今年3月,来自全球六名记者的紧急联络打破了周末的宁静。伊朗一家新闻机构播出了一段视频,显示疑似美国制造的“战斧”(Tomahawk)导弹击中一所学校。报道声称此次袭击造成超过175人死亡,其中多数为儿童。尽管美国总统及军方否认对此负责,公众对该视频的真实性普遍持怀疑态度。

过去三十年间,相关领域专家一直致力于开发数学与计算技术以检测数字媒体操纵。长期以来,业界对视觉录音普遍采取“真实性假设”,即默认内容未经篡改。然而,当前的现实要求将这一立场转变为“虚假假设”:创作者需主动证明其内容的真实性。这种转变旨在重建在线媒体的信任基础。
深度伪造的法医检测实践
面对这段引发争议的视频,初步判断基于画质较差而倾向于认为其为伪造。但考虑到潜在的社会影响,专业团队在周六上午对其进行了详细分析。
首先,研究人员将“战斧”导弹的数字模型叠加至视频每一帧,并以静止背景标志作为参考点进行对齐。分析显示,视频中的导弹沿几乎线性的轨道移动。其次,通过合理假设估算,视频中导弹的尺寸对应于距离约100米的6米长“战斧”导弹,该距离与现场情况相符;同时,可见撞击与声音延迟0.3秒的特征也与物理规律一致。
尽管证据指向真实性,但在当时仍难以给出确切结论。这与近期加州大学伯克利分校同事的一项研究结果相呼应:观察者如今对视频普遍抱有怀疑,即使缺乏伪造痕迹也难以确信其真实性。经过数小时分析后,最终认定该视频为真实记录。这一案例标志着从“虚假假设”回归到需要更强证据才能建立信任的过程。
来源信号与内容凭证
当视觉记录的可靠性下降时,技术手段成为关键补充。传统的法医分析无法应对互联网规模下的实时验证需求,但“来源信号”可以。这类信号包括在创建或录制时嵌入的内容凭证和水印。
遵循C2PA标准的凭证会在拍摄时将加密签名附加至照片或视频元数据中,记录设备信息、时间地点及后续编辑历史。任何内容或历史的改动均可被机器检测。此外,如Google的SynthID等技术可将水印直接嵌入像素或音频样本中。
苹果公司近期推进了这一机制。在其部分最新iPhone机型上,摄像头传感器可对原始像素数据进行加密签名。这些签名数据生成一个可与普通可编辑照片对比的参考图像,使用户能够精确识别哪些部分(如有)被修改过。
虽然来源信号常被批评为不完美或易受攻击,但其核心目的并非单纯“捕捉坏人”,而是赋予“好人”证明自身视听录音真实性的能力。消费者、记者及法庭需适应“虚假假设”模式。若足够多的诚信参与者采用这些机制,便能在一定程度上压制不良行为者,实现从“防伪”到“赋权”的转变。
实时视频通话的验证挑战
信任危机已扩展至日常视频通话领域。例如,2024年9月,美国参议员本·卡丁(Ben Cardin)收到乌克兰外交部长德米特罗·库勒巴(Dmytro Kuleba)的视频会议请求。通话中,卡丁因对方未按要求确认美国是否允许乌克兰向俄罗斯发射远程导弹而产生怀疑,随即结束通话。随后,参议院安全办公室警告员工,外国对手(可能为俄罗斯方面)可能再次尝试类似的伪造会议。
此类伪造仅需换脸或虚拟化身以及语音转换技术,即可实时替代演讲者的面部和声音。这些技术在商业产品及开源库中易于获取,并可在现代笔记本电脑上运行。
与静态视频不同,实时深度伪造面临新的技术瓶颈:假视频通话必须以每秒约24帧的速度生成。因此,软件往往采取简化面部及其与环境互动的捷径。人类肉眼难以察觉这些瑕疵,但法医分析可以揭示它们。
来源信号在此场景中同样适用。视频通话软件可将苹果目前应用于静态照片的密码签名技术推广至直播视频的每一帧。鉴于面部交换必然发生在扬声器摄像头与视频会议软件之间,软件可实时验证接收到的画面是否由物理摄像头传感器签名,或在传输过程中是否被篡改,从而让真实参与者证明其身份。
在数字革命的前二十年,仅靠发现操纵痕迹的法医分析足以解决大多数真实性问题。然而,人工智能革命改变了操纵的规模与速度,超出了传统法医的处理范围。要确信当前录音的真实性,必须结合来源信号。这两种方法协同运作:来源信号帮助诚信行为者获得信任,而法医分析则用于根除恶意行为者。





