2026 年 10 月 23 日
科罗拉多大学博尔德分校（CU Boulder）的研究团队近日公布了一项新成果，旨在应对日益逼真的 AI 深度伪造（Deepfake）威胁。该研究由图恩·特兰（Tuan Tran）领导，相关论文于 8 月在丹佛举行的计算机网络与系统旗舰会议 ACM SIGCOMM 上发表。
检测困境：算力瓶颈与实时性缺失
去年秋天，在丹佛举行的一场美国计算机科学家会议上，图恩·特兰向数百名与会者展示了一段视频，要求他们区分真实的布拉德·皮特和 AI 生成的影像。结果显示，仅有一半的观众能够识别出深度伪造内容。“这些深度伪造生成模型正在变得非常强大，”特兰表示。
随着技术演进，恶意行为者利用 AI 生成的深度伪造冒充企业高管进行诈骗的案例频发。例如，在香港发生的一起案件中，受害者因未能识破深度伪造视频，向欺诈者汇款高达 2500 万美元。
然而，目前主流的视频会议平台如 Zoom、Apple FaceTime 和 Google Meet 均缺乏实时的深度伪造检测功能。尽管 Microsoft Teams 近期宣布开始提供此类服务，但现有的商业检测系统通常需要巨大的计算资源，难以在大规模应用中实现扩展。
突破思路：从压缩数据中直接读取线索
为了解决算力需求过高的问题，特兰及其团队在 CU 工程中心进行了长达数月的研发工作，甚至利用秋季假期、圣诞节及新年期间加班攻关。电气和计算机工程学博士生、论文作者之一希林·伊巴迪（Shirin Ebadati）形容这段经历“既激烈又令人兴奋”，因为团队致力于解决一个被认为在当前架构下不可能完成的任务。
传统的深度伪造检测器通常需要将视频解压至高分辨率后再分析面部细节，这一过程消耗大量算力。研究人员发现，视频在互联网传输时经过压缩，其编码方式本身就包含了关键信息。以 VP9 编码为例，视频并非逐帧发送所有像素，而是描述相对于前一帧的变化。
在一段人物对着墙壁讲话的视频中，背景变化极少，因此被覆盖在大块像素区域；而人物面部表情丰富，会被分割成许多小块以捕捉细节。当画面出现异常突变时，压缩算法需要写入大量新信息。研究团队通过测量这些新信息在人脸区域的集中程度及其传播范围，即可判断是否存在篡改痕迹。
该方法无需将视频完全解压，而是直接从压缩流中提取特征。只有当初步检测显示可疑时，系统才会请求发送端设备提供一个完整的、未压缩的新鲜帧，并进一步使用 AI 进行深入检查。团队成员 Ha 指出：“我们只需要查看每 100 个数据点中的一个，而不是每一个。”
性能表现：算力降低两个数量级
测试数据显示，该新型检测系统所需的计算能力仅为现有模型的 1/143。在一个包含 1,000 个含有深度伪造内容的在线视频库中进行验证时，该系统报告了接近完美的准确率。
目前，研究团队正着手调整检测系统，使其能够适应大规模视频会议场景的需求。随着深度伪造技术的不断进化，这种低算力、高实时性的检测方案有望成为抵御 AI 虚假信息的重要工具。
参考文献：
Tuan Tran et al., DeepSFU: Scalable Deepfake Detection for Video Conferencing, Proceedings of the ACM SIGCOMM 2026 Conference (2026). DOI: 10.1145/3789240.3829184
