世界最顶尖的数字取证专家如何鉴别视频/声音/图片造假

哈尼·法里德是全球最顶尖的数字取证专家之一，研究照片、视频、声音造假二十多年。

一天早上，法里德收到一段疯传视频。画面显示，一枚美国制造的导弹击中伊朗一所小学，造成大量儿童死亡。媒体和各种组织都在问他：这是真的，还是 AI 做的？法里德的第一反应是怀疑，因为他最近已经看过太多“看起来很真”的 AI 视频：假的轰炸、假的坠机、假的大火、假的处决。它们已经不是过去那种一眼假的东西，

但法里德不说“我觉得像真的”或者“我觉得像假的”，而是把这段视频拆成一堆小问题，一个个去审。

** 第一步是查地点**。 视频说发生在伊朗，那画面里的街道、电线、树、建筑轮廓，能不能和真实地点对上？他用全球图片数据库做地理定位，发现画面确实指向伊朗米纳布市的一条街，而且离一所小学不远。这一步很关键，因为 AI 可以造出一个“像中东”的地方，但要造出一个能和真实街景精确对上的地方，难度就高得多。

** 第二步是看镜头** 。 视频晃动得很自然，像普通人拿手机拍摄，不像那种刻意模拟出来的假晃动。然后他把视频稳定下来，去掉抖动，开始逐帧追踪导弹轨迹。导弹的飞行路线是直的，速度也稳定。他继续放大画面，测量像素，估算导弹长度，算出来大约18英尺，和真实导弹尺寸吻合。

这也是普通人最该学的一点：** 不要只看整体感觉，要把视频拆开看。地点、尺寸、速度、轨迹，每一项都要问一句：它符合真实世界吗？**

** 第三步是看光影和透视。** 很多假图假视频，最容易败在这里。因为真实世界里的光源、物体和影子有固定关系。太阳从一个方向照过来，影子就不能乱跑；房子、道路、桌子这些平行线，在画面里也应该按照透视规律汇向合理的消失点。AI 很会画“像真的画面”，但它经常不是真的理解三维空间，所以阴影、反射、光源、透视线之间会互相打架。

法里德看这类视频时，不是看“画质清不清楚”，而是看** 物理关系对不对** 。影子该长的时候有没有短，反光该出现的地方有没有出现，建筑线条延伸后能不能汇到同一个空间点。如果这些地方乱了，画面再高清也可疑。

** 第四步是听声音** 。 那段导弹视频里，导弹击中建筑后，爆炸声和尖叫声不是立刻出现，而是有一个短暂延迟。这个细节反而更像真的，因为声音传播本来就比画面慢。如果一个远处爆炸，画面和声音完全同时到达，反而要警惕。很多人看视频只盯着画面，专业鉴定会同时看声画关系：爆炸、枪声、回声、尖叫、环境噪音，是否和距离、空间、场景匹配。

所以，普通人刷到突发事件视频，至少可以先问几个问题：地点有没有其他来源能对上？光影有没有明显不合理？远处爆炸的声音是不是来得太快？人物反应和声音是否同步？这些不能保证你一定判断对，但能让你从情绪里退出来。

更麻烦的是，AI 不只会伪造战争视频。它可以伪造总统电话，可以伪造 CEO 视频会议让员工转账，可以伪造孩子的求救电话，可以伪造名人广告，也可以伪造一个普通人的脸、声音和动作。法里德自己也中过招：有人冒用他的手机号，又用 AI 克隆他的声音，去联系他的同事，试图套取机密信息。后来他和妻子约定，敏感电话开始前，必须先说一个安全暗号，确认对方是真人。

这听起来像电影，其实已经是现实。尤其是视频会议诈骗，未来很可能越来越多。这里有一个特别值得普通人借鉴的方法：

主动打光。

思路很简单。视频通话时，对方通常坐在电脑屏幕前。屏幕本身就是一个可控光源。你可以让屏幕突然变亮、变暗，或者显示一块变化的颜色，让这道光照到对方脸上。如果对方是真人坐在摄像头前，他的脸、脖子、衣服，甚至背后环境，都会随着屏幕光发生同步变化。如果是 AI 换脸、录播、虚拟摄像头，画面可能反应不对，或者有细微延迟。

这招的本质不是“看他像不像真人”，而是主动给现实世界出一道题：我改变光，你的脸能不能立刻、自然、符合物理地跟着变？

放到生活里也很实用。以后遇到远程转账、合同确认、敏感电话，不要只相信视频里那张脸。可以让对方做实时动作，换角度，走到窗边，打开灯，靠近屏幕，或者说一个只有你们知道的暗号。** 越是涉及钱和隐私，越不能只靠“我看见他了”。**

还有一种方法，** 是看嘴型和声音。**

现在 AI 很会克隆声音，也很会改嘴型，但嘴型和声音要在语言层面完全对上并不容易。真正说话时，嘴唇、下巴、舌位、声音节奏是连在一起的。如果只是换了音频，或者只改了嘴巴，就可能出现细小错位。普通人未必能看出算法级别的差异，但可以留意：嘴巴闭合和爆破音是否对得上，说话停顿是否自然，情绪和表情是否匹配。

更深一层，是看人的行为和生理细节。

人不是一张脸，而是一整套动态习惯。每个人说话时的头部摆动、眼神、表情节奏、声音起伏，都有自己的模式。真人说话时，面部还有细微血流变化，心脏泵血会让脸部颜色产生极小波动。AI 可以模拟五官，却未必能稳定模拟这些真实人体细节。

当然，这类方法普通人很难直接操作，但它提醒我们：不要只问“长得像不像”，还要问“这个人动起来、说起来、反应起来，像不像一个真实的人”。

法里德最后至少看了那段导弹视频100遍。可怕的是，所有证据都指向：它很可能是真的。但他仍然不敢直接写“这是真的”。他只写了一句非常谨慎的话：没有发现有说服力的证据，表明这段视频是假的，或者经过篡改。

制造深伪视频越来越便宜、快速、可靠，检测它却越来越慢、越来越贵、越来越难。一个普通社交媒体帖子的热度，可能90秒就衰减一半。20分钟之内，舆论场基本已经跑完一轮。等专家终于完成分析，伤害往往早就发生了：假的已经凝固成事实，真的也已经被拖进怀疑。

这才是 AI 造假最可怕的地方。它不只是制造假内容，还会污染真内容。假的可以像真的，真的也会被怀疑成假的。以后每个人都可以说“这是 AI 做的”，每个人也都可以用 AI 制造一份“证据”。

所以，AI 时代真正稀缺的东西，不是内容，而是可信度。以后再看到爆炸视频、名人发言、孩子求救、老板下指令， ** 第一反应最好不是转发，也不是愤怒，而是先慢下来。**

看来源，看地点，看光影，看声音，看有没有其他渠道印证。视频通话涉及钱，就打光、换角度、说暗号。截图涉及重大指控，就找原始出处。越是让你立刻愤怒、立刻害怕、立刻转发的东西，越要停几秒。

AI 造假的时代，最容易被骗的不是笨人，而是反应太快的人。因为假内容最怕你慢下来。