本研究の目的を達成するため，(A)フェイク情報化の防止，(B)メディアクローン（MC）の生成，(C)MCの認識，(D)モデリング，(E)実証実験を進めた．
(A)では，位置履歴からの内心情報の流出を防ぐ画像認識方式がIEEE TIFSに掲載された（新聞等報道）．また静脈認証に必要な静脈パターンは画像から抽出可能と指摘すると共に、静脈復元防止手法を開発した（新聞等報道）．さらに，画像や映像中の顔や全身像の匿名化手法の開発を推進した．(B)では，音声合成手法Deep Autoregressive ModelがIEEE/ACM ASLPに掲載された（新聞等報道）．また、音声に応じた口の動きを再現する動画生成手法を開発した．さらに，SNSの個人の投稿などの生成手法を開発した．(C)では，deepfakeなどの最新技術で生成された動画と，実写動画を判別する手法を開発した（新聞等報道）．また，肉筆文書とクローン文書の判別手法を開発した．さらに．ソーシャルメディアにおける実在人物と機械によるなりすましを判別する手法を開発した．一方、環境情報が改ざんされた動画の改ざん領域を検出する手法を開発した．(D)では，文書により人を騙すメール詐欺の事例について，メールの受信者が騙されるところをモデル化し，発表した国際会議で国際雑誌への投稿推薦を受けた．(E)では，音声メディアを対象に、対戦型循環的実証実験を開催した．音声クローン生成技術を競うVoice conversion challenge 2018では，23チームが参加した．音声クローン認識技術を競うASVspoof challenge 2019では，154チームが参加登録し、うち51チームがスコアを提出した．Google Brainなど17の世界の最先端研究所や企業が，構築した合成音声と変換音声をMCの事例として公開した．