Legislative Adequacy to Address Crimes Arising From Deepfakes : A Comparative Analytical Study
Article content
Abstract
Deepfakes have raised numerous legal challenges in recent years. This study aims to assess the adequacy of legislation in the Arab Republic of Egypt and the Kingdom of Saudi Arabia to address crimes arising from deepfakes, in light of relevant European Union regulations, and to identify any legislative gaps created by this technology. The study employs a comparative analytical approach to examine legal texts, highlighting the legal protections afforded to public and private interests, both tangible and digital, against violations that may result from the malicious use of deepfakes. It also explores the powers of investigative authorities to detect fake content and track down perpetrators, as well as the legal obligations of service providers to cooperate with these authorities to achieve justice without violating user privacy. Furthermore, the study reviews the most prominent open-source deepfakes detection tools and evaluates their reliability and admissibility as evidence in criminal cases. The study concluded that the legal frameworks in Egypt and the Kingdom are generally characterized by the protection of interests, without requiring the use of a specific tool or method to infringe upon them. The broad scope of criminalization in both countries is sufficient to punish the end user (the perpetrator). However, these frameworks do not impose controls or obligations on actors in the deepfake value chain, nor do they incentivize them to adhere to transparency standards. Furthermore, there is no direct protection for the behavior and feelings of ordinary individuals, which deepfakes now mimic with high accuracy. The study also demonstrated the evidentiary value of invisible digital watermarks. It recommended that service providers be required to include watermarks in fake content and that reliable tools be provided to enable investigators to detect and identify the source of these watermarks, The study relied on the descriptive analytical and comparative methods.
Keywords
Security Studies, Deepfakes, Law, Artificial Intelligence, digital evidence, digital watermarking
Downloads
References
المراجع العربية
حسني، محمود نجيب. (1983). علاقة السببية في قانون العقوبات. القاهرة: دار النهضة العربية.
زكير، أحمد عبد الموجود أبوبكر. (2022). جريمة التزييف الإباحي العميق دراسة. مقارنة. المجلة القانونية، كلية الحقوق، جامعة القاهرة، 2227.
سدايا. (2022). مبادئ التزييف العميق. الرياض: الهيئة السعودية للبيانات والذكاء الاصطناعي سدايا.
سدايا. (2024). الدليل الاسترشادي لحالات الإفصاح عن البيانات الشخصية، الرياض، المملكة العربية السعودية، الهيئة السعودية للبيانات والذكاء الاصطناعي، سدايا.
شمس الدين، أشرف توفيق. (2019). شرح قانون العقوبات، القسم العام، النظرية العامة للجريمة. القاهرة: دار النهضة العربية.
العجيل، منصور عبد السلام عبد الحميد حسان. (2021). الضوابط القانونية للإثبات الجنائي بالأدلة الرقمية: دراسة مقارنة، المجلة القانونية، جامعة القاهرة، 3341 - 3414.
أبو العلا، أشرف سيد، (2024). المواجهة الجنائية لتقنية الديب فيك. مجلة العلوم القانونية والاقتصادية، 477 - 511.
فؤاد، درويش، حسنين. (2025). المنظور القانوني والأخلاقي لحوكمة الذكاء الاصطناعي وإدارة مخاطره. القاهرة: دار مصر للنشر والتوزيع.
قانون الإجراءات الجنائية رقم 150 لسنة 1950، مصر.
قانون العقوبات رقم 58 لسنة 1937، مصر.
قانون رقم 151 لسنة 2020 بشأن حماية البيانات الشخصية، مصر.
قانون رقم 175 لسنة 2018 بشأن مكافحة جرائم تقنية المعلومات، مصر.
القهوجي، علي عبد القادر (2003). الحماية الجنائية للكيان المعنوي للحاسب الآلي من خلال حق المؤلف، المؤتمر العلمي الأول حول الجوانب القانونية والأمنية للعمليات الإلكترونية، دبي.
اللائحة التنفيذية لقانون مكافحة جرائم تقنية المعلومات رقم 175 لسنة 2018، الجريدة الرسمية، العدد 35 تابع (ج)، 27 أغسطس، 2020. مصر.
مجلس التعاون لدول الخليج العربية. (2013). وثيقة الرياض للنظام الموحد لمكافحة جرائم تقنية المعلومات لدول مجلس التعاون لدول الخليج العربية.
مرعي، أحمد لطفي السيد، الأدلة الرقمية المتحصلة من التفتيش الجنائي الإلكتروني (دراسة مقارنة)، مجلة الدراسات القانونية والاقتصادية، مجلد 8، ع 1، 2022، ص. 290 - 368.
مركز حقوق الإنسان. (2024). بروتوكول بيركلي بشأن التحقيقات الرقمية مفتوحة المصدر (مكتب المفوض السامي لحقوق الإنسان بالأمم المتحدة؛ مركز حقوق الإنسان، كلية الحقوق بجامعة كاليفورنيا - بيركلي). الأمم المتحدة.
النجار، سحر فؤاد مجيد. (2024). المواجهة الجنائية للجرائم الناشئة عن استخدام تقنية التزييف العميق. 2(Journal of Legal Sciences, 39)، 336 - 575.
نظام الإثبات السعودي الصادر بالمرسوم الملكي رقم (م/43) وتاريخ 1443/5/26هـ.
نظام حماية البيانات الشخصية السعودي، الصادر بالمرسوم الملكي رقم (م/19) بتاريخ 1443/2/9هـ، والمعدل بالمرسوم الملكي رقم (م/148) بتاريخ 1444/9/5هـ.
نظام مكافحة الاحتيال المالي وخيانة الأمانة الصادر بمرسوم ملكي رقم (م/79) وتاريخ 1442/9/10هـ بتاريخ 4/22/ 2021م.
نظام مكافحة جرائم المعلوماتية السعودي الصادر بالمرسوم الملكي رقم م/17 بتاريخ 1428/3/8 هـ الموافق 2007/3/27م.
هيا محمد شاهين طوق البوعينين. (2023). الجهل بالقانون وأثره على المسؤولية الجنائية والمدنية، مجلة بحوث الشرق الأوسط 11(88) 3-4 .
المراجع الأجنبية
Agarwal, S., Farid, H., Gu, Y., He, M., Nagano, K., & Li, H. (2019, June). Protecting world leaders against deep fakes. In CVPR workshops (Vol. 1, No. 38).
Ahmed, A. M., Abdelrazek, M., Aryal, S., & Nguyen, T. T. (2023). An overview of Eulerian video motion magnification methods. Computers & Graphics, 145 - 163.
Altuncu, E., Franqueira, V. N., & Li, S. (2022). Deepfake: definitions, performance metrics and standards, datasetes and a meta-review. Frontiers in Big Data, Sec. Cybersecurity and Privacy 7, 1 - 23.
Arshad, H., Jantan, A. B., & Abiodun, O. I. (2018). Digital Forensics: Review of Issues in Scientific Validation of Digital Evidence. Journal of Information Processing Systems, pp. 346 - 376.
Berkely Protocol. (2024). Berkeley Protocol on Digital Open Source Investigations. Berkely Protocol. UNHRC & UC Berkely School of Law.
C2PA. (2025). Coalition for Content Provenance and Authenticity C2PA.
CAI. (2025). Content Authenticity Initiative.
California Legilative Information (2023-2024) SB-942 California AI Transparency Act.
California State. (April, 2024). legistration, Amendement to california assembly bill 3211. https://legiscan.com/CA/text/ AB3211/id/2984195. California State Legislature.
Cambridge Dictionary.
Casey, E., & Others. (2010). Handbook of digital forensics and investigation. California: Elsevier Inc.
Christodorescu, M., Mihai, Craven, R., Feizi, S., Gong, N., Hoffmann, M., . . . Jiang, Z. (2024, 5 21). Securing the future of genAI: Policy and technology. Retrieved from https://arxiv.org/abs/2407.12999
Citron, D. K., & Chesney, R. (2019). Deep Fakes: A Looming Challenge for Privacy, Democracy, and National Security. California Law Review, 1762.
European Parliament, AI Investment: EU and Global Indicators; Statista, 2023, Standord AI Index Report (2024).
Fabuyi, J., Olaniyi, O. O., Olateju, O., Aideyan, N. T., Selsi-Aina, O., & Olaniyi, F. G. (2024). Deepfake Regulations and Their Impact on Content Creation in the Entertainment Industry. Archives of Current Research International 24, pp. 10-0734.
Fernandez, P. L. (2024). What Lies Ahead for Generative AI Watermarking. Tech. Rep., 1
Fernandez, P., Couairon , G., Jégou, H., Douze, M., & Furon, T. (2023). The Stable Signature: Rooting Watermarks in Latent Diffusion Models. Fernandez, P., Couairon, G., Jégou, H., Douze, M., & Furon, T. (2023). The stable signature: Rooting watermarks in latent diffusion models. In Proceedings of the IEEE/CVF International Conference on Computer Vision (pp. 22466-22477). Paris: International Conference on Computer Vision.
Giovanni Spitale, Andorno, N. B., & Germani, F. (2023). Ai model gpt-3 (dis) informs us better than humans. Science Advances 9, 1 - 29.
Goldstein, J. A., Sastry, G., Musser, M., DiResta, R., Gentzel, M., & Sedova, K. (2023). Generative language models and automated influence operations: Emerging threats and potential mitigations. Georgetown University’s Center for Security and Emerging Technology OpenAI and Stanford Internet Observatory.
Janiesch C, Zschech P, Heinrich K (2021) Machine learning and deep learning. Electron Mark 31(3):685–695
McGEE, S. (2022). Evidence-Based Physical Diagnosis. Philadephia: Elsevier.
Riley, J. (2017). Undrstanding Metadata. Washington DC, United States.: National Information Standards Organization.
Sensity. (2024). The state of deepfakes.
Stanford University (2023). AI Index Report.
The Joint Development Foundation.(2025).
Wadhera, S., Kamra, D., Rajpal, A., Jain, A., & Jain, V. (2022, July 7). A Comprehensive Review on Digital Image Watermarking.
Wu, X., Liao, X., Ou, B., Liu, Y., & Qin, Z. (2024). Are watermarks bugs for deepfake detectors? rethinking proactive forensics. Proceedings of the Thirty-Third International Joint Conference on Artificial Intelligence (IJCAI-24) (pp. 6089 - 6097). Jeju: Proceedings of the Thirty-Third International Joint Conference on Artificial Intelligence (IJCAI-24).
Article details
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
You must read and accept the copyright terms and conditions(click here for copyright terms).