热点讨论“明星麻将有没有挂”玩家曝光开挂详情
“朋友视频借钱”，这是真的吗
不法分子利用AI技术行骗，专家提醒可从“眼球运动”“面部细节”等发现漏洞，也可以要求对方做一些大幅度动作，包括转头等，再根据画面、面部扭曲程度来判定真伪
最近，复旦大学附属华山医院感染科主任张文宏“被带货”事件很受关注。不法分子利用AI技术，将张文宏在其他场合的讲话视频篡改为“张文宏在推广一种蛋白棒”，部分消费者信以为真。对此，张文宏接受媒体采访时辟谣，并表示AI生成信息像蝗灾一样，一次又一次发生，虽然向平台投诉，但感觉难以解决问题。
眨眼、转头、站立可让假视频露馅
对一些粗制滥造或技术不太成熟的AI视频，观看者通过一些细节就能识别。
例如，“张文宏带货”属于非实时视频，观看者可以从“动作重复性”“眼球运动”“面部细节”等来发现AI生成的漏洞。目前，社交平台上的很多数字人也有同样的瑕疵。
具体来看，AI生成的视频可能会频繁重复某种动作，因为生成模型在动作匹配上存在局限，只学习到几个关键动作，然后通过重复来呈现一段视频。眼球运动、面部细节等是AI生成视频最容易“露馅”的地方，AI生成人物的眨眼频率、嘴部动作等往往不自然、不真实。
针对AI生成的实时视频，如用AI换脸等技术生成的“某位明星给你打电话”“某位朋友向你借款”等视频，也有识别办法。这个时候，观看者可以要求对方做一些大幅度的动作，包括转头、站起来等，再根据画面、面部扭曲程度来判定真伪。因为AI合成的实时视频往往无法在短时间内实现高质量渲染，从而出现漏洞。
目前，很多AI生成视频都存在缺乏个性化表情动作、画面抖动、违反物理规律等现象，它们属于“连续伪造画面的时序瑕疵”，有针对性地对鉴伪模型进行优化，就能从技术层面识别这类造假行为。还有，不少AI生成的视频人物面部会有明显瑕疵，包括内脸区域的五官与外脸区域的发型等不一致；在针对特定名人的AI造假视频中，这类问题更明显。技术研发者可以有的放矢地训练对应的鉴伪大模型，从而提高鉴伪效率。
注入“数字水印”，进行主动防御
随着AI技术发展，AI生成的视频已经越来越“精美”乃至“完美”，不要说人眼无法识别，可能连普通的鉴伪大模型都无能为力。这个时候，还有什么办法来识别AI造假？
郭丰俊表示，“用技术打败技术”已经成为很多AI开发者的共识，目前有不少开发者发布了深度伪造(Deepfake)专业检测器工具。比如，深度伪造检测平台RealityDefender可以为企业和政府检测图像、视频、音频、文本中的深度伪造等。
不过，这类检测都属于“被动防御”，就是利用技术来判断图像、视频中是否存在AI造假的情况。在此基础上，很有必要引入“主动防御”策略，通过在图像和视频中注入“半脆弱性数字水印”，从源头预防造假行为，并为“被动防御”提供更有力的技术支撑。
所谓“半脆弱性数字水印”，是指在不破坏原有图像、视频内容的基础上，在人脸等重要表征上嵌入隐藏的、肉眼不可见的水印信息。图像或视频一旦被编辑修改，水印就会被破坏；而使用数字水印检测器能很容易发现图像或视频是否进行过编辑，以及在哪里进行了编辑。
简而言之，“半脆弱性数字水印”与目前AI生成图像、视频时产生的“水印”不一样——它们并不直接呈现在图像或视频上，而是“刻”在图像与视频里，一经剪辑就会被破坏。
植入“半脆弱性数字水印”的身份证图像生动展示了这一新技术的价值：用肉眼看，这些身份证图像没有任何异常；但专业检测系统一扫描，立刻提示它们进行过编辑，并标注出编辑的部分——因为图像的“半脆弱性数字水印”被破坏了。
郭丰俊说，一方面，通过教育和宣传，能提高公众对AI造假惯用场景、识别方法的了解。另一方面，也要强化视频制作者、发布平台的责任感，除了在视频发布后有“被动防御”举措，更要有“主动防御”意识。如果创作者在发布原始视频时，就使用“半脆弱性数字水印”，或者平台为始发的视频、图像注入这一数字水印，那么此后不仅能通过数字水印检测器验证视频的真实性和完整性，还能实现溯源管理。
本报记者任翀