人工智能生成身份的識別方法,單靠眼睛看不夠了

2026-06-23 | 來源: 情報分析師 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

你們有沒有收到過陌生人的好友請求，看了一眼頭像，覺得"這人挺正常的"，然後就通過了？

幾乎所有人都舉手。

對。這就是問題所在。

問題已經換了一張臉

去年在油管上有一個案例，一名芝加哥男子叫Grant，在Facebook Dating上遇到了一個"女性"。

兩個人聊了好幾個月，視頻通話都有過，對方的聲音、表情、笑容，一切看起來都很真實。

最後Grant損失了7萬美元——不對，應該說，他把7萬美元轉進了一個根本不存在的投資平台，而跟他談了幾個月戀愛的那個"人"，是一套運行在服務器上的AI系統。

這不是科幻。這是2025年以後的日常詐騙作業。

以前識別假賬號很簡單：頭像是從某個庫存圖片網站截的，個人簡介兩句話，好友列表裡全是機器賬號，發帖記錄要麼是空白要麼全是轉發。

2015年前後，在情報培訓課上學的"怎麼識別假賬號"，講的就是這套方法，基本上十分鍾能搞定一個。

現在這套方法幾乎全部失效了。

新一代的AI生成身份長這樣：一張清晰自然的人臉照片，在谷歌和百度裡反向搜索不到任何結果，因為這張臉根本不存在，是AI憑空生成的；個人簡介寫得連貫有溫度，讀起來像是一個真實的人在認真介紹自己；社交記錄從兩三年前就開始積累，有時間跨度，有情緒變化，有"生活細節"。

一個研究人員做過一個測試：一台五年前的舊電腦，零圖像編輯技能，從零開始搭建一個完整的假身份，包括文件、照片、社交歷史——總共花了70分鍾。

哪些人最容易被人工智能"搶飯碗"

中國夢想利用人工智能識別未來可能的政治對手

台灣據報正考慮加強對銷陸人工智能芯片出口限制

70分鍾。

這就是你現在面對的對手。

先從那張臉開始

任何人拿到一個可疑賬號，第一步都應該看頭像。不是因為頭像最重要，而是因為它最直接，可以最快給出信號。

AI生成的人臉，主要來自兩類技術。

一類是GAN（生成對抗網絡），典型代表是StyleGAN，thispersondoesnotexist.com用的就是這個，每次刷新就生成一張新的人臉，而這張臉永遠不會出現在任何身份證上。

另一類是擴散模型（Diffusion Model），是Midjourney、DALL-E、Stable Diffusion背後的技術。這兩類生成的人臉在視覺上非常不同，檢測方法也略有差異。

怎麼說呢，理論上最好用的視覺判斷方法，其實是看眼睛。

人的雙眼在真實光照環境下，角膜上會有光點反射，也叫角膜鏡面高光。這個反射的形狀、角度和位置，在左右兩眼上應該是基本一致的，因為兩只眼睛看的是同一個空間，接受的是同一個光源。

GAN在生成人臉的時候，它的訓練目標是"讓這張臉看起來真實"，而不是"遵守物理光學規律"，所以它根本不在乎角膜反射是否對稱。結果就是：AI生成的人臉，兩眼的高光點形狀往往不一致，有時候一個圓潤有時候一個扭曲，有時候幹脆缺失其中一個。