le tecniche

Caccia al deepfake, Intelligenza artificiale al lavoro (contro sé stessa)

I nuovi strumenti di AI consentono la manipolazioni di immagini con risultati spesso problematici da “smascherare”: un fenomeno che rischia di aggredire credibilità e sicurezza digitale minando le basi delle regole democratiche. Ecco come la ricerca affila le armi per arginare il fenomeno. Ma non sarà facile

Pubblicato il 18 Mar 2020

Luisa Verdoliva

Professore Associato presso Università degli Studi di Napoli Federico II

deepfake

Difendersi dai deepfake non è facile. La creazione di immagini e video manipolati realistici viene ormai resa possibile dallIntelligenza artificiale, che fa leva su tecniche avanzate di deep learning basate su autoencoder (AE) o reti generative avversarie (GAN) per creare in modo automatico contenuti multimediali manipolati. Ma capire che si tratta di “falsi” sarà sempre più difficile. Vediamo perché.

Come riconoscere un video manipolato

In Figura 1 vengono mostrati alcuni esempi di deepfake che circolano su internet. In realtà, tutti questi video sono stati creati per gioco e coinvolgono attori e personaggi politici molto noti, in situazioni spesso improbabili, per cui è facile capire che si tratta di falsi. Inoltre, sul web è di solito possibile recuperare sia la versione originale che quella manipolata, cosa che rimuove ogni dubbio.

Se vengono meno queste condizioni, però, verificare l’integrità di un video può diventare molto più complicato. Questo scenario si verifica certamente nel caso di un attacco deliberato, in cui si acquisisce un filmato con un attore disponibile, il cui volto viene poi sostituito con quello della persona che si vuole attaccare. Inutile dire che in questo caso solo la versione manipolata del video sarà disponibile in rete.

Dato che la creazione di questi video richiede solo potenza di calcolo e un certo numero di immagini/video delle persone coinvolte, chiunque può essere minacciato da tale tecnologia, visto che molto spesso foto e video personali sono condivisi sui social network. Ovviamente, la diffusione di fake news supportate da contenuti multimediali rappresenta una minaccia seria in molti contesti. Basti pensare alla possibilità di condizionare elezioni politiche e più in generale di modificare l’opinione pubblica, ma anche attaccare la credibilità di persone comuni, utilizzando anche video porno.

La comunità scientifica si è attivata per sviluppare metodi affidabili che aiutino a rivelare in maniera automatica tali manipolazioni. In questo articolo descriveremo le tecniche più promettenti per rivelarli e metteremo in luce le principali sfide tecniche.

Figura 1: esempi di manipolazioni deepfake da YouTube. In alto i video manipolati e in basso gli originali. Nel caso di Obama e Trump, nei video originali ci sono due attori comici che li imitano.

Caccia aperta agli artefatti

I deepfake più diffusi coinvolgono la manipolazione di volti, anche perché il volto di una persona è la sua prima carta d’identità e trasmette messaggi non verbali di forte impatto. Alcune tecniche cercano quindi di evidenziare possibili artefatti visivi. Infatti, il processo di generazione non sempre riesce a riprodurre perfettamente tutti i dettagli di un volto, dettagli ai quali gli osservatori sono molto sensibili.

Per esempio, nei volti generati da una GAN può capitare che i due occhi non abbiano lo stesso colore, o si presentino altre forme di asimmetria, come la presenza di un orecchino da una sola parte o orecchie chiaramente diverse [1]. Alcuni tratti, poi, non sempre vengono riprodotti fedelmente, come i denti e a volte i capelli (Figura 2). Inoltre, dato che le tecniche per generare video falsi lavorano frame-by-frame, cioè elaborano un’immagine alla volta, si possono presentare perdite di coerenza lungo la direzione temporale. Ad esempio, negli esseri umani il battito delle ciglia [2] ha una specifica frequenza e durata che può mancare nei volti generati, così come le variazioni di tonalità indotte dalla dilatazione dei vasi dovuta al battito cardiaco [3, 4].

Altre incoerenze sono legate al fatto che i processi generativi realizzati mediante reti neurali non sempre sono in grado di introdurre vincoli che permettono di riprodurre perfettamente la realtà. Per esempio, manca un vincolo esplicito sulla posizione degli occhi, del naso e della bocca. Quindi, la distribuzione dei punti caratteristici di un volto, come i contorni degli occhi, del naso e della bocca si possono usare come feature discriminative [5]. Anche i colori possono presentare delle alterazioni, visto che mancano degli specifici vincoli sulla correlazione tra le bande. Le architetture GAN generano i colori nello spazio RGB (rosso-verde-blu), ma questo può portare degli artefatti nella tinta e saturazione dei colori [6].

È stato anche osservato che le espressioni facciali e i movimenti del capo sono fortemente correlate fra loro, in maniera diversa da soggetto a soggetto. Quindi, se una manipolazione non garantisce la coerenza fra questi due tipi di informazione, può essere facilmente scoperta [7]. Questo approccio però si presta solo alla protezione di un numero ristretto di “very important people”, dato che richiede la costruzione di un database alquanto complesso.

Figura 2: alcuni esempi di immagini generate sinteticamente da una GAN (rete generativa avversaria) che presentano alcuni artefatti e/o asimmetrie: diverso colore degli occhi, orecchie non perfettamente simmetriche, macchie bianche sui denti.

Se l’essenziale è invisibile agli occhi

Le tecniche ora descritte rappresentano strumenti preziosi per scoprire i deepfake. Nel realizzare un video falso, è facile che compaia qualche artefatto, che non siano rispettate certe simmetrie, che alcuni particolari rivelino incongruenze nascoste. Soprattutto, basta che una sola di queste verifiche di coerenza fallisca per far scattare il sospetto che il video non sia originale e innescare indagini più approfondite.

È del tutto illusorio però credere che questo possa segnare un punto decisivo nella lotta ai deepfake. Alla velocità con cui gli algoritmi di generazione migliorano, è probabile che nel giro di pochi anni i deepfake saranno praticamente perfetti, indistinguibili dai video veri anche per un osservatore attento. Esistono però altri approcci, più solidi e promettenti, che fanno riferimento non tanto alla Computer Vision quanto al Multimedia Forensics cioè lo studio forense dei contenuti multimediali.

Il concetto fondamentale è che ogni azione lascia una traccia. Anche la semplice acquisizione di un’immagine con una fotocamera digitale lascia una scia di tracce, invisibili agli occhi, ma molto difficili da cancellare. Le aberrazioni geometriche delle lenti, le imperfezioni del sensore, le molte elaborazioni numeriche di basso e alto livello interne alla camera, tutto lascia delle tracce che l’analista forense può portare alla luce e utilizzare.

È possibile caratterizzare ogni singolo modello di fotocamera e perfino ogni singolo device con una propria “impronta digitale” [8, 9] che in condizioni opportune permette di scoprire l’origine di una fotografia o di un video e di stabilire se un video è originale o generato da algoritmi di deep learning. Recentemente è stato dimostrato che anche le GAN lasciano nelle immagini che generano un marchio caratteristico, diverso per ogni architettura, che può essere utilizzato per scoprirne l’origine [10, 11].

Le “impronte” del deepfake

Naturalmente, scoprire e sfruttare queste tracce non è per niente facile, soprattutto quando immagini e sequenze video sono caricate sui social network dove vengono ridimensionate e compresse, operazioni che compromettono non solo la qualità visiva, ma anche, e soprattutto, i deboli segnali che costituiscono il cuore delle tecniche di multimedia forensics. In Figura 3 si mostra un frame di un video deepfake e la sua impronta digitale estratta mediante la tecnica proposta in [12], che può essere ulteriormente elaborata per tracciare la heatmap, una mappa colorata che ad ogni pixel associa un valore legato alla probabilità che sia stato manipolato.

np video heatmap

Figura 2: in alto il frame di un video deepfake e la corrispondente fingerprint, in cui si nota una zona più scura sul volto. In basso l’estrazione delle heatmap in corrispondenza dei volti presenti nel video. L’analisi mostra chiaramente la manipolazione del volto di Arnold Schwarzenegger, che è stato modificato con quello di Stallone nel film Terminator (https://www.youtube.com/watch?v=Gz0QZP2RKWA).

Sistemi di AI vs sistemi di AI

Le tecniche più promettenti per combattere i deepfake usano esse stesse l’intelligenza artificiale. Questi metodi richiedono la disponibilità di grandi dataset di immagini o video, sia originali che manipolati, per poter “insegnare” alla rete neurale a distinguere il vero dal falso. Il primo dataset pubblicato con questo fine è FaceForensics++ [13], che contiene 4000 video con 4 diverse manipolazioni, che includono sia semplici modifiche dell’espressione che veri e propri face-swapping (sostituzione del volto con quello di un altro). In [13] si mostra come, grazie alla disponibilità di tanti esempi, sia possibile addestrare reti neurali profonde (deep networks) alla rivelazione di video manipolati, con prestazioni che superano largamente le capacità di discriminazione degli esseri umani.

Tuttavia, se la rete viene applicata a manipolazioni per le quali non era stata addestrata, allora le prestazioni calano drasticamente, e lo stesso accade su dati fortemente compressi (Figura 4). Per questo motivo la ricerca si sta focalizzando su modi per migliorare la robustezza e la capacità di generalizzazione di questi reti e permettere loro di adattarsi a nuovi tipi di manipolazioni. I filoni più promettenti sono quelli che addestrano la rete utilizzando solo la classe delle immagini/video originali e rivelano qualunque anomalia come possibile manipolazione, come le fingerprint di cui abbiamo parlato nel capitolo precedente [11, 12]. Un’altra possibilità è cercare di individuare un appropriato spazio di rappresentazione in cui sia possibile separare le caratteristiche comuni alle manipolazioni da quelle dei dati reali [14].

Recentemente il dataset FaceForensics++ è stato ampliato con ulteriori 3000 video messi a disposizione da Google [15], mentre Facebook ha lanciato un challenge su Kaggle [16, 17], in cui è stato creato un dataset di circa 100.000 video manipolati mediante tecniche di deep learning. La disponibilità di tutti questi dati è certamente di grande utilità per addestrare una rete in modo efficace e allo stesso tempo stimola la ricerca scientifica a migliorare sempre di più. Da notare che il dataset di Facebook non contiene solo video, ma anche audio manipolati. Infatti, tecniche recenti permettono di modificare anche solo poche parole di un discorso [18] oppure guidare i movimenti delle labbra a partire da un testo qualsiasi [19]. Esistono già delle tecniche che cercano di scoprire tali manipolazioni, focalizzandosi per esempio sulle incoerenze audio-visuali [20].

In conclusione, è evidente che il mondo della ricerca, grazie anche allo stimolo dei grandi player dell’Information Technology, sta producendo uno sforzo massiccio per la definizione di strumenti che possano proteggerci dalla manipolazione dell’informazione visuale. Tuttavia, vista la velocità del progresso tecnologico in questo campo, è difficile che tale protezione possa mai essere totale. Ci saranno sempre nuovi attacchi e nuovi sviluppi da inseguire. E’ quindi importante che cresca anche la consapevolezza degli utenti finali e la loro attenzione alla gestione dei dati personali, non più solo password, ma le loro stesse immagini e video.


Figura 4: risultati di localizzazione ottenuti mediante una rete profonda su un video reale (in alto) e su un video falso (in basso). I risultati mostrati mediante le heatmap sono molto buoni per video ad alta qualità (immagini al centro), mentre falsi allarmi cominciano ad apparire per video a più bassa qualità (immagini a destra).

Bibliografia

[1] F. Matern, C. Riess, and M. Stamminger, “Exploiting visual artifacts to expose deepfakes and face manipulations,” in IEEE WACV Workshop on Image and Video Forensics, 2019.

[2] Y. Li, M.-C. Chang, and S. Lyu, “In Ictu Oculi: Exposing AI created fake videos by detecting eye,” in IEEE Workshop on Information Forensics and Security, 2018.

[3] U. Ciftci, I. Demir, and L. Yin, “FakeCatcher: Detection of Synthetic Portrait Videos using Biological Signals,” arXiv preprint arXiv:1901.02212v2, 2019.

[4] S. Fernandes, S. Raj, E. Ortiz, I. Vintila, M. Salter, G. Urosevic, and S. Jha, “Predicting Heart Rate Variations of Deepfake Videos using Neural ODE,” in ICCV Workshops, 2019.

[5] X. Yang, Y. Li, H. Qi, and S. Lyu, “Exposing GAN-synthesized faces using landmark locations,” in ACM Workshop on Information Hiding and Multimedia Security, 2019.

[6] S. McCloskey and M. Albright, “Detecting GAN-Generated Imagery using Saturation Cues,” in IEEE International Conference on Image Processing.

[7] S. Agarwal and H. Farid, “Protecting world leaders against deep fakes,” in IEEE CVPR Workshops, 2018.

[8] M. Chen, J. Fridrich, J. Lukàs, and M. Goljan, “Imaging sensor noise as digital x-ray for revealing forgeries,” in International Workshop on Information Hiding, 2007.

[9] D. Cozzolino and L. Verdoliva, “Noiseprint: A CNN-based camera model fingerprint,” IEEE Trans. Inf. Forensics Security, 2020.

[10] F. Marra, D. Gragnaniello, L. Verdoliva, and G. Poggi, “Do GANs leave artificial fingerprints?” in 2nd IEEE International Workshop on Fake MultiMedia, 2019.

[11] N. Yu, L. Davis, and M. Fritz, “Attributing Fake Images to GANs: Learning and Analyzing GAN Fingerprints,” International Conference on Computer Vision, 2019.

[12] D. Cozzolino, G. Poggi, and L. Verdoliva, “Extracting camera-based fingerprints for video forensics,” in CVPR Workshops, 2019.

[13] A. Roessler, D. Cozzolino, L. Verdoliva, C. Riess, J. Thies, and M. Nießner, “FaceForensics++: Learning to detect manipulated facial images,” in International Conference on Computer Vision (ICCV), 2019.

[14] D. Cozzolino, J. Thies, A. R¨ossler, C. Riess, M. Nießner, and L. Verdoliva, “ForensicTransfer: Weakly-supervised domain adaptation for forgery detection,” arXiv preprint arXiv:1812.02510, 2018.

[15] N. Dufour, A. Gully, P. Karlsson, A.V. Vorbyov, T. Leung, J. Childs and C. Bregler, “Deepfakes Detection Dataset,” 2019.

[16] B. Dolhansky, R. Howes, B. Pflaum, N. Baram, and C. C. Ferrer, “The deepfake detection challenge (DFDC) preview dataset,” arXiv preprint arXiv:1910.08854v2, 2019.

[17] https://www.kaggle.com/c/deepfake-detection-challenge/

[18] Fried et al., “Text-based Editing of Talking-head Video,” ACM Transactions on Graphics, 2019.

[19] S. Suwajanakorn, S.M. Seitz, I. Kemelmacher-Shlizerman, “Synthesizing Obama: Learning Lip Sync from Audio,” ACM Transactions on Graphics, 2017.

[20] P. Korshunov, M. Halstead, D. Castan, M. Graciarena, M. McLaren, B. Burns, A. Lawson, and S. Marcel, “Tampered speaker inconsistency detection with phonetically aware audio-visual features,” in ICML Workshop on Detecting Audio-Visual Fakes, 2019.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Speciale PNRR

Tutti
Incentivi
Salute digitale
Formazione
Analisi
Sostenibilità
PA
Sostemibilità
Sicurezza
Digital Economy
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr
CODICE STARTUP
Imprenditoria femminile: come attingere ai fondi per le donne che fanno impresa
DECRETI
PNRR e Fascicolo Sanitario Elettronico: investimenti per oltre 600 milioni
IL DOCUMENTO
Competenze digitali, ecco il nuovo piano operativo nazionale
STRUMENTI
Da Istat e RGS gli indicatori per misurare la sostenibilità nel PNRR
STRATEGIE
PNRR – Piano nazionale di Ripresa e Resilienza: cos’è e novità
FONDI
Pnrr, ok della Ue alla seconda rata da 21 miliardi: focus su 5G e banda ultralarga
GREEN ENERGY
Energia pulita: Banca Sella finanzia i progetti green incentivati dal PNRR
TECNOLOGIA SOLIDALE
Due buone notizie digitali: 500 milioni per gli ITS e l’inizio dell’intranet veloce in scuole e ospedali
INNOVAZIONE
Competenze digitali e InPA cruciali per raggiungere gli obiettivi del Pnrr
STRATEGIE
PA digitale 2026, come gestire i fondi PNRR in 5 fasi: ecco la proposta
ANALISI
Value-based healthcare: le esperienze in Italia e il ruolo del PNRR
Strategie
Accordi per l’innovazione, per le imprese altri 250 milioni
Strategie
PNRR, opportunità e sfide per le smart city
Strategie
Brevetti, il Mise mette sul piatto 8,5 milioni
Strategie
PNRR e opere pubbliche, la grande sfida per i Comuni e perché bisogna pensare digitale
Formazione
Trasferimento tecnologico, il Mise mette sul piatto 7,5 milioni
Strategie
PSN e Strategia Cloud Italia: a che punto siamo e come supportare la PA in questo percorso
Dispersione idrica
Siccità: AI e analisi dei dati possono ridurre gli sprechi d’acqua. Ecco gli interventi necessari
PNRR
Cloud, firmato il contratto per l’avvio di lavori del Polo strategico
Formazione
Competenze digitali, stanziati 48 milioni per gli Istituti tecnologici superiori
Iniziative
Digitalizzazione delle reti idriche: oltre 600 milioni per 21 progetti
Competenze e competitività
PNRR, così i fondi UE possono rilanciare la ricerca e l’Università
Finanziamenti
PNRR, si sbloccano i fondi per l’agrisolare
Sanità post-pandemica
PNRR, Missione Salute: a che punto siamo e cosa resta da fare
Strategie
Sovranità e autonomia tecnologica nazionale: come avviare un processo virtuoso e sostenibile
La relazione
Pnrr e PA digitale, l’alert della Corte dei conti su execution e capacità di spesa
L'editoriale
Elezioni 2022, la sfida digitale ai margini del dibattito politico
Strategie
Digitale, il monito di I-Com: “Senza riforme Pnrr inefficace”
Transizione digitale
Pnrr: arrivano 321 milioni per cloud dei Comuni, spazio e mobilità innovativa
L'analisi I-COM
Il PNRR alla prova delle elezioni: come usare bene le risorse e centrare gli obiettivi digitali
Cineca
Quantum computing, una svolta per la ricerca: lo scenario europeo e i progetti in corso
L'indice europeo
Desi, l’Italia scala due posizioni grazie a fibra e 5G. Ma è (ancora) allarme competenze
L'approfondimento
PNRR 2, ecco tutte le misure per cittadini e imprese: portale sommerso, codice crisi d’impresa e sismabonus, cosa cambia
Servizi digitali
PNRR e trasformazione digitale: ecco gli investimenti e le riforme previste per la digitalizzazione della PA
Legal health
Lo spazio europeo dei dati sanitari: come circoleranno le informazioni sulla salute nell’Unione Europea
Servizi digitali
PNRR e PA digitale: non dimentichiamo la dematerializzazione
Digital Healthcare transformation
La trasformazione digitale degli ospedali
Governance digitale
PA digitale, è la volta buona? Così misure e risorse del PNRR possono fare la differenza
Servizi digitali
Comuni e digitale, come usare il PNRR senza sbagliare
La survey
Pnrr e digitale accoppiata vincente per il 70% delle pmi italiane
Missione salute
Fascicolo Sanitario Elettronico alla prova del PNRR: limiti, rischi e opportunità
Servizi pubblici
PNRR: come diventeranno i siti dei comuni italiani grazie alle nuove risorse
Skill gap
PNRR, la banda ultra larga crea 20.000 nuovi posti di lavoro
Il Piano
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUMPA2022
PNRR e trasformazione digitale: rivedi i Talk di FORUM PA 2022 in collaborazione con le aziende partner
I contratti
Avio, 340 milioni dal Pnrr per i nuovi propulsori a metano
Next Generation EU
PNRR, a che punto siamo e cosa possono aspettarsi le aziende private
Fondi
Operativo il nuovo portale del MISE con tutti i finanziamenti per le imprese
Servizi comunali
Il PNRR occasione unica per i Comuni digitali: strumenti e risorse per enti e cittadini
Healthcare data platform
PNRR dalla teoria alla pratica: tecnologie e soluzioni per l’innovazione in Sanità
Skill
Competenze digitali, partono le Reti di facilitazione
Gli obiettivi
Scuola 4.0, PNRR ultima chance: ecco come cambierà il sistema formativo
Sistema Paese
PNRR 2, è il turno della space economy
FORUM PA 2022
FORUM PA 2022: la maturità digitale dei comuni italiani rispetto al PNRR
Analisi
PNRR: dalla Ricerca all’impresa, una sfida da cogliere insieme
Innovazione
Pnrr, il Dipartimento per la Trasformazione digitale si riorganizza
FORUM PA 2022
PA verde e sostenibile: il ruolo di PNRR, PNIEC, energy management e green public procurement
Analisi
PNRR, Comuni e digitalizzazione: tutto su fondi e opportunità, in meno di 3 minuti. Guarda il video!
Rapporti
Competenze digitali e servizi automatizzati pilastri del piano Inps
Analisi
Attuazione del PNRR: il dialogo necessario tra istituzioni e società civile. Rivedi lo Scenario di FORUM PA 2022
Progetti
Pnrr, fondi per il Politecnico di Torino. Fra i progetti anche IS4Aerospace
Analisi
PNRR, Colao fa il punto sulla transizione digitale dell’Italia: «In linea con tutte le scadenze»
La Svolta
Ict, Istat “riclassifica” i professionisti. Via anche al catalogo dati sul Pnrr
Analisi
Spazio, Colao fa il punto sul Pnrr: i progetti verso la milestone 2023
FORUM PA 2022
Ecosistema territoriale sostenibile: l’Emilia Romagna tra FESR e PNRR
Il Piano
Innovazione, il Mise “centra” gli obiettivi Pnrr: attivati 17,5 miliardi
Analisi
PNRR: raggiunti gli obiettivi per il primo semestre 2022. Il punto e qualche riflessione
Analisi
PNRR: dal dialogo tra PA e società civile passa il corretto monitoraggio dei risultati, tra collaborazione e identità dei luoghi
Webinar
Comuni e PNRR: un focus sui bandi attivi o in pubblicazione
Analisi
Formazione 4.0: cos’è e come funziona il credito d’imposta
PA e Sicurezza
PA e sicurezza informatica: il ruolo dei territori di fronte alle sfide della digitalizzazione
PA e sicurezza
PNRR e servizi pubblici digitali: sfide e opportunità per Comuni e Città metropolitane
Water management
Water management in Italia: verso una transizione “smart” e “circular” 
LE RISORSE
Transizione digitale, Simest apre i fondi Pnrr alle medie imprese
Prospettive
Turismo, cultura e digital: come spendere bene le risorse del PNRR
Analisi
Smart City: quale contributo alla transizione ecologica
Decarbonizzazione
Idrogeno verde, 450 milioni € di investimenti PNRR, Cingolani firma
Unioncamere
PNRR, imprese in ritardo: ecco come le Camere di commercio possono aiutare
I fondi
Industria 4.0: solo un’impresa su tre pronta a salire sul treno Pnrr

Articoli correlati

Articolo 1 di 3