人工智能生成身份的识别方法,单靠眼睛看不够了

2026-06-23 | 来源: 情报分析师 | 转到微信 | 有0人参与评论 | 字体: 放大缩小 | 收藏 | 打印

你们有没有收到过陌生人的好友请求，看了一眼头像，觉得"这人挺正常的"，然后就通过了？

几乎所有人都举手。

对。这就是问题所在。

问题已经换了一张脸

去年在油管上有一个案例，一名芝加哥男子叫Grant，在Facebook Dating上遇到了一个"女性"。

两个人聊了好几个月，视频通话都有过，对方的声音、表情、笑容，一切看起来都很真实。

最后Grant损失了7万美元——不对，应该说，他把7万美元转进了一个根本不存在的投资平台，而跟他谈了几个月恋爱的那个"人"，是一套运行在服务器上的AI系统。

这不是科幻。这是2025年以后的日常诈骗作业。

以前识别假账号很简单：头像是从某个库存图片网站截的，个人简介两句话，好友列表里全是机器账号，发帖记录要么是空白要么全是转发。

2015年前后，在情报培训课上学的"怎么识别假账号"，讲的就是这套方法，基本上十分钟能搞定一个。

现在这套方法几乎全部失效了。

新一代的AI生成身份长这样：一张清晰自然的人脸照片，在谷歌和百度里反向搜索不到任何结果，因为这张脸根本不存在，是AI凭空生成的；个人简介写得连贯有温度，读起来像是一个真实的人在认真介绍自己；社交记录从两三年前就开始积累，有时间跨度，有情绪变化，有"生活细节"。

一个研究人员做过一个测试：一台五年前的旧电脑，零图像编辑技能，从零开始搭建一个完整的假身份，包括文件、照片、社交历史——总共花了70分钟。

加国新总督就任呼吁警惕人工智能

法院推翻因人工智能导致的裁员但企业仍悄悄裁员

中国梦想利用人工智能识别未来可能的政治对手

70分钟。

这就是你现在面对的对手。

先从那张脸开始

任何人拿到一个可疑账号，第一步都应该看头像。不是因为头像最重要，而是因为它最直接，可以最快给出信号。

AI生成的人脸，主要来自两类技术。

一类是GAN（生成对抗网络），典型代表是StyleGAN，thispersondoesnotexist.com用的就是这个，每次刷新就生成一张新的人脸，而这张脸永远不会出现在任何身份证上。

另一类是扩散模型（Diffusion Model），是Midjourney、DALL-E、Stable Diffusion背后的技术。这两类生成的人脸在视觉上非常不同，检测方法也略有差异。

怎么说呢，理论上最好用的视觉判断方法，其实是看眼睛。

人的双眼在真实光照环境下，角膜上会有光点反射，也叫角膜镜面高光。这个反射的形状、角度和位置，在左右两眼上应该是基本一致的，因为两只眼睛看的是同一个空间，接受的是同一个光源。

GAN在生成人脸的时候，它的训练目标是"让这张脸看起来真实"，而不是"遵守物理光学规律"，所以它根本不在乎角膜反射是否对称。结果就是：AI生成的人脸，两眼的高光点形状往往不一致，有时候一个圆润有时候一个扭曲，有时候干脆缺失其中一个。