深度伪造检测的技术指标很漂亮,工程落地却很脆弱。公开评测集上的准确率普遍在 90% 以上,但只要内容经历一次平台转码,指标就会掉十几个百分点。
脆弱性来自压缩
生成模型留下的痕迹多为高频细节与特定频域特征,视频平台的重编码会把这些细节抹平。检测模型因此在“原始文件”上有效,在“传播后的文件”上失效——而后者才是真实场景。
两条改进方向
一是把检测前移到摄取端,用可信硬件在拍摄时写入签名,把问题从“识别伪造”转成“验证来源”。这依赖设备与平台的协同,短期难以普及。
二是训练时引入随机压缩增强,让检测模型见过各种编码链路。实测能提升跨平台的稳定性,代价是对抗样本的迁移性下降——攻击者仍可通过针对性扰动绕过。
结论是检测不能作为唯一防线。对高风险场景(身份核验、司法证据),需要叠加活体检测、多源交叉验证与人工复核。
读者留言
3 条 · 编辑审核后展示钱
钱进2026-11-17 10:58
希望可以增加一个表格汇总关键数据,手机上更好读。
有用 7 · 回复
林
林一舟2026-11-17 12:11
作为从业者,文中提到的现场问题很真实,尤其是接口和交付那部分。
有用 10 · 回复
高
高原2026-11-17 13:24
如果能有第二篇讲反向案例,理解会更完整。
有用 13 · 回复