、FIMI対策までの構造分析
EEAS(欧州対外行動庁)発行、上級代表カヤ・カラス名の「2025年人権・民主主義年次報告書」(208頁)を分析。選挙監視17件、EEAS第3回FIMI脅威報告書、EUvsDisinfoの19000件超の事例など、偽情報対策が5章にわたり分散配置される構造と、欧州民主主義シールドの制度設計を検証する。
論文紹介 Build it, Break it, Repeat――シェフィールド大学の学生チームが検証したX短文偽情報検出器の反復的敵対性評価
シェフィールド大学の学生プロジェクトが発表した論文「Build it, Break it, Repeat」を紹介。X投稿の機械生成偽情報検出器を対象に、逆翻訳やペルソナ書き換えなど5反復の敵対的攻撃で頑健性を検証し、DASS型対照学習モデルが最大95%のラベル反転攻撃下でも72.68%の精度を維持したことを報告した。