當前，被动检测基於生成式人工智能（AIGC）偽造技術的主动诈骗電信網絡詐騙手段不斷升級，呈現範圍擴大化、防御反制套路多樣化、鉴伪技术形式隱蔽化等特點，开始危害社會安全。换脸科研人員正在開發更先進的被动检测人工智能工具和技術，識別並阻止人工智能濫用行為。主动诈骗

“不管是防御反制以往的PS篡改識別，還是鉴伪技术如今的AIGC鑒偽，都屬於人工智能鑒偽的开始被動檢測方式。”在第十三屆中國創新創業大賽創新挑戰賽（浙江）暨2024年浙江省技術需求“揭榜掛帥”大賽總決賽上，换脸杭州電子科技大學網絡空間安全學院副教授、被动检测浙江—法國數字媒體取證聯合實驗室負責人喬通展示了其團隊研發的主动诈骗“麵向電詐場景的音視頻鑒偽溯源技術”，這種技術變“被動檢測”為“主動防禦”，防御反制有望為人工智能鑒偽提供新思路。

特殊水印實現“事前防禦”

上網搜索“AI換臉”，相關應用軟件和影音圖像作品比比皆是。同時，深度人臉偽造帶來的安全威脅也逐漸顯現。

香港警方曾披露一起人工智能“多人換臉”詐騙案：不法分子利用人工智能深度偽造技術，通過某跨國公司在社交平台的資料，仿造多位高層管理人員的形象和聲音，在視頻會議中進行冒充，誘騙該公司香港分公司財務職員進行轉賬操作，涉案金額達2億港幣。

此前，針對人臉偽造，人們往往采用“事後鑒別”的被動檢測、被動取證方法，但這種方法難以及時、有效遏製偽造人臉圖像的傳播。主動防禦方法由於“事前防禦”的屬性，得到越來越多學者關注。

然而，目前大多數主動防禦方法隻能針對單一或特定的幾種偽造模型進行防禦，麵對日益多樣化和不斷升級的人臉偽造技術，會顯得力不從心。

為此，喬通團隊開發出了一種可擴展通用對抗性（SUA）水印，將其嵌入在需要保護的視頻、圖像或語音素材中。當素材被用於人工智能加工，就會觸發SUA水印的“引信”，直接破壞生成後的內容。

這一技術路線此前已有所應用，但局限性較大。喬通介紹，以往單個水印隻能針對一種模型，一段素材可能要嵌入多個水印才能起效，而SUA水印則無須基於所有偽造模型進行重新訓練。大量實驗證明，SUA水印不僅能節省算力，還能有效擴展主動防禦範圍，顯著提高主動防禦效果，能大大提高鑒偽效率。

“火眼金睛”進行人臉識別

2024年9月，杭州公安通報了一起利用人工智能技術侵犯公民個人信息案件：有不法分子使用人工智能換臉大模型突破頭部平台人臉認證，竊取用戶隱私信息。

“登錄銀行或者其他App時，用戶會被要求做搖頭、眨眼的動作，即進行人臉活體檢測。”喬通說，不法分子通過黑色產業鏈，可以獲取目標對象的人臉照片、音頻素材，偽造多模態媒體素材，然後實施詐騙。

為保證平台安全，喬通建議，進行人臉識別前應再加一道無形的核驗環節。據了解，針對目前市場上主流的人工智能偽造工具，喬通團隊開發的人工智能鑒偽係統，能秒速級識別出人工智能圖像及視頻，並給出相應分析報告，準確率95%以上。

“相比大型銀行，地方中小銀行對防偽技術的投入相對不足。”喬通說，團隊目前在與地方公安、小型金融機構等進行合作，研發定製化技術，在活體檢測環節為相關平台裝上“火眼金睛”，判定屏幕那端“是人還是妖”。

在喬通看來，人工智能鑒偽和深度偽造是此消彼長的關係，需要更多機構、企業參與，推動人工智能鑒偽技術突破和應用落地，共同搭建人工智能時代的網絡安全防火牆。“我們團隊正積極對接企業，探索商業化模式。”喬通說，“要築牢人工智能安全底座，讓反詐舉措更加柔性。”