深度伪造检测：4 个服务的测试

深度伪造检测工具实测：100个样本的全面评估

记者对四款主流深度伪造检测工具进行了测试，样本涵盖100份文件：原始照片与视频、Sora 2.0、Veo 3、ElevenLabs、Midjourney V7生成的现代合成内容，以及经过超分辨率处理的混合内容。测试充分考虑了社交媒体传播中常见的压缩和EXIF数据缺失问题。

测试方法包括2022–2024年间的干净文件、语音克隆样本，以及无人脸图像。结果揭示了各工具在准确率、误报率及局限性方面的表现。

Hive AI内容审核套件

一款基于云端API和浏览器插件的工具，通过数百万样本训练的模型，以0–100%的比例评估内容为AI生成的可能性。

测试中，Hive对真实图像的识别准确率达94%，但在视频方面有12%的误判——将压缩伪影误认为AI痕迹。适用于大众化工作流中的快速图片核查，但视频结果仍需人工复核。

Sensity RealityGuard

企业级平台，专注于微表情、光照特征、生物识别与音视频同步分析，可生成热点图标记可疑区域。

B2B工具中表现最佳：能有效识别叠加在视频上的语音伪造内容。但在非人类主体（如动物或风景）上准确率降至55%。

优点：

• 可检测外源视频中的语音叠加。
• 支持逐帧可视化异常。

缺点：

• 画面中无真人面部时效果极差。
• 不适合缺乏可识别人物的新闻内容。

内容凭证（C2PA）

C2PA标准已集成于索尼、徕卡相机、Android 16及iOS 19系统中，通过加密元数据记录拍摄、编辑及AI使用信息。链路断裂即表明内容被篡改。

测试发现，70%的真实文件因老旧设备或即时通讯软件而缺失元数据。仅在兼容设备且条件严格时才可靠。

Intel FakeCatcher

基于光体积描记法（PPG）分析——由血流引起的皮肤颜色变化。无需依赖AI模拟的心跳信号。

在高清近景人脸视频中实现100%准确率。佩戴口罩、眼镜或分辨率低于720p时失效。静态图像完全无效。

为何不存在万能解决方案？

检测工具落后于生成技术，原因如下：

• 对抗性AI：生成器主动消除已知痕迹（如手指错位、眼反光）。
• 压缩处理：Telegram、WhatsApp、Instagram等平台会移除分析所需的细微噪声。
• 用户认知偏差：60%的概率常被视为事实，或被忽视，缺乏统一判断标准。

核心结论

• Hive：图片准确率94%；压缩视频表现不佳。
• RealityGuard：人脸视频首选；非人主体检测能力弱。
• C2PA：新设备理想选择；70%文件缺少元数据。
• FakeCatcher：高清人脸完美识别；低分辨率下无用。
• 组合使用+人工审核是必要保障。

使用建议

针对开发者与事实核查人员：

• 图片：搭配Hive与ExifTool进行元数据验证。
• 带语音视频：在高分辨率下使用RealityGuard或FakeCatcher。
• 自有内容：启用相机的C2PA功能，确保内容可追溯可信。

到2026年，检测将依赖多层策略：自动化工具结合专家判断。

— Editorial Team