通过分析皮肤纹理、光照一致性、反射、边界边缘、传感器噪声等伪造痕迹识别深度伪造。这类方法对早期伪造有效,但随着生成技术进步,伪影日益细微,单独使用的可靠性下降。
真实人脸存在细微的生理特征,如随心跳产生的皮肤颜色微变(远程光电容积脉搏波,rPPG)、自然眨眼频率、微表情等,当前生成模型难以准确复现这些信号,据此可有效区分真伪。
GAN 等生成模型在频域会留下特征性频谱伪影,这些周期性模式在人眼不可见,但可被算法检测,是识别伪造图像的有效补充手段。
单一方法难以应对不断进化的伪造手段,实践中多采用多模态融合提升鲁棒性。在产业侧,天御内容安全平台 已上线 AI 生成识别服务,覆盖文本、图片、音频、视频四种模态,其中图片鉴别基于图像域与频域的双模态信息,结合风格识别、频谱分析等技术挖掘生成痕迹,辅助平台对 AI 生成或伪造内容进行识别与打标。